计算未来轻沙龙 | 对抗攻击、强化学习，你关心的都在这里！
Hi，大家好~
臨近期末，本學期的活動也迎來了最后一期
機器學習前沿研討會
提到機器學習，你是否想起了
對抗攻擊、強化學習、集成學習、表示學習
這么多細分的方向和領域？
想廣泛涉獵卻精力有限？
聆聽大佬們的最新成果
或許是快速了解的最佳渠道
想去頂會聽大佬們的論文匯報？
蒙特利爾、埃塞俄比亞太遠
FIT樓也是個不錯的選擇
本期“計算未來輕沙龍”?
我們集結邀請了來自曠視科技
和清華大學計算機系的各位大佬?
為大家奉上一場機器學習前沿研討會?
部分匯報論文來自NeurIPS 2019、ICLR 2020?
等機器學習頂會?
并入選Spotlight論文
?岑宇闊 / 清華大學計算機系博士生?
?李永波 / 曠視研究院Video組?
李永波，2018年博士畢業于西安電子科技大學。研究領域包括圖像視頻處理、目標檢測識別等，已發表多篇頂級國際會議和期刊。目前參與曠視科技視頻結構化算法、人臉檢測與識別算法的研究和開發，致力于人工智能算法在安防場景中的應用和提升。曠視科技2018年度最佳團隊（MegTeam）成員。
?Object Detection：從算法到實用?
物體檢測是計算機視覺領域的經典問題。目前物體檢測的整體框架已經比較成熟，但從算法到實際商用之間還存在很多挑戰。這次分享將結合曠視在物體檢測問題上的探索，從數據到算法再到應用分別展開，詳細介紹新想法是如何誕生，并演變成為有意思的實用新技術。
?
?龐天宇 / 清華大學計算機系博士生?
龐天宇，清華大學計算機系直博三年級，導師為朱軍教授。主要研究方向為提升深度學習模型的魯棒性與可靠性。目前在ICML、NeurIPS、ICLR、CVPR上共發表9篇文章，其中有5篇為一作/共同一作。曾獲國家獎學金、英偉達學術先鋒獎。
?深度學習中的對抗魯棒性研究?
盡管深度學習模型在各類任務上達到了很高的準確率，但是幾乎所有標準的深度學習模型都存在對抗魯棒性缺陷。這種缺陷導致了潛在的安全風險。本報告主要圍繞如何提高模型魯棒性展開介紹討論。
?
?程書宇 / 清華大學計算機系博士生?
程書宇，清華大學計算機系二年級博士生，導師為朱軍教授。
?Improving Black-box Adversarial Attacks with a Transfer-based Prior?
在對抗攻擊任務中，我們考慮黑盒的設定，即攻擊者不能完整訪問到目標模型的架構和參數信息，故無法直接得到模型的輸出關于輸入的梯度。估計梯度的已有方法包括基于遷移的攻擊和基于查詢的攻擊。為了提高梯度估計的質量，我們將遷移梯度作為先驗引入基于查詢的攻擊，并通過理論推導得出最優的參數。新方法減少了攻擊成功需要的查詢數量。
?
?李佳維 / 清華大學計算機系博士生?
李佳維，清華大學計算機系博士生，先后在香港理工大學、騰訊公司等機構參加深度學習及計算機視覺算法的研究，現在在騰訊公司AI LAB視覺組實習，參與虛擬人項目的研發。
?Ensemble Deep Learning?
在本次報告中，首先會介紹一個集成深度學習的框架。然后再分別介紹采樣技術、模型訓練技術、以及聚合方法，最后分享集成深度學習領域的一些最新進展、及實際的應用效果。
?
?李麗姍 / 清華大學計算機系博士生?
李麗姍，清華大學計算機系博士生在讀，主要研究方向為機器學習在計算機網絡中的應用。目前在Globecom以及ACML等會議上發表多篇文章。
?在POI推薦任務中的多模式表示學習方法?
對于基于位置信息的社交網絡而言，POI推薦是非常重要的研究問題。本報告介紹一種多模式表示學習方法，能夠統一刻畫POI的特征信息以及用戶偏好。
?
?吳棟賢 / 清華大學計算機系博士生?
吳棟賢，清華大學計算機系四年級直博生，導師為夏樹濤教授。
?關于殘差網絡 (ResNet) 中跳線 (skip connection) 的安全思考?
跳線 (Skip Connections) 是當前主流神經網絡中的重要組成部分，例如ResNet、DenseNet。雖然在模型設計上，跳線取得了巨大的成功，但它同時給模型安全帶來了隱憂。我們發現，通過簡單控制反向傳播中流經跳線和卷積層的梯度流，可以顯著提升對抗樣本的遷移性，從而實現更有效的黑盒攻擊。這項研究展現了由模型結構引發的安全問題，對模型結構的設計提出了挑戰。同期論文已被錄用為 ICLR 2020 的 spotlight。
?
?楊超 / 清華大學計算機系博士生?
楊超，現為清華大學計算機系普博二年級學生，導師是孫富春教授，本系2018級碩士畢業生，主要研究方向強化學習，模仿學習以及在機器人上的應用。目前發表NeurIPS，AAAI，ICRA等會議/期刊4篇，擔任ICRA2018-2020，IROS2017-2019，T-ASE 2019學術審稿人，2019年11月參加IROS2019機器人抓取與操作國際競賽獲得冠軍。
?基于觀測模仿的機器人學習方法?
本次報告主要介紹報告人2019年被NeurIPS錄取的一篇論文《Imitation Learning from Observations by Minimizing Inverse Dynamics Disagreement》，這是國內單位在強化學習/模仿學習領域被該會議錄取的唯一一篇亮點論文（Spotlight）。
報名時間：即日起至 12?月 28?日 24:00
活動時間：12?月 29?日（本周日）14:00 - 17:00
清華大學信息科學技術大樓（FIT樓）二層多功能報告廳，?請從 FIT 樓西門進入?
?1 / 報名方式?
長按識別二維碼，馬上搶占名額！
?2 / 活動名額?
1.?因場地有限，本次活動僅接受?120 位?用戶憑電子門票二維碼入場；
2.?活動采取審核制報名，我們將根據用戶研究方向與當期主題的契合度進行篩選，通過審核的用戶將收到包含電子門票二維碼的短信通知；
3. 如您無法按時到場參與活動，請于活動開始前 24 小時在 PaperWeekly 微信公眾號后臺留言告知，留言格式為?放棄報名 + 報名電話?；無故缺席者，將不再享有后續活動的報名資格。
PaperWeekly
清華大學計算機科學與技術系
????
現在，在「知乎」也能找到我們了
進入知乎首頁搜索「PaperWeekly」
點擊「關注」訂閱我們的專欄吧
關于PaperWeekly
PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。
▽ 點擊 |?閱讀原文?| 立刻報名
總結
以上是生活随笔為你收集整理的计算未来轻沙龙 | 对抗攻击、强化学习，你关心的都在这里！的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 新加坡科技设计大学（SUTD）招收计算机
- 下一篇： 偶像剪辑，一键获取：多模态联合建模的视频