【个人简介】本科毕业于北京大学，后于阿姆斯特丹大学攻读数学和计量经济学双学位，蒂尔堡大学攻读营销模型专业，研究方向主要为贝叶斯理论和泛函分析理论和应用。目前就职于百分点信息科技有限公司认知智能实验室技术负责人，所涉及项目方向包括图像、语音、NLP、强化学习、知识图谱的理论和应用等。

【报告题目】小样本下的深度学习实践

【报告摘要】

尽管深度学习在人工智能各个领域取得了极大的成功，但是为了使该算法达到较高准确率常需要大量的人工标注数据。然而，获取大量的标注数据耗时耗力，使得深度学习的应用范畴受到了极大的限制。近年来，在学术研究和业界实践中，为了克服以上问题涌现出了一系列方法。在这次报告中，我会对这些方法的实践经验进行分享。分享的内容包括迁移学习，VAE，GAN，数据增强，多标签训练，增强学习当中的方法等。

【个人简介】本科毕业于中央财经大学，研究生就读于中国人民大学统计学院。感兴趣的研究方向为数据挖掘与强化学习，目前主攻游戏AI技术。

【报告题目】大规模强化学习实践——使用PPO训练AI拳皇与雷电2

【报告摘要】

本报告将展示如何训练AI玩拳皇和雷电2两种电子游戏。我们以游戏图像为输入，使用强化学习中的PPO算法，展示如何在大规模集群中训练AI打游戏。报告将介绍我们开发适合强化学习集群框架，介绍大规模强化学习的异构计算与通信问题，以及针对这两款游戏的一些训练经验。

【个人简介】北京大学光华管理学院统计系博士生。研究方向为深度学习和强化学习。关注深度学习训练系统框架，强化学习在游戏中的应用等内容

【报告题目】Automatic Object-Oriented State Abstraction in Reinforcement Learning

【报告摘要】

We present a novel method to obtain abstract state representations in image-input reinforcement learning tasks.

Inspired by the mechanism of attention to objects in human vision, we try to make the agents automatically detect the objects during the reinforcement learning process.

Identifying objects from the input images can reduce the dimensionality of the state space and reduce the interference from noise.

The detection is directed by the Q value based on the abstract state representations. We propose a novel iterative algorithm to recognize task-relevant objects in the environment with the assistance of a modified k-means clustering procedure.

We present both theoretical and empirical results to validate our method.

【个人简介】车轮互联副总裁，10多年数据和互联网从业者，在社会网络分析、流量运营、产品推荐系统、文本挖掘和图像领域都有探索。曾经在旅游行业创业，目前专注汽车和车主服务领域。

【报告题目】基于DCGAN 的汽车设计效果图生成应用

【报告摘要】

GAN生成式对抗网络在过去几年发展迅猛，神经网络模型除了可以用来识别数据外，还可以自己生成数据。最开始只能生成模糊的图像，后来清晰度逐渐提高。最初模型非常难训练，后来WGAN优化了训练过程。加上CGAN可以在指定条件输入下进行创作，极大的丰富了该技术的应用空间。本报告就结合上述各项技术，在车型效果图绘制方面做了应用。

【个人简介】中国计量大学管理科学与工程专业，硕士阶段研究方向为应用概率统计与贝叶斯评估。狗熊会人才计划一期学员，目前在杭州某上市软件公司从事医疗数据分析与挖掘方面的工作，目前主要研究方向为贝叶斯机器学习和计算机视觉。对机器学习和深度学习有着广泛的兴趣。

【报告题目】小样本深度学习与医学影像辅助诊断应用

【报告摘要】

一直以来，人工智能的发展得益于大数据的落地能力和计算能力的提升，这在深度学习领域尤为如此。但在部分应用领域，实际上很难有大数据支持，医学影像就是这样一种情况。病种多样且相对较少的数据量和有效打标的缺乏都导致了深度学习在医学影像领域难以达到应用化程度。一方面，可以通过数据增强手段在丰富训练样本，另一方面则是借助于迁移学习，但实际效果难以得到保证。本次报告探讨了小样本数据情况下利用深度学习进行医学影像辅助诊断的方法，也展示了当前图像识别、目标检测和图像分割三大深度学习计算机视觉技术在医学影像领域的应用成果。

【个人简介】助理研究员，2012年获得西安交通大学理学学士学位，2018年获得西安交通大学应用数学博士学位，2016年至2017年，在哥伦比亚大学电子工程系和数据科学中心访问。目前在西安交通大学大数据算法与分析技术国家工程实验室从事研究工作，研究方向为贝叶斯深度学习和图像处理等，在International Conference on Computer Vision (ICCV), IEEE Transactions on Image Processing、IEEE Transactions on Cybernetics等国内外会议和期刊上发表论文10余篇。

【报告题目】贝叶斯深度学习简介

【报告摘要】

尽管深度学习已成为机器学习领域一类非常重要的方法，但是大多数深度学习模型不能够表示不确定性，也不能很好地利用概率论工具。近年来，贝叶斯方法和深度学习结合的领域吸引了大量研究者注意，并涌现很多不凡的研究成果，本报告首先从以下两个方面介绍贝叶斯深度学习领域目前的一些进展：1. 结合贝叶斯技巧的深度学习模型；2. 利用深度学习工具的贝叶斯模型；然后介绍本人在该领域的一些研究工作。