报告人： 孟德宇
报告地点：腾讯会议
报告时间：2020年12月10日星期四20:00-21:00
邀请人：郑术蓉
报告摘要：
针对底层视觉处理的任务，如图像去噪等，传统模型驱动的方法大多采用MAP模型的不确定性概率框架构建，其具有相对清晰的解释性，有利于对领域知识与数据理解较好的问题针对性构建合理模型，获得良好求解效果。然而现代数据驱动方法采用端到端的确定性模式处理问题，依赖于预先收集的大量训练数据，此类方法在各项底层视觉任务中全面超越传统模型驱动方法。本报告将一方面尝试分析模型驱动与数据驱动的各自适用场合与有效性前提，另一方面提出一种不确定性深度学习方法，尝试将两种方法论统一在统一概率框架下，从而达到数据驱动与模型驱动方法论优势互补，功能相互折衷的目标。
会议ID：657 957 124
主讲人简介：
孟德宇，西安交通大学教授，博导。任西安交大大数据算法与分析技术国家工程实验室机器学习教研室负责人。共接收/发表论文80余篇，其中包括IEEE汇刊论文30篇，CCF A类会议论文37篇。目前主要聚焦于自步学习、误差建模、张量稀疏性等机器学习与计算机视觉领域的基础研究问题。
学校主页