报告题目：迁移学习的最优传输方法

报告时间：2024年4月23日15:30--16:30

报告地点：龙洞校区行政楼610

报 告 人：任传贤教授 中山大学

摘要：随着人工智能技术和信息技术的快速发展，视觉数据呈现出多源、高维、大规模的特点，导致数据普遍呈现出严重的概率分布偏移问题，引发了对于变化环境下模型的自适应学习与优化需求。得益于数学理论基础与几何直观解释方面的优良性质，最优传输理论及其方法在自适应学习领域已得到广泛关注并取得初步成功。本次报告将聚焦于最优传输方法在实际复杂场景中的局限性（如局部结构刻画、标签空间异构等难题），汇报复杂分布偏移理论下的最优传输方法与其在视觉自适应表征学习上的应用。

报告人简介：任传贤，中山大学数学学院教授、副院长，科学计算与计算机应用系主任，广东省（广州）工业与应用数学学会副理事长兼秘书长，中国计算机学会计算机视觉专委会副秘书长。长期关注高维、异质视觉数据的特征表达与学习算法，在多尺度判别分析、稀疏表示与正则化方法、深度自适应特征表达等方面开展了较为系统的研究。主持和参加多项国家自然科学基金项目，在国际重要学术期刊IEEE TPAMI, TIP, TNNLS, TMI, TCYB以及重要学术会议CVPR、AAAI等发表论文五十余篇，获得2015年度教育部自然科学研究优秀成果二等奖和2022年度中国图象图形学学会自然科学二等奖。