講座報(bào)告主題：多分布魯棒優(yōu)化
專(zhuān)家姓名：張利軍
日期：2025-05-24 時(shí)間：09:45
地點(diǎn)：會(huì)議中心第一報(bào)告廳
主辦單位：計(jì)算機(jī)科學(xué)與通信工程學(xué)院
主講簡(jiǎn)介：張利軍，南京大學(xué)人工智能學(xué)院教授。在CCF-A類(lèi)期刊和會(huì)議上發(fā)表論文120余篇。目前擔(dān)任著名國(guó)際期刊Machine Learning、TMLR的執(zhí)行編委，多次擔(dān)任ICML、NeurIPS、ICLR等頂級(jí)會(huì)議的領(lǐng)域主席。主持基金委聯(lián)合重點(diǎn)項(xiàng)目，新一代人工智能?chē)?guó)家科技重大專(zhuān)項(xiàng)的課題等。曾獲首屆達(dá)摩院青橙獎(jiǎng)、中國(guó)科協(xié)青年人才托舉工程等榮譽(yù)。研究專(zhuān)長(zhǎng)：主要研究大規(guī)模機(jī)器學(xué)習(xí)與優(yōu)化。
主講內(nèi)容簡(jiǎn)介：傳統(tǒng)的機(jī)器學(xué)習(xí)假設(shè)訓(xùn)練和測(cè)試數(shù)據(jù)服從同一分布，然而現(xiàn)實(shí)應(yīng)用中廣泛存在分布偏移，導(dǎo)致學(xué)習(xí)模型性能下降。為了提升模型的魯棒性，學(xué)術(shù)界提出了多分布魯棒優(yōu)化（GDRO），旨在最小化多個(gè)分布上的最大風(fēng)險(xiǎn)。本次報(bào)告將回顧GDRO的研究現(xiàn)狀，并介紹我們近期在該方向的研究成果。首先，我們分別通過(guò)隨機(jī)鏡像下降、非遺忘在線(xiàn)學(xué)習(xí)，提出了兩種具有最優(yōu)樣本復(fù)雜度的隨機(jī)優(yōu)化算法；然后，我們將GDRO拓展到非平衡數(shù)據(jù)、異質(zhì)分布兩種場(chǎng)景。
歡迎師生參加！
