张立宁

报告题目：

深度主动学习及其在智能制造中的应用

个人简介：

张立宁, 博士，现任中国电子科技集团公司电子科学研究院研究员，博士生导师，国家级领军人才，中国电子科技集团高层次人才。主要研究领域涉及机器学习、机器视觉、数据挖掘、多媒体内容分析、半导体制造、集成电路设计、先进制造、网络信息体系、计算智能等。分别于2006年和2009年在西安电子科技大学电子工程学院获得工学学士和硕士学位，2013年在新加坡南洋理工大学电机与电子工程学院获得哲学博士学位，曾在英国伦敦大学学院、新加坡国立大学、南洋理工大学、新加坡科技研究局资讯通信研究院等科研院所从事科研工作，主持并参与了英国工程与自然科学研究基金EPSRC、新加坡先进制造工程基金AME、新加坡国防部国防研究基金、新加坡航空发展研究基金，新加坡生物医学研究基金，美国泛林半导体公司（Lam Research）创新研究基金，中国国家自然科学基金等项目，相关成果发表在IEEE TIP, IEEE CSVT, TEEE Cybernetics, Neurocomputing，Information Sciences, Progress in Natural Science, Journal of Software, ICRA，BMVC，IJCNN，ISCAS, CEC等学术期刊和会议。

摘要：

深度学习算法在各种真实的工业生产和制造任务中取得了很好的效果，极大地提高了生产制造的效率。训练一个稳定的深度学习模型，通常需要大量具有精确标签的样本数据。然而在真实的生产和制造过程中，收集大量具有精确标签的样本数据往往需要投入大量的人力、 时间和经济成本，因此小样本训练数据的学习算法引起了学术界和工业界的极大关注。在本次报告中，我们将介绍一种深度主动学习算法，这种算法可以通过选取无标签数据中具有最大信息量的样本进行标记，进而通过小规模数据训练稳定的深度学习模型。通过真实生产制造数据上的实验验证了我们的算法可以极大地降低对有标签数据的需求而同时获得满意的结果，从而极大地降低了生产制造过程的成本。