|
張立寧 |
|
報(bào)告題目： 深度主動(dòng)學(xué)習(xí)及其在智能制造中的應(yīng)用
個(gè)人簡(jiǎn)介： 張立寧, 博士，現(xiàn)任中國(guó)電子科技集團(tuán)公司電子科學(xué)研究院研究員，博士生導(dǎo)師，國(guó)家級(jí)領(lǐng)軍人才，中國(guó)電子科技集團(tuán)高層次人才。主要研究領(lǐng)域涉及機(jī)器學(xué)習(xí)、機(jī)器視覺(jué)、數(shù)據(jù)挖掘、多媒體內(nèi)容分析、半導(dǎo)體制造、集成電路設(shè)計(jì)、先進(jìn)制造、網(wǎng)絡(luò)信息體系、計(jì)算智能等。分別于2006年和2009年在西安電子科技大學(xué)電子工程學(xué)院獲得工學(xué)學(xué)士和碩士學(xué)位，2013年在新加坡南洋理工大學(xué)電機(jī)與電子工程學(xué)院獲得哲學(xué)博士學(xué)位，曾在英國(guó)倫敦大學(xué)學(xué)院、新加坡國(guó)立大學(xué)、南洋理工大學(xué)、新加坡科技研究局資訊通信研究院等科研院所從事科研工作，主持并參與了英國(guó)工程與自然科學(xué)研究基金EPSRC、新加坡先進(jìn)制造工程基金AME、新加坡國(guó)防部國(guó)防研究基金、新加坡航空發(fā)展研究基金，新加坡生物醫(yī)學(xué)研究基金，美國(guó)泛林半導(dǎo)體公司（Lam Research）創(chuàng)新研究基金，中國(guó)國(guó)家自然科學(xué)基金等項(xiàng)目，相關(guān)成果發(fā)表在IEEE TIP, IEEE CSVT, TEEE Cybernetics, Neurocomputing，Information Sciences, Progress in Natural Science, Journal of Software, ICRA，BMVC，IJCNN，ISCAS, CEC等學(xué)術(shù)期刊和會(huì)議。
摘要： 深度學(xué)習(xí)算法在各種真實(shí)的工業(yè)生產(chǎn)和制造任務(wù)中取得了很好的效果，極大地提高了生產(chǎn)制造的效率。訓(xùn)練一個(gè)穩(wěn)定的深度學(xué)習(xí)模型，通常需要大量具有精確標(biāo)簽的樣本數(shù)據(jù)。然而在真實(shí)的生產(chǎn)和制造過(guò)程中，收集大量具有精確標(biāo)簽的樣本數(shù)據(jù)往往需要投入大量的人力、 時(shí)間和經(jīng)濟(jì)成本，因此小樣本訓(xùn)練數(shù)據(jù)的學(xué)習(xí)算法引起了學(xué)術(shù)界和工業(yè)界的極大關(guān)注。在本次報(bào)告中，我們將介紹一種深度主動(dòng)學(xué)習(xí)算法，這種算法可以通過(guò)選取無(wú)標(biāo)簽數(shù)據(jù)中具有最大信息量的樣本進(jìn)行標(biāo)記，進(jìn)而通過(guò)小規(guī)模數(shù)據(jù)訓(xùn)練穩(wěn)定的深度學(xué)習(xí)模型。通過(guò)真實(shí)生產(chǎn)制造數(shù)據(jù)上的實(shí)驗(yàn)驗(yàn)證了我們的算法可以極大地降低對(duì)有標(biāo)簽數(shù)據(jù)的需求而同時(shí)獲得滿意的結(jié)果，從而極大地降低了生產(chǎn)制造過(guò)程的成本。 |
