UTMIST Guest Speaking-Renjie Liao

Link to the unknown

Graph-Structured-Data当下被广泛应用于科研以及工程当中,其中包括社交网络,传感器网络,量子化学以及神经科学等等前沿领域。

尽管目前深度学习在演讲识别,机器翻译以及计算机视觉中取得了突破性进展,然而在处理Graph-Structured-data时仍然捉襟见肘。

原因在于Graph-Structured-data的数据结构变换莫测,因此导致一些类似于卷积这样的传统处理方式无法施展拳脚。

正因为如此,如何将如此成功的深度学习模型中的关键元素提出,并为Graph-Structured-data所用成为了一个十分重要又充满挑战性的课题。

在这一次演讲讲座中,Renjie Liao将会深入讲解一些能够泛用于Graph-Structured-Data的深度学习方法,并且畅谈在这个方向上的最新研究成果。一些开放性的问题也将在这次演讲中进行讨论。

Renjie Liao

多伦多大学 ML Group PHD,由Raquel Urtasun教授以及Richard Zemel教授共同监督指导。他同时也是Uber Advanced Technology Group Toronto的研究员。

他的研究兴趣是机器学习与计算机视觉。近期的研究方向是桥接深度学习与概率图模型,以及开发基于学习的RGBD语义分割(RGBD semantic segmentation)和图像超分辨率(video/image super solution)模型。

文字、编辑、排版:Harvey

校对: Justin

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180125G01UVK00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券