内容简介：在深度学习研究和应用的领域中，我们经常遇到长尾数据分布的挑战，这是数据不平衡的一种非常常见的表现形式。长尾学习旨在不会严重牺牲多数类上的性能的前提下，通过提高模型在少数类上的性能来解决这一挑战。近年来，长尾学习领域取得了重大进展，这些进展不仅拓宽了我们对深度学习模型如何适应不平衡数据集的理解，还引入了一些新颖的学习策略，以增强模型在这些场景下的鲁棒性和泛化能力。本次讲座将探讨我们课题组在长尾学习上的最新研究进展，以及在一些常见应用场景中如何解决长尾数据的一些思路。

报告人：卢杨

报告人简介：博士，现为厦门大学信息学院计算机科学与技术系助理教授，博士生导师，人工智能研究院双聘导师，福建省优秀青年基金获得者，小米青年学者。2012年和2014年分别获得澳门大学软件工程专业本科和硕士学位。2019年获得香港浸会大学计算机科学专业博士学位。已发表高水平论文40余篇，其中多篇论文发表在机器学习一流期刊（JCR 1区）如IEEE TNNLS和IEEE TCYB等，以及人工智能和计算机视觉顶级会议（CCF A类）如CVPR、ICCV、AAAI、IJCAI、ACMMM等。主持国家自然科学基金重点项目课题、面上项目及青年项目、福建省新型智库重大课题、福建省自然科学基金面上项目、之江实验室开放课题等多个项目。任中国图象图形学学会机器视觉专委会委员、中国图象图形学学会厦门会员活动中心秘书长、以及国际知名期刊IEEE Transactions on Emerging Topics in Computational Intelligence责任编委（Associate Editor）。在智能优化领域重要会议DOCS 2024获得最佳论文奖。目前主要研究方向为面向开放世界的鲁棒深度学习，包含长尾学习、联邦学习、噪声标签学习、持续学习等机器学习前沿领域。

时  间：2024年9月20日（周五）下午15：00开始

地  点：番禺教学大楼424室

热烈欢迎广大师生参加!

信息科学技术学院/网络空间安全学院

2024年9月16日