报告题目：跨物种模式分析
报 告 人：赫然研究员（中国科学院自动化研究所）
报告时间：2017年12月11日（周一）上午9：40
报告地点：安徽大学磬苑校区行知楼负一楼学术报告厅
主办单位：计算机科学与技术学院
欢迎各位老师、同学届时前往！
科学技术处
2017年12月7日
报告摘要：
跨物种模式分析主要依托不同物种脑网络的实验数据和脑机制的分析结果，结合前沿机器学习方法，研究通用学习理论和方法。一方面，通过分析不同物种大脑视觉机制的异同，研究泛在智能和通用机制的形式化定义，提高机器学习算法对复杂和病态视觉问题的鲁棒性；另一方面，把机器学习方法引入到多物种脑网络分析中，通过智能分析对比不同物种脑网络对疾病的响应，提高人类脑疾病的诊断精度。本报告将在机器学习方法综述基础上，对我们近期开展的跨物种模式分析理论和方法开展研究，具体报告内容包括基于视觉全局感知的对抗生成网络和跨物种脑网络迁移学习。
报告人简介：
赫然，博士，中国科学院自动化研究所模式识别国家重点实验室，研究员，中国科学院脑科学与智能技术卓越创新中心年轻骨干。2001年于大连理工大学获计算机科学学士；2004年于大连理工大学获计算机软件理论与应用硕士；2009年于中国科学院自动化研究所，获模式识别与智能系统工学博士。2010年至今，在模式识别国家重点实验室任助理研究员、副研究员、项目研究员、研究员；中国科学院大学模式识别教研室副主任。赫然博士一直从事模式识别应用基础理论研究，主要围绕一簇共轭函数及其衍生形式，开展噪声建模、稀疏学习和深度学习研究，并应用到生物特征识别和智能视频监控，在面智慧城市监管需求的系统平台上取得成功应用，取得显著经济效益。近期主要聚焦在深度生成学习以及人猴脑数据迁移学习中遇到的瓶颈问题，展开跨物种模式分析基础理论研究。在IEEE TPAMI、TIP、TIFS、TNNLS、TKDE、TBD、TSMCS等权威国际期刊以及NIPS、ICCV、CVPR、IJCAI、AAAI、SIGIR、ACM MM等权威国际会议发表论文120篇，研究工作获得国家自然科学基金优秀青年科学基金资助。