AI大讲堂第21讲：利用解耦表征增强AI可解释性和鲁棒性

报告主题：

利用解耦表征增强AI可解释性和鲁棒性

报告时间：

2024年1月3日

报告地点：

人工智能与计算机学院310会议室

报告摘要：

介绍ControlVAE，一个结合了控制理论和变分自编码器（VAE）的新框架，并展示其在不同应用中的多功能性，如图像生成，文本生成，意识形态学习和交通信号检测。最后，讨论可解释的解耦表征学习的未来方向。

主讲人：

邵华杰，博士，威廉玛丽学院计算机科学专业的终身助理教授。邵博士的研究方向主要集中在可信人工智能，物理引导机器学习和人工智能科学。迄今为止，他已在ICML、ICLR、CVPR、ACL、TPAMI、VLDB、WWW、SIGIR、INFOCOM等顶级会议和期刊上发表论文40余篇。他还获得了SenSys’20和ICCPS’17最佳论文奖，FUSION’19学生论文奖和UbiComp’19杰出论文奖。