报告题目：An Introduction to Optimal Transport Methods and Applications
报告人：Dr. Yunpeng Li，英国萨里大学计算机科学系人工智能高级讲师
主持人：张茹，教授
报告时间：2023年3月3号（周五）16:00-17:30
腾讯会议：964-889-004
报告摘要：
Wasserstein distance虽然在理论上很有吸引力，但由于其高昂的计算成本，在大规模机器学习问题上的应用受到了阻碍。Sliced Wasserstein distance及其变体通过随机投射提高了计算效率，但由于大多数投射得到的值都很小，因此投射效率低。报告的第一部分将介绍一个新的sliced Wasserstein distance度量，即首先将样本映射到由神经网络参数化的高维超曲面的augmented sliced Wasserstein distances (ASWDs)。报告的第二部分将讨论最优传输方法在强化学习和金融中的应用。
专家简介：
李云鹏博士是英国萨里大学（University of Surrey）计算机科学系人工智能高级讲师。他的研究方向是统计机器学习和信号处理，特别是贝叶斯推理（Bayesian inference）、蒙特卡罗抽样（Monte Carlo sampling）和最优传输理论（optimal transport theory）。他对机器学习的跨学科应用有着广泛的兴趣，包括疾病检测(乳腺癌，牙科疾病)，环境传感和目标跟踪。他2009年毕业于北京邮电大学，获得英语学士学位，2012年获得通信与信息工程硕士学位（导师：门爱东教授），2017年获得加拿大麦吉尔大学（McGill University）电气工程博士学位（导师: Mark Coates教授），2017年至2018年在牛津大学工程科学系担任博士后研究员，并于2018年在牛津大学沃尔夫森学院担任初级研究员。他于2018年加入萨里大学计算机系担任人工智能讲师（2018-2021）和高级讲师（2021-今）。
