报告人：南京航空航天大学 陈松灿
报告时间：2018年7月7日14:45
报告地点：乐动枚乘路校区翔宇楼二楼报告厅
报告摘要：传统的机器学习通常假设训练样本和测试样本服从相同的特征空间和分布，但其在现实中往往难以满足。因此，为了解决不同特征空间或分布问题，产生了域适应学习(DA)方法，并广泛应用于图像、文本及生物医学等众多领域。另一方面，因人工标注数据成本较高，无监督域适应(UDA)有效地解决了目标域无标记的学习问题。 现有的大部分UDA方法均从数据域共享的角度实现有标记源域到目标域的知识迁移，而很少的研究关注模型参数域的知识共享，在此报告中，我们提出了一个模型参数字典稀疏表示的参数域适应框架，为实现UDA提供了其他选择。
报告人简介：南京航空航天大学教授、博导。独立主持10项国家自然科学基金，12项省部级基金并参与1项国家自然科学重点基金等项目。在包括IEEE Transactions等在内的国际主流学术期刊上已发表150多篇SCIE论文，其中3篇发表在国际权威期刊《Pattern Recognition》上的论文获2年一评的年度最佳论文提名奖(Best Paper Awards: Honorable Mentions)。1篇《计算机学报》论文2015在合肥计算机大会上获颁2010-2014年的3篇优秀论文奖之一。1篇论文获2016国际模式识别会议（ICPR2016）“模式识别和机器学习”Track的Intel最佳科学论文奖（Intel Best Scientific paper Award）。所发论文据Google Scholar统计，已被引超9000次，H-指数为43。2014-2016连续3年入选Elsevier中国高引学者榜。
