团队编号:10256
工作单位:南京大学
单位类型:985系统院所、211系统院所
研究方向:本团队近五年来关注机器学习领域以下核心关键问题:
(1)学件:计算机有“硬件”、“软件”,周志华教授在2016年提出,未来可能会出现“学件”。在学件范式下,大量机器学习关键问题得到系统性解决,例如无需大量训练数据即可获得专家级性能、避免灾难性遗忘、解决数据隐私阻碍经验分享的问题等。
(2)面向开放环境的机器学习:传统机器学习研究通常面向封闭静态的环境,然而在现实中,数据往往在开放环境下收集,学习要素可能发生改变。针对开放环境中数据分布、标记类别、属性空间等学习要素发生改变的场景,建立其理论基础,设计相应的方法,为前沿领域提供支撑。
(3)流数据机器学习:传统机器学习通常假设数据批量收集完全,再进行模型训练,而流数据具有“数据流量激增、环境要素变化、学习资源受限”等特性,导致传统批量学习模式难以在有限时间内吞吐所有数据,无法实时响应。研究为流数据分析提供理论支撑,发展相应技术体系。
数据知识双驱动的机器学习:对于可信可解释要求高的领域,机器学习受到严重制约。而知识驱动的逻辑推理善于利用规则知识,具有可信可解释保障。而二者之间存在巨大鸿沟。团队提出“反绎学习”范式,有效融合机器学习与逻辑推理、使二者能够协同工作。
服务产业领域:
电子信息
参加活动:
第二届江苏产学研合作对接大会