报告题目：神经网络架构理论与应用的结合

报告时间：2023年5月24日10:00

报告地点：计算机学院B404

报告人：陈武阳

报告人国籍：中国

报告人单位：Simon Fraser University

报告人简介：陈武阳博士将于2024年秋季加入Simon Fraser University计算机系担任助理教授。2023-2024年，陈武阳博士将加入UC Berkeley统计系作为博士后。陈武阳本科毕业于中国科学技术大学，并于2023年获得美国德州大学奥斯汀分校电子计算机工程系的博士学位。陈武阳博士的工作发表于各大顶会期刊 (NeurIPS, ICML, ICLR, JMLR, CVPR, ICCV, ECCV),他的研究成果在2022年被美国国家科学基金会 (National Science Foundation, NSF)的网站新闻报道。

报告摘要：深度神经网络极大地推动了机器学习的成功。在过去的十年中，包括CNN,Transfomer在内的深层和有复杂连接的网络架构不断被设计出来，并在计算机视觉和自然语言等任务上得到广泛和有效地应用。然而，随着模型变得越来越大和复杂，深度学习的理论与应用之间的差距也在不断扩大。这次报告将围绕这一问题展开，试图弥补这一差距。通过对神经网络的训练、复杂度、泛化性能的理论和实验分析，我们可以为网络架构的设计做准确和高效的指导：借助我们的理论指导，我们不需要训练深度神经网络就可以显著加速网络结构搜索。在没有任何训练(梯度下降)成本的情况下，我们的方法 (“TE-NAS”)在GPU上仅耗时4个小时就可以自动设计ImageNet数据集上新颖且准确的网络架构。将来，我们将进一步利用深度学习理论对训练神经网络的数据和优化过程进行指导和预测。本报告也将简单介绍Simon Fraser University和加拿大温哥华。

报告结束后会分享在Simon Fraser University博士招生计划。

报告题目：Responsible Machine Learning and Machine Learning for Science

报告时间：2023年5月24日上午11:00

报告地点：计算机学院B404 + 线上（#腾讯会议：764-785-967）

报告人：陈天龙

报告人国籍：中国

报告人单位：北卡罗来纳大学教堂山分校

报告人简介：陈天龙博士 (https://tianlong-chen.github.io/) 将于 2024 年秋季加入北卡罗来纳大学教堂山分校计算机系担任助理教授。在这之前 (2023 - 2024)，他会加入麻省理工和哈佛大学担任博士后研究员。陈天龙博士分别于 2023 年和 2017 年获得了德州大学奥斯汀分校电子&计算机工程的博士学位，和中国科学技术大学 (少年班学院) 的应用数学和计算机双学士学位。他的主要研究方向是建立准确、可靠和高效的机器学习系统。他近期的研究方向主要聚焦于：(1) 重要的机器学习问题，包括稀疏神经网络、鲁棒性、可学习的优化算法、图网络和扩散模型；(2) 交叉学科的科学难题，比如生物工程、疫苗药物研发和量子计算。陈天龙博士曾先后获得了 Adobe 博士奖学金、IBM 博士奖学金、UT Austin 研究生院长奖学金和 LoG’22 最佳论文。陈天龙博士曾于各大顶会顶刊发表论文，包括 NeurIPS, ICML, ICLR, JMLR, CVPR, ICCV, ECCV, AAAI, TAPMI 等。

报告摘要：本报告分三部分：(一) 如何建立高效和可靠的机器学习系统；(二) 如何设计机器学习算法来解决科学问题，比如：药物开发和量子计算；(三) 对北卡罗来纳大学教堂山分校的简单分享。报告结束后分享北卡罗来纳大学教堂山分校的博士招生计划。

邀请人：叶茫