最新消息，華人學者、加州大學圣巴巴拉分校（UCSB）助理教授王宇翔發(fā)表的題為“Optimal Dynamic Regret in Exp-Concave Online Learning”的研究論文獲得了 COLT 2021 的最佳學生論文獎。COLT 2021（Conference on Learning Theory ）是機器學習領(lǐng)域的主流學術(shù)會議之一。第34 屆COLT 2021將于 8 月 15 日至 19 日在科羅拉多州博爾德舉行，屆時會議將分為兩個階段采取虛擬和混合兩種模式進行。本次會議以機器學習理論研究為主題，涉及人工神經(jīng)網(wǎng)絡理論、深度學習、算法的設計與分析、統(tǒng)計和計算復雜度、優(yōu)化算法以及經(jīng)驗現(xiàn)象的理論解釋等研究方向，設置了最佳論文和最佳學生論文兩個獎項。王宇翔（Yu-Xiang Wang）是加州大學圣巴巴拉分校（UCSB）計算機科學系助理教授，機器學習聯(lián)合實驗室負責人。在加入 UCSB 之前，曾在加州帕洛阿爾托Amazon AI 實驗室擔任科學家（2017-2018年）。他博士就讀于卡內(nèi)基梅隆大學計算機科學學院（CMU），于2017年獲得機器學習和統(tǒng)計學雙學位，期間接受過Stephen Fienberg、Alex Smola、Ryan Tibshirani和Jing Lei等專家的聯(lián)合指導。本科和研究生在新加坡國立大學主修電氣工程專業(yè)，于2011和2013獲得學士和碩士學位。他的研究興趣包括機器學習、統(tǒng)計及優(yōu)化，主要側(cè)重統(tǒng)計理論和方法、差異隱私、大規(guī)模機器學習、強化學習和深度學習等方向，已在ICML、NeurIPS、CVPR等頂會發(fā)表了多篇相關(guān)研究論文。具體而言，其工作重點涉及各種具有挑戰(zhàn)性的學習機制（如高維、異構(gòu)、隱私受限、順序、并行和分布式）、數(shù)據(jù)隱私結(jié)構(gòu)（廣義稀疏性、子空間的并集、圖形或網(wǎng)絡結(jié)構(gòu)），資源平衡（模型復雜性、統(tǒng)計能力和隱私預算）以及各種可擴展的優(yōu)化工具等。 此外，他還對統(tǒng)計學和機器學習的應用感興趣，例如在清潔能源、醫(yī)療保健、住房、金融市場、網(wǎng)絡服務等方面的應用。他認為，相關(guān)研究的關(guān)鍵挑戰(zhàn)在于如何有效地利用現(xiàn)有數(shù)據(jù)實現(xiàn)智能預測（監(jiān)督學習），量化不確定性（統(tǒng)計推斷），設計實驗（主動學習/強化），以及推斷長期決策（強化學習）等。個人主頁：https://sites.cs.ucsb.edu/~yuxiangw/
論文地址：https://arxiv.org/pdf/2104.11824.pdf
本文主要研究了ZekEvic（2003）動態(tài)后悔最小化在具有凹形損失的在線學習中的問題。研究發(fā)現(xiàn)，只要允許不恰當（improper）的學習，強自適應在線學習者就會獲得
的動態(tài)后悔，其中，Cn代表學習者未知的任意比較器序列的總變化量（又稱路徑長度）。即使對于已知上限為
的 1D 平方損失，實現(xiàn)這一速率也非常重要的。這項證明技術(shù)巧妙地利用 KKT 條件強加的原始變量和對偶變量的復雜結(jié)構(gòu)，并且可能具有獨立意義。最后將這些結(jié)果應用于局部自適應非參數(shù)回歸的經(jīng)典統(tǒng)計問題，在不需要任何統(tǒng)計假設或超參數(shù)調(diào)整的情況下，獲得了更強大、更靈活的算法。
講座預約丨權(quán)威專家再談AlphaFold 2：AI是否會帶來結(jié)構(gòu)生物學的“大革命”？為了更加深入、系統(tǒng)地討論近期AlphaFold的系列成果，8月7日（本周六 9：30），雷鋒網(wǎng)將舉辦主題為《權(quán)威專家再談AlphaFold2：AI是否會帶來結(jié)構(gòu)生物學的“大革命》的線上圓桌論壇。本次主題論壇由圖像計算與數(shù)字醫(yī)學國際研討會（ISICDM）主辦，雷鋒網(wǎng)、醫(yī)健AI掘金志協(xié)辦。想要提問的讀者可掃描下方海報二維碼，進入專家社群，我們會將您的問題收集、匯總后，反饋給參會嘉賓，并在討論環(huán)節(jié)一一進行解答。
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)特約稿件，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
