报告题目：基于弱标注信息的深度学习
主讲嘉宾：管子玉 教授西安电子科技大学
时间：2019年4月28日 上午9：00（星期日）
地点：公司铁道学院交通楼518
嘉宾简介：管子玉，博士，西安电子科技大学教授、博士生导师，曾获得国家优秀青年科学基金项目资助。2004年6月本科毕业于浙江大学，获得计算机科学与技术专业学士学位。同年保送直接攻读博士学位，师从陈纯院士，于2010年6月获得浙江大学计算机科学与技术专业博士学位。2010年至2012年在美国加州大学圣芭芭拉分校从事博士后研究工作。2012年进入西北大学任研究员，2014年1月取得教授职称，同年遴选为博士生导师。2017年进入西安电子科技大学工作。2015年获得国家自然科学基金委优秀青年科学基金项目资助，2016年获陕西省青年科技新星称号。
承担（曾经承担）的科研项目包括：国家自然科学基金面上项目、优秀青年科学基金项目、国家863项目和教育部创新团队项目等。在数据挖掘、信息检索、数据管理等领域的顶级国际会议和期刊发表论文50余篇，包括ACM WWW、ACM SIGMOD、VLDB、IEEE ICDE、ACM SIGKDD、ACM SIGIR、IJCAI、AAAI、IEEE TKDE等，联合出版学术专著1部。担任领域内知名SCI期刊Neurocomputing和International Journal of Machine Learning and Cybernetics的编委，担任多个顶级国际会议程序委员会委员，如SIGKDD、IJCAI、NIPS、AAAI、ICML等，担任顶级会议IJCAI 2017/2018/2019资深程序委员会委员，是国际会议环太平洋多媒体会议PCM 2016的组织主席。
内容摘要：深度学习近年来获得了学术界和工业界广泛关注。但是，深层神经网络需要通过大量的训练数据来学习。传统的无监督预学习技术假设数据的分布能有效帮助学习目标语义，因此并不能很好地解决语义鸿沟问题。而在有监督学习方面，针对具体学习任务的大规模标注数据也较难获得。弱标注数据指的是由于存在噪声或者不契合等问题而无法直接用于解决所关注学习任务的语义标注，如社会化标签、互联网用户产生的评论评分。弱标注数据中含有大量的语义信息，如何有效利用这些信息训练神经网络是亟需解决的问题。本次报告主要对我们近期在弱监督学习和迁移学习方面开展的一些应用研究工作进行介绍。
