我们非常荣幸请到微软亚洲研究院的霍强老师来为我们MSRA-USTC联合培养班带来第三场前沿讲座。首先简单介绍下霍老师,霍强老师是科大826的大牛级人物,87年本科毕业获得郭沫若奖学金,此后两年在浙大读硕士,随后又回到母校参加科大—港大联合培养项目,攻读博士学位。霍老师在港大读博期间,在MCE(最小分类误差训练)方向做出了重要成果,博士论文被MIT一教授赞誉为这是他看过的最好的关于MCE方向的博士论文。博士毕业后,霍老师被邀请到日本京都ATR音声翻译通信研究所工作(ATR被誉为日本的Bell实验室),他95—97年在ATR工作三年后,于98年被邀请回港大任教,07年加入MSRA,被聘为Lead Researcher.
霍老师研究领域广泛,在语音识别,手写识别,光学字符识别(OCR),基于生物信息的身份识别,基于数字信号和图像处理的硬件设计等方向的研究上都做出了重大贡献。
然后简单介绍一下什么是MCE,MCE的全称为 Minimum Classification Error 即最小分类误差,那么这个东西到底有什么用呢?我们知道机器的识别是一个应用非常广泛的领域,现在比较热门的有人脸识别,指纹识别,手势识别,语音识别等,这些技术也用到了现实社会中,例如很多电脑都有人脸识别的功能,然而我们会担心它的识别能力,担心某天电脑万一识别不出主人打不开,或者把一个长得有些像的陌生人错误的识别成了主人而导致信息泄露都是很可怕的事情。所以我们都很期望机器的识别误差越小越好,这就导致了一门学问的诞生:MCE(最小分类误差)。
这次霍老师演讲的主题是他读博士时所从事的MCE方向的研究,下面我分三个部分来和大家分享霍老师的讲座。
一,MCE背景:
这个研究方向始于60年代末期日本人Amari 和俄国人Tsypkin 的天才工作,两人分别发表论文阐述了MCE的基本思想,到了90年代,B.-H. Juang 和S. Katagiri 做了很多研究使这门学科得到了极大的发展。
下面介绍一下,B.-H. Juang 和S. Katagiri提出的MCE公式:
I,定义一个判别函数:
II,另外定义错误分类量
最后霍老师结合他的求学和工作经验,鼓励大家要找到自己的passion,并为之奋斗,须知幸运总是会垂青给那些有准备的人的。
(附图:霍老师的讲座异常火爆)