资源受限条件下可解释人工智能模型及其应用

主 讲 人 ：刘军民    教授

活动时间：12月14日09时00分    

地      点 ：理科群一号楼D418

讲座内容：

随着人工智能技术的迅速发展，尤其是在深度学习领域，模型的复杂性与黑箱特性日益引发了社会各界的关注。可解释人工智能旨在提高模型的透明度，使用户能够理解和信任模型的决策过程。然而，在资源受限的环境中，如何构建高效且可解释的AI模型成为了一个重要的研究课题。本报告将针对深度学习模型的数据和算力依赖以及可解释性问题展开探讨，给出了有限标注条件下目标检测算法性能提升策略以及基于最优化理论的可解释性深度模型构建框架。

主讲人介绍：

刘军民，博士、教授、博士生导师。于2013年在西安交通大学获得理学博士学位；于2011-2012在香港中文大学地理资源管理系做研究助理工作；于2014-2015在美国马里兰大学College Park分校从事访问研究。多年来一直从事统计机器学习、图像处理、人工智能的数学基础、模型与算法研究。截止目前，在相关领域的国际著名期刊（例如：IEEE TPAMI\TIP）和国际会议（例如：CVPR\IJCAI）发表SCI论文70余篇，其中：第一作者/通讯作者论文40余篇，IEEE Trans.长文18篇，Google学术引用2700余次; 申请发明专利13项；出版专著1部。主持科技部重点研发项目子课题、国家自然科学面上项目、青年项目、陕西省杰出青年基金项目等20余项；为中国认知科学学会认知与类脑计算专委会委员、中国图象图形遥感图像专委会委员、中国现场统计研究会机器学习分会理事、中国工业与应用数学学会、中国运筹学学会等学会会员；曾获得陕西高等学校科学技术研究优秀成果奖一等奖等奖励。

发布时间：2024-12-10 11:32:35