简介:

【内容摘要】

20年前著名统计学家Leo Breiman指出基于数据解决问题时，不应拘泥于数据模型，而应采用能解决问题的手段。当前深度学习的发展如火如荼，为数据驱动的研究提供了强大的技术基础。而各类神经网络算法能否用于解决统计学核心问题却尚无理论成果，如何整合统计模型与机器学习算法各自的优势解决实际问题也缺乏典型范例。带着这些思考，本报告介绍一种进行概率密度估计的循环生成对抗网络，阐述通过统计模型与深度学习算法的有机整合，不仅能帮助解决统计学核心问题，还能促进机器学习在多个领域的应用，从而实现统计与机器学习的共赢。

【主讲人简介】

江瑞，清华大学自动化系长聘副教授。主要研究方向为人工智能、统计推断、智能健康与生物信息。2002年于清华大学获博士学位，在香港科技大学和南加州大学从事博士后研究后，于2007起在清华大学自动化系任教。已在Nature Machine Intelligence, Nature Communications, Proc. Natl. Acad. Sci. USA等国际顶级期刊发表学术论文80余篇，多次在ISBM等顶级会议做学术报告和亮点报告，担任多个Nature子刊审稿人。现任中国自动化学会智能健康与生物信息专业委员会副主任。

腾讯会议二维码