报告题目：数据结构引导的自监督学习方法

报告人：孟华 西南交通大学

报告时间：12月16日星期一下午16:00

报告地点：成龙校区办公楼125会议室 

报告简介：发现和利用数据的结构信息，有利于提升机器学习算法的性能并降低过拟合的风险。本报告介绍从几何和拓扑的视角自监督的挖掘数据结构信息，并依据这些信息提升算法的学习性能。一方面介绍利用持续同调技术（Persistent Homology）发现数据的隐藏结构，然后以隐藏结构作为先验知识对智能模型的训练进行引导，为带标签噪声的数据、投毒的数据上的机器学习任务提供了一种新的正则化方法；另一方面介绍如何通过对局部几何结构的挖掘，构建数据粗粒度的表征，进而给出耦合了宏观视角的数据治理和聚类的策略。 

个人简介：西南交通大学数学学院副教授，研究生导师，数据科学系主任；在四川大学获基础数学博士学位，曾访学悉尼科技大学量子计算与计算智能实验室任访问学者。主要研究领域为拓扑数据分析、深度学习及其在网电空间中的应用；研究方向包括数据的特征提取与降维、拓扑数据分析与持续同调理论、深度学习可解释性研究。已发表科研论文40余篇包括AAAI、IEEE Transactions on Pattern Analysis and Machine Intelligence、IEEE Transactions on Cybernetics、Pattern Recognition等人工智能领域顶级会议和期刊。