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。