今天19:30 | 复旦大学青年副研究员许嘉蓉—《基于图数据的鲁棒机器学习 》

点击蓝字

1dec20ae043db08ef03de577cf1ffbe8.png

关注我们

AI TIME欢迎每一位AI爱好者的加入!

6月7日19:30,本期我们邀请到复旦大学青年副研究员许嘉蓉给大家带来精彩的分享!

656475156ef2520faa21d024f6ea2232.png

哔哩哔哩直播通道

扫码关注AI TIME哔哩哔哩官方账号预约直播

5d8577f30fac3e2fdbd2b20d50e9989c.gif

6月7日 19:30-20:30

3cdac9fe57a74778e4d3b2da7d00a1a7.gif

1a5f7b3c323225a2d429b877eb65b24c.png

许嘉蓉:

博士,复旦大学青年副研究员。2021年毕业于浙江大学控制科学与工程学院。2019年访问加州大学洛杉矶分校,与Yizhou Sun教授合作。主要研究方向包括网络表示学习、社交网络分析、数据挖掘。曾在KDD、NeurIPS 、AAAI、IJCAI、TKDE、TKDD等学术会议和期刊发表论文十余篇。曾担任KDD'20-22等国际学术会议程序委员会委员,TKDE等期刊审稿人。

分享内容:

a8bf04e0670acb22c13740f4105522d5.gif

基于图数据的鲁棒机器学习 

报告简介:

近年来,虽然研究人员在基于图(网络)数据的机器学习模型上已取得长足进展,但由于图数据中节点之间存在复杂的关联性,图模型很容易被图数据中的微小扰动所欺骗。针对图数据中的噪声和恶意攻击带来的潜在威胁,现有工作往往假设攻击者知道目标模型的信息,而防御者知道攻击者要攻击哪个模型,与现实情况有较大差距,难以应用。本次报告从更实际场景出发,探究攻防的“矛”与“盾“。在攻击层面,即使攻击者不知道目标模型的任何信息,依然能够实施有效攻击;在防御层面,只需要训练一个无监督的鲁棒图编码器,就能够有效防范网络对抗攻击在各种下游任务中的风险。

直播结束后大家可以在群内进行提问,请添加“AI TIME小助手(微信号:AITIME_HY)”,回复“AAAI”,将拉您进“AI TIME AAAI 交流群”!

178ddadce094f1aa65bf2201e2db82c0.gif

AI TIME微信小助手

51d8fddabf11b6074cda9b0beb9336eb.png

主       办:AI TIME 

合作媒体:AI 数据派、学术头条

合作伙伴:智谱·AI、中国工程院知领直播、学堂在线、蔻享学术、AMiner、 Ever链动、科研云

往期精彩文章推荐

4896e1db9ae32c0c02eb73483a9e125e.png

记得关注我们呀!每天都有新知识!

 关于AI TIME 

AI TIME源起于2019年,旨在发扬科学思辨精神,邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索,加强思想碰撞,链接全球AI学者、行业专家和爱好者,希望以辩论的形式,探讨人工智能和人类未来之间的矛盾,探索人工智能领域的未来。

迄今为止,AI TIME已经邀请了600多位海内外讲者,举办了逾300场活动,超210万人次观看。

514fd68b5de7a65ca8d7406ad20f67a8.png

我知道你

在看

~

e28964e8f201a73ef05a8b17acd24485.gif

点击 阅读原文 预约直播!

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值