2018年4月30日至5月03日,国际表征学习会议(International Conference on Learning Representations, ICLR 2018)在加拿大温哥华举办。西电媒体实验室博士生张振东(郑喆坤教授指导)参加了此次会议。
ICLR由深度学习领域的知名学者Yoshua Bengio 和 Yann LeCun牵头创办于2013年,现已成为该领域广泛认可的顶级学术会议。事实上,由于数据本身的复杂性(图片,视频,语音,文本等),深入分析与理解这些数据很大程度上取决于能否对其表征空间进行有效建模。因此表征学习近年来在人工智能领域占有重要的地位(深度学习是一种典型的表征学习方法)。此外,ICLR 2018 采用了开放式审稿系统(OpenReview),使得审稿过程更加公开透明,获得了学术界的广泛好评。
此次会议上,媒体实验室博士生张振东作了题为《 Regularization Neural Networks via Constrained Virtual Movement Field 》的海报展示,并在展示期间与国内外学者就相关问题进行了细致的讨论。文中提出了一种新的正则化深度神经网络的方法。文中推导出的正则项能够近似度量神经网络对输入数据的极小程度的几何变换 (例如平移,旋转,缩放等)的敏感性,通过最小化这样的敏感性实现正则化的目的。
通过参加本次国际学术会议,媒体实验室向来自世界各地的参会学者展示了自己的研究成果,并交流了在深度学习与计算机视觉领域的研究心得,切实感受到了学术界同工业界良性互动的趋势。