报告人：范业田
报告地点：腾讯会议ID:889 864 8458
报告时间：2022年07月15日星期五9:30-10:30
邀请人：徐东坡
报告摘要：
神经网络是一种具有较强分类和逼近能力的机器学习算法，尤其是深度神经网络的出现极大地提高了神经网络的性能和应用范围。为深刻挖掘数据本身的内部结构特征，进一步提高神经网络在分类问题上的预测准确率， 本工作研究了一种基于图正则的神经网络模型。该模型可以基于数据的特征以及类别标签，生成一个图正则项，以提高神经网络隐层特征的聚集性。数值实验表明，该算法在BP神经网络以及深度神经网络上均取得了良好效果。
会议密码：115119
主讲人简介：
范业田，辽宁大学数学与统计学院讲师。2017年毕业于大连理工大学，获计算数学博士学位。2014-2016年美国德雷塞尔大学计算与信息学院联合培养博士生。2020-2022年香港中文大学统计系博士后。主要研究领域包括机器学习、生物信息、生物统计、贝叶斯算法等。目前已发表期刊或会议论文8篇。
学校主页