直播预告 | NeurIPS 专场六 & 青年科学家专场

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

01

预告一：NeurIPS 2021专场六

3月9日下午2点，本期AI TIME NeurIPS邀请了来自加州大学尔湾分校、加州大学伯克利分校、广东工业大学、美国卡内基梅隆大学、美国东北大学、罗切斯特理工machine learning & data intensive computing lab 、新加坡国立大学以及香港中文大学的博士们开启NeurIPS专场六！

哔哩哔哩直播通道

扫码关注AITIME哔哩哔哩官方账号预约直播

★ 嘉宾简介 ★

李傲冬：

加州大学尔湾分校计算机科学系的在读博士生，导师是Stephan Mandt教授。他的研究兴趣包括概率模型、贝叶斯（在线）学习和奇异值检测。

（个人主页：https://aodongli.github.io/）

分享内容：数据分布漂移和贝叶斯在线学习

在线学习中通常会存在以未知速率和未知强度发生的数据分布变化。这样的分布变化通常会使已有模型变得过时。我们提出一种新的贝叶斯在线推理方法：通过融合变点检测、切换动态系统和贝叶斯在线学习，我们在推断数据变点的同时，使模型自动适应检测到的变化。我们使用二元“变化变量”来指示当前数据相比过去是否发生了变化，这样，如果检测到变化，模型会调整并删除过去的信息，为适应新的数据分布提供模型容量。此外，该方法使用集束搜索来跟踪多个变点假设，并在证据充分时选择最可能的一个。我们提出的方法不依赖于模型、有监督学习或无监督学习，并适用于概念漂移或协变量漂移的环境。相较于最先进的贝叶斯在线学习方法，我们的方法有更好的实验效果。

唐琛：

加州大学伯克利分校机械工程系的在读博士生，师从Masayoshi Tomizuka教授。他的研究方向包括轨迹预测，强化学习，运动规划和控制以及在自动驾驶和机器人中的应用。他的研究兴趣主要在于如何提高基于机器学习的智能系统的鲁棒性和可解释性。（主页：https://chentangmark.github.io）

分享内容：探究VAE在轨迹预测中的“交互性后验失效“现象

对行人和车辆的行为建模并预测他们的未来轨迹对于自动驾驶车辆的安全运行至关重要。VAE被广泛的应用于包括交通场景在内的多智能体交互系统的建