最新消息，華人學(xué)者、加州大學(xué)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(xué)生論文獎(jiǎng)。COLT 2021（Conference on Learning Theory ）是機(jī)器學(xué)習(xí)領(lǐng)域的主流學(xué)術(shù)會(huì)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(shí)會(huì)議將分為兩個(gè)階段采取虛擬和混合兩種模式進(jìn)行。本次會(huì)議以機(jī)器學(xué)習(xí)理論研究為主題，涉及人工神經(jīng)網(wǎng)絡(luò)理論、深度學(xué)習(xí)、算法的設(shè)計(jì)與分析、統(tǒng)計(jì)和計(jì)算復(fù)雜度、優(yōu)化算法以及經(jīng)驗(yàn)現(xiàn)象的理論解釋等研究方向，設(shè)置了最佳論文和最佳學(xué)生論文兩個(gè)獎(jiǎng)項(xiàng)。王宇翔（Yu-Xiang Wang）是加州大學(xué)圣巴巴拉分校（UCSB）計(jì)算機(jī)科學(xué)系助理教授，機(jī)器學(xué)習(xí)聯(lián)合實(shí)驗(yàn)室負(fù)責(zé)人。在加入 UCSB 之前，曾在加州帕洛阿爾托Amazon AI 實(shí)驗(yàn)室擔(dān)任科學(xué)家（2017-2018年）。他博士就讀于卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)科學(xué)學(xué)院（CMU），于2017年獲得機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)雙學(xué)位，期間接受過Stephen Fienberg、Alex Smola、Ryan Tibshirani和Jing Lei等專家的聯(lián)合指導(dǎo)。本科和研究生在新加坡國(guó)立大學(xué)主修電氣工程專業(yè)，于2011和2013獲得學(xué)士和碩士學(xué)位。他的研究興趣包括機(jī)器學(xué)習(xí)、統(tǒng)計(jì)及優(yōu)化，主要側(cè)重統(tǒng)計(jì)理論和方法、差異隱私、大規(guī)模機(jī)器學(xué)習(xí)、強(qiáng)化學(xué)習(xí)和深度學(xué)習(xí)等方向，已在ICML、NeurIPS、CVPR等頂會(huì)發(fā)表了多篇相關(guān)研究論文。具體而言，其工作重點(diǎn)涉及各種具有挑戰(zhàn)性的學(xué)習(xí)機(jī)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(luò)結(jié)構(gòu)），資源平衡（模型復(fù)雜性、統(tǒng)計(jì)能力和隱私預(yù)算）以及各種可擴(kuò)展的優(yōu)化工具等。 此外，他還對(duì)統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)的應(yīng)用感興趣，例如在清潔能源、醫(yī)療保健、住房、金融市場(chǎng)、網(wǎng)絡(luò)服務(wù)等方面的應(yīng)用。他認(rèn)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(shí)現(xiàn)智能預(yù)測(cè)（監(jiān)督學(xué)習(xí)），量化不確定性（統(tǒng)計(jì)推斷），設(shè)計(jì)實(shí)驗(yàn)（主動(dòng)學(xué)習(xí)/強(qiáng)化），以及推斷長(zhǎng)期決策（強(qiáng)化學(xué)習(xí)）等。個(gè)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(dòng)態(tài)后悔最小化在具有凹形損失的在線學(xué)習(xí)中的問題。研究發(fā)現(xiàn)，只要允許不恰當(dāng)（improper）的學(xué)習(xí)，強(qiáng)自適應(yīng)在線學(xué)習(xí)者就會(huì)獲得
的動(dòng)態(tài)后悔，其中，Cn代表學(xué)習(xí)者未知的任意比較器序列的總變化量（又稱路徑長(zhǎng)度）。即使對(duì)于已知上限為
的 1D 平方損失，實(shí)現(xiàn)這一速率也非常重要的。這項(xiàng)證明技術(shù)巧妙地利用 KKT 條件強(qiáng)加的原始變量和對(duì)偶變量的復(fù)雜結(jié)構(gòu)，并且可能具有獨(dú)立意義。最后將這些結(jié)果應(yīng)用于局部自適應(yīng)非參數(shù)回歸的經(jīng)典統(tǒng)計(jì)問題，在不需要任何統(tǒng)計(jì)假設(shè)或超參數(shù)調(diào)整的情況下，獲得了更強(qiáng)大、更靈活的算法。
講座預(yù)約丨權(quán)威專家再談AlphaFold 2：AI是否會(huì)帶來結(jié)構(gòu)生物學(xué)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(huì)帶來結(jié)構(gòu)生物學(xué)的“大革命》的線上圓桌論壇。本次主題論壇由圖像計(jì)算與數(shù)字醫(yī)學(xué)國(guó)際研討會(huì)（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(bào)二維碼，進(jìn)入專家社群，我們會(huì)將您的問題收集、匯總后，反饋給參會(huì)嘉賓，并在討論環(huán)節(jié)一一進(jìn)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。
