桑基韬
北京交通大学计算机科学系教授
个人介绍:
桑基韬 教授,博士生导师,北京交通大学计算机科学系副主任。曾获ACM中国新星奖、中科院院长特别奖、中科院百篇优博等。现任中国计算机学会多媒体专委会副秘书长、人工智能与模式识别专委会委员(秘书处成员)、SIGMM中国执委会委员等。主要研究方向为多媒体计算、网络数据挖掘等。已出版Springer英文专著一部,发表论文70余篇,其中包括会议获奖论文7篇(CCF-A类2篇)、IEEE/ACM汇刊近30余篇(第一作者10+篇)。担任SCI期刊Neurocomputing和KSII TIIS编委,国际多媒体会议ACM Multimedia 2018和国际模式识别会议ICPR 2018领域主席,曾担任国际会议PCM2015(CCF-C类)和ICIMCS2015(SIGMM China旗舰会议)程序委员会主席。主持多项国家级课题,担任国家自然科学基金重点项目负责人,获2016年北京市科学技术奖(基础研究类,排名第二)。
议题:
深度学习解释性:从“能”到“不能”
议题介绍:
随着深度学习的研究深入和应用拓展,学术界从探索深度学习“能”做什么,发展到思考深度学习“不能”做什么。此次报告首先介绍深度学习“不能”做什么,以及与深度学习解释性三个层次的关联;然后介绍深度学习解释性的研究现状和一些初步思考,探讨从三个层次改善深度学习解释性的可能思路。