活 動(dòng) 背 景
神經(jīng)網(wǎng)絡(luò)可解釋性基礎(chǔ)理論研究中存在兩大瓶頸性的問題:
1、在技術(shù)層面打通“神經(jīng)網(wǎng)絡(luò)特征”與“知識表征”之間的關(guān)聯(lián);
2、在技術(shù)層面打通“神經(jīng)網(wǎng)絡(luò)性能”與“知識表征”之間的關(guān)聯(lián)。
上述兩個(gè)基礎(chǔ)理論研究問題是可解釋性領(lǐng)域的根本性的問題,基本屬于理論空白。前人研究往往從可視化中層特征或?qū)斎雴卧M(jìn)行重要性歸因的角度來解釋神經(jīng)網(wǎng)絡(luò)的特征所建模的知識表征。但是,尚無研究從知識表征的層面對神經(jīng)網(wǎng)絡(luò)中層特征進(jìn)行拆分與解構(gòu),來確切地建立起每個(gè)特征分量與知識表征之間的關(guān)聯(lián)。另一方面,學(xué)界尚無研究對神經(jīng)網(wǎng)絡(luò)的特征的性能給出嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)定義與分析。前人研究往往基于分類準(zhǔn)確率等性能指標(biāo)來評測神經(jīng)網(wǎng)絡(luò)。然而像準(zhǔn)確率這樣單個(gè)標(biāo)量的性能指標(biāo)無法充分反映整個(gè)復(fù)雜模型內(nèi)部表征的性能的多樣性,只能對復(fù)雜模型的全局表征進(jìn)行籠統(tǒng)的評價(jià),無法解釋神經(jīng)網(wǎng)絡(luò)在每個(gè)輸入樣本上(或輸入樣本的每個(gè)單元上)的表達(dá)能力的內(nèi)在原因。
對此,報(bào)告人獨(dú)辟蹊徑,從無到有,打通了“神經(jīng)網(wǎng)絡(luò)特征”與“知識表征”之間的關(guān)聯(lián),以及“神經(jīng)網(wǎng)絡(luò)性能”與“知識表征”之間的關(guān)聯(lián),填補(bǔ)了理論空白。
活 動(dòng) 詳 情

講 師 介 紹
/
沈 雯
/
于2022年獲得同濟(jì)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)博士學(xué)位,目前在上海交通大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系做博士后研究員,受張拳石老師指導(dǎo)。沈雯的研究方向主要為計(jì)算機(jī)視覺、可解釋理論等,她以第一作者(或和博士導(dǎo)師共同一作)的身份發(fā)表了3篇CCF-A類論文和1篇計(jì)算機(jī)視覺會議ECCV。沈雯的研究突破了常規(guī)的可解釋性研究的思路,即可視化中層表征或輸入單元重要性歸因,開創(chuàng)性地提出在技術(shù)層面打通“神經(jīng)網(wǎng)絡(luò)特征”與“知識表征”之間的關(guān)聯(lián),以及打通“神經(jīng)網(wǎng)絡(luò)性能”與“知識表征”之間的關(guān)聯(lián)。這兩個(gè)科學(xué)問題鮮少有研究者關(guān)注,尚屬理論空白。她圍繞上述兩個(gè)科學(xué)問題做出的研究成果,受到了廣泛的關(guān)注和國際影響。其中,基于面向卷積神經(jīng)網(wǎng)絡(luò)模型的可解釋性研究,她于2021年受邀承擔(dān)人工智能領(lǐng)域頂級出版物IJCAI的神經(jīng)網(wǎng)絡(luò)可解釋性方向的Tutorial。該出版物的Tutorial是頂級學(xué)者的舞臺,受邀承擔(dān)該出版物的Tutorial代表了國際社會對頂級學(xué)者的認(rèn)可。此外,沈雯是機(jī)器學(xué)習(xí)頂級會議NeurIPS、ICML等的審稿人。



滬公網(wǎng)安備 31011002003093號