j9九游会

时间: 2024年7月23日（周二）上午10:30

所在: 校本部东区翔英大楼T706

讲座: ParamReL:通过渐进解码贝叶斯流网络从而实现对参数空间的体现学习

演讲者: 樊旭晖博士

演讲者简介：

樊旭晖，，，，澳大利亚麦考瑞大学助理教授，，，，研究兴趣包括深度概率模子，，，，天生模子（扩散模子）。
。。
。。在相关领域有着恒久的积累和优异的理论基础。
。。
。。；；；竦枚喔錾奖项，，，，包括ARC Linkage奖项（~$910.000.00）,纽卡斯尔大学的早期职业优异研究奖、Hunter Water Seed Grant、澳大利亚数理研究中心优异孝顺奖等。
。。
。。以第一作者或通讯作者身份在多个高水平期刊/聚会揭晓了30多篇学术论文，，，，担当多个期刊的审稿专家，，，，并在国际聚会上做过多次口头报告。
。。
。。 现为ICML、NeurIPS、ICLR、COLT，，，，AAAI、AISTATS、T-PAMI，，，，JMLR等多个著名国际期刊/聚会审稿专家。
。。
。。受邀在多个著名国际海内学术聚会上和多个外洋大学举行学术报告。
。。
。。

讲座摘要：

最近提出的贝叶斯流网络(Bayesian Flow Networks)在参数空间建模方面显示出重大的潜力，，，，为处理连续、离散和离散数据提供了统一的战略。
。。
。。然而，，，，BFN无法从参数空间中举行表征学习，，，，由于以往编码器通常数据编码为一个体现，，，，无法捕获参数中的语义转变。
。。
。。我们提出了一个名为ParamReL的体现学习框架，，，，该框架在参数空间中操作以获得具有递进结构的参数潜在语义，，，，并且能在差别的数据类型上都具有强盛的建模能力。
。。
。。详细来说，，，，ParamReL提出了一个自编码器，，，，直接从参数而不是从数据中学习潜在语义。
。。
。。然后将编码器集成到BFN中，，，，实现了种种数据名堂的体现学习。
。。
。。ParamReL同时又适用互信息项去增进了潜在语义的解耦合和有意义语义的捕获。
。。
。。我们通过扩展BFN说明晰ParamReL中的条件天生和重修，，，，实验效果证实ParamReL在学习参数体现方面的优越有用性。
。。
。。

约请人：通讯与信息工程学院 王瑞教授

接待宽大西席和学生加入！