NeurIPS 2023 预讲会第三场:数据投毒、分布外泛化等14个干货报告 |11月2日直播预告...

10点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

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

2023年11月2日

10:00-12:00  14:00-16:40

10:00——12:00

谢斌辉

北京理工大学计算机学院在读博士，研究兴趣集中迁移学习、数据高效学习和多模态学习,个人主页 https://binhuixie.github.io

报告题目

Annotator: A Generic Active Learning Baseline for LiDAR Semantic 

Segmentation

汪文潇

马里兰大学博士生,个人主页 https://wangwenxiao.github.io

报告题目

Temporal Robustness against Data poisoning:从时间看对数据投毒的健壮性

曲麟昊

复旦大学数字医学研究中心博士生，研究方向为AI计算病理学、医学图像处理、信息融合和数据挖掘等,个人主页 linhao-qu.github.io

报告题目

AI语言病理学家的崛起：探索双层提示学习用于少样本弱监督全切片病理图像分类

Junfeng Guo  国珺峰

马里兰大学 研究员，研究方向为可信机器学习，人工智能安全，Out-of-Distribution detection, etc.

Paper & Code Link: https://neurips.cc/virtual/2023/poster/71773 

知乎 Link: https://zhuanlan.zhihu.com/p/659553493

报告题目

Domain Watermark: Effective and Harmless Dataset Copyright Protection isClosed at Hand

付靖文

西安交通大学和微软亚洲研究院联合培养博士生(直博三年级)，主要研究方向为学习理论

报告题目

Learning Trajectories are generalization indicators

向臻

伊利诺伊大学香槟分校Secure Learning Lab博士后，主要研究方向为可信赖人工智能及其相关应用

报告题目

CBD: A Certified Backdoor Detector Based on Local Dominant Probability

14:00——16:40

隋勇铎

中国科学技术大学博士生，研究方向为图神经网络和分布外泛化,个人主页 linhao-qu.github.io/

报告题目

Unleashing the Power of Graph Data Augmentation on Covariate Distribution Shift

方俊峰

中国科学技术大学博士生,，研究方向为可信深度学习，AI4science

报告题目

如何对抗可解释算法中的OOD（分布外泛化）问题

黄伟

RIKEN AIP博士后研究员，研究方向为深度学习理论,个人主页 https://weihuang05.github.io/

报告题目

Towards Understanding Feature Learning in Out-of-Distribution Generalization

朱嘉宁

香港浸会大学计算机系博士生，研究方向为可信机器学习和对抗机器学习,个人主页 https://zfancy.github.io/

报告题目

Diversified Outlier Exposure for Out-of-Distribution Detection via Informative Extrapolation

樊子卿

上海交通大学博士生，研究方向为联邦学习

报告题目

Federated Learning with Bilateral Curation for Partially Class-Disjoint Data

杨正一

中国科学技术大学博士研究生，研究方向为推荐系统，生成模型

报告题目

Generate What You Prefer: Reshaping Sequential Recommendation via Guided Diffusion

林学渊

北京邮电大学硕士，研究方向为知识图谱表示学习与推理、时序图、图神经网络,个人主页 LinXueyuanStdio（兮尘）（github.com）

报告题目

TFLEX：时序知识图谱上的时序复杂逻辑推理

葛志金

西安电子科技大学硕士研究生，研究方向为可信机器学习，对抗样本方向

报告题目

Boosting Adversarial Transferability by Achieving Flat Local Maxima

添加“AI TIME小助手（微信号：AITIME_HY）”，回复“NeurlPS”，将拉您进“AI TIME NeurlPS 交流群”！

AI TIME微信小助手

往期精彩文章推荐

关注我们 记得星标

 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1400多位海内外讲者，举办了逾600场活动，超600万人次观看。

我知道你

在看

哦

~

点击 阅读原文 预约直播！