第三季18场 (CV) AI ML Club 活动纪要

less than 1 minute read

« 本次沙龙通知: #441 «

第三季18场 AMC 沙龙活动纪要

  • 日期:2019年12月08日周日下午7-10点
  • 地点:北邮科研楼821
  • 轮值主席:吴凤民 @Leona08
  • 轮值副主席:Duan-JM @Duan-JM
  • 会员:贺新 @newip

本届沙龙内容(按发言顺序,由主席指定顺序)

沙龙内容

Poster

  • 段嘉铭 @Duan-JMBrief roadmap to fewshot classification

    在看论文的过程中有三个点值得注意,一个是通过可视化的方式查看其backbone是否提出具有区分度的特征,一个是是否充分利用了所有信息(如,episode与episode之间的信息,大样本数据集中的信息等),以及使用的度量相似程度的公式是否恰当。

    段嘉铭

  • 行习铭 @ximingxing:Optimization-Based Meta-Learning (MAML LEO

    介绍了 optimization-Based的Meta-Learning,MAML讲基于梯度更新参数的方法应用在小样本学习中,但是该方法存在few-shot在内部梯度回传存在高维参数的问题;另外一种是LEO,通过encoder和decoder的方法解决高维的问题,并且取得了很好的成绩。

    行习铭

    </di>
  • 吴凤民 @Leona08: Generalized Autoencoder: A Neural Network Framework for Dimensionality Reduction

    分享了关于降维的文章,利用神经网络的autoencoder实现降维,相比于传统的方法,重新改写了construction error。并且基于loss function,提出framework,和多种流行的降维方法结合,实现降维效果的提升。

    吴凤民

    </di>

授蛋仪式

授蛋

从左起:段嘉铭,吴凤民,行习铭

集体合照

合照

从左起:吴凤民,段嘉铭,行习铭,贺新

脑洞

  1. newip: 小样本学习在医疗领域是一个重要的方向,但是是否可以用多样本来替代是一个需要考虑的问题; 神经网络可视化和可解释有些牵强,是否应该将更多的时间花在建立评价体系上?

  2. ximingxing: 衡量降维的方法,进行二维空间的投射是否足够客观,对齐baseline,以及baseline如何确定是值得探讨的。

  3. Duan-JM: 对准baseline这个工作很有意义!

吐槽

  1. newip: 最近活动的参与人数较少,应该采取一些措施激发大家的参与热情,比如去实验室邀请一些已发表论文的人来分享,或者开学季去BBS上进行宣传。

RSVP

注:“回复”操作,指的是回复本ISSUE留言

  1. 如果对活动纪要有修订意见,请回复对本次沙龙纪补充
  2. 如果参加下次沙龙活动,请回复下次自己的分享是 Oral(30分钟)还是Poster(5分钟)
  3. 如果计划邀请新朋友参加下次沙龙活动,请让新朋友回复一句话的自我介绍

特别鸣谢CAD中心提供活动场地,以及宋美娜老师和实验室全体人员对本沙龙的支持与帮助~

Categories:

Updated:

Comments