《机器学习及其应用2021》邀请MLA 2019-2020的部分专家以综述的形式介绍机器学习领域的研究进展，内容涉及监督学习、深度学习、强化学习、对抗学习、贝叶斯学习的基本理论和方法，同时介绍了机器学习在计算机视觉、自然语言处理、城市计算、语音信号处理、模式识别中的应用，代表了国内机器学习近期新的研究进展。

“机器学习及其应用”（MLA）系列研讨会本着“学术至上、其余从简”的原则，不征文、不收费，迄今已举行17届，近年来参会人数超过2000人。《机器学习及其应用2021》邀请MLA 2019-2020的部分专家以综述的形式介绍机器学习领域的研究进展，内容涉及到监督学习、深度学习、强化学习、对抗学习、贝叶斯学习的基本理论和方法，同时介绍了机器学习在计算机视觉、自然语言处理、城市计算、语音信号处理、模式识别中的应用，代表了国内机器学习**的研究进展。

目录






深度学习中的优化方法\t王立威 杨运昌 1
1 引言\t1
2 梯度下降方法的全局收敛性\t1
3 Gram-Gauss-Newton方法\t7
4 实验\t11
5 小结\t15
参考文献\t15

结构化剪枝综述\t吴建鑫 王环宇 张永顺 17
1 引言\t17
2 剪枝方式介绍\t18
3 剪枝算法\t22
4 讨论与展望\t31
参考文献\t32

Efficient Neural Speech Synthesis\tTao Qin 36
1 Introduction\t36
2 Inference Efficiency: FastSpeech Series\t38
3 Data Efficiency: DualSpeech and LRSpeech\t47
4 Parameter Efficiency: LightSpeech and AdaSpeech Series\t52
5 Summary\t65
References\t66
    
面向开放世界的分类器学习\t刘成林 72
1 引言\t72
2 开放世界的模式分类和学习问题\t74
3 面向开放集的分类决策规则\t77
4 面向开放集的分类器设计与学习\t81
5 面向开放集的卷积原型网络\t87
6 小结\t92
参考文献\t92
    
释放标记空间的威力：标记增强\t耿 新 徐 宁 高永标 王秋锋 96
1 引言\t96
2 标记增强方法\t97
3 标记增强理论解释\t106
4 标记增强的应用\t108
5 结束语\t116
    参考文献\t116

因果推断与因果性学习\t陈 薇 蔡瑞初 郝志峰 张 坤 120
1 引言\t120
2 经典因果推断方法\t122
3 隐变量场景下的因果推断\t127
4 非稳态/异质数据场景下的因果推断\t130
5 因果性学习\t131
6 小结及讨论\t134
参考文献\t134
    
机器学习中基于Wasserstein距离的分布鲁棒优化模型与算法\t苏文藻 138
1 引言\t138
2 基于Wasserstein距离的分布鲁棒优化问题\t140
3 分布鲁棒监督学习\t143
4 对抗训练\t152
5 总结和展望\t153
参考文献\t154
基于环境模型的强化学习研究进展\t俞 扬 157
1 引言\t157
2 相关背景\t158
3 基于对抗生成的环境模型学习\t160
4 在淘宝推荐任务中的环境模型学习\t165
5 在滴滴出行推荐任务中的环境模型学习\t167
6 结束语\t170
参考文献\t171
    
自适应迭代与采样的黑盒对抗攻击方法\t韩亚洪 石育澄 173
1 引言\t173
2 相关工作\t176
3 CURLS&WHEY攻击\t178
4 适应性对抗边界攻击\t184
5 实验\t190
6 总结\t198
参考文献\t199

对抗机器学习：攻击、防御与模型鲁棒性评估\t易津锋 202
1 引言\t202
2 对抗攻击\t204
3 对抗防御\t210
4 模型鲁棒性评估\t214
5 总结与展望\t218
参考文献\t219

基于城市视觉大数据的交通预测与调度
\t余正旭 魏 龙 金仲明 黄建强 华先胜 227
1 引言\t227
2 视频异常检测及长尾分类方法\t230
3 基于卷积长短时记忆网络的渐进学习方法\t236
4 预测与干预融合的区域交通信号灯稳定控制方法\t241
5 总结\t247
参考文献\t248

基于深度学习的命名实体识别\t黄萱菁 桂 韬 李孝男 马若恬 251
1 引言\t251
2 相关工作\t253
3 基于深度学习的命名实体识别\t255
4 总结和展望\t267
参考文献\t268

从Transformer到BERT：自然语言表示学习的新进展\t邱锡鹏 272
1 引言\t272
2 背景介绍\t273
3 预训练模型概述\t276
4 预训练模型拓展\t279
5 展望和总结\t280
参考文献\t281
    
基于机器学习的脑解码方法研究\t张道强 黄 硕 Muhammad Yousefnezhad 284
1 引言\t284
2 多被试者神经影像的功能校准\t286
3 多站点功能影像的共享空间迁移学习\t293
4 类别不平衡条件下的脑解码方法\t296
5 深度表征相似性学习\t300
6 easyfMRI——人脑解码和可视化工具箱\t303
7 总结与展望\t304
参考文献\t305
    
III
目    录