EN
搜索
日期：2022-05-16
来源：
讲座方式：ZOOM会议（会议号：881 1492 0983密码：AI01）
加入 Zoom 会议
https://us02web.zoom.us/j/88114920983?pwd=UrzcGyot-JdLSOghvC_yfv4z6UVG2n.1
讲座主题：Applications and Theories: cognitive behavior for agents, human heuristics in robots, self supervising approaches, machine reasoning, convolutional and graph neural networks
应用和理论：代理的认知行为、机器人中的人类启发式、自我监督方法、机器推理、卷积和图神经网络
主办单位：国际合作与交流处、人事处、教务处、科技与产业处
主讲人：Prof. PietroLiò
工作单位：英国剑桥大学计算机学院
职务职称：教授
学术成就：Lio教授拥有剑桥大学的硕士学位、复杂系统和非线性动力学博士学位（意大利佛罗伦萨大学工程系信息学院）和遗传学博士学位（意大利帕维亚大学)。廖教授是剑桥人工智能医学中心-综合癌症医学研究所的成员；计算生物学硕士委员会，剑桥大数据指导委员会；VPH.UK，克莱尔霍尔学院理事会成员及研究员；欧洲学习与智能系统实验室埃利斯成员；欧洲科学院成员；还被列为意大利顶尖科学家。
主要社会兼职和荣誉称号：
剑桥大学计算机系计算生物学教授
剑桥大学计算机实验室人工智能小组成员
剑桥大学医学人工智能中心成员
讲座内容：
计算机科学的进步和超快的计算速度使得人工智能（AI）广泛地惠及现代社会。自上世纪90年代初，简单的神经网络已被应用于医疗解读心电图、诊断心肌梗死、预测心脏术后重症监护病房的住院时间。目前AI科学应用越来越广泛，包括图像分析(影像学、组织学)、自然语言处理的文本识别、药物活性设计和基因突变表达预测。近年来Al的应用为其用于专业的医疗实践提供了概念性的依据。虽然AI涵盖了广泛的符号与统计方法以供学习和推理，算法、计算能力和大型数据集获取所取得的最新进展使得人工神经网络成为AI的主要方法。人工神经网络的数学模型灵活，使用多种算法识别大数据中复杂的非线性关系，通过小算法修改遇到的错误后计算机会进行学习以逐步提高预测模型的准确性深度学习使用超快速计算各种结构的大型多层数据集进行快速优化,包括使用滤波层作为卷积神经网络和递归层作为递归神经网络。自20世纪90年代以来，深度学习己在商业上得到广泛应用,而现代数学与20世纪80年代数学类似，超级计算机速度和云端允许大规模数据集的反集积。
