2018年1月16日，佐治亚理工大学机器学习中心副主任宋乐到访自动化所，并向广大师生作了一场题为’Enhancing Deep Learning with Structures’的精彩学术报告。模式识别国家重点实验室副研究员张燕明主持了本次学术活动。
深度学习作为近年来最炙手可热的研究方向吸引了来自学术界、工业界、资本市场乃至政府的广泛关注，但在表面的成功和繁荣之下，深度学习仍然有很多关键问题亟待解决，例如：深度学习对大数据和大运算量的过分依赖，模型的不可解释性等等。

本次报告的核心内容就是向大家展示利用问题的内在结构对提高机器学习方法性能、降低样本复杂度和计算复杂度的重要意义。宋教授首先通过大量理论和实验向大家展示了CNN通过卷积结构成功利用了图像问题中的平移不变性，从而用（相比全连接层而言）少量的参数取得了非常高的识别精度。进一步，宋教授介绍了他研究组的最新工作：Deep hyperspherical learning，即通过改进卷积操作达到更快的收敛速度和更高分类精度。在他的另一个工作struct2vec中，宋教授介绍了如何让深度神经网络利用图的结构信息，从而将神经网络应用到社交网络、生物医学、推荐系统等应用问题中。

师生们对报告表现出很高兴趣，讲座结束后，对报告的内容以及当前深度学习的发展与宋教授进行了积极而热烈的讨论

报告人简介：宋乐是佐治亚理工大学计算科学与工程系终身副教授，机器学习中心副主任。他于2008年在Alex Smola的指导下从悉尼大学和NICTA获得机器学习博士学位。2008年至2011年间，在卡内基梅隆大学机器学习系Eric Xing和Carlos Guestrin的指导下进行了博士后研究。在2011年加入佐治亚理工学院之前，他曾是一名Google的科学家效力于Fernando Pereira 的机器学习部门。他的主要研究方向是核函数和深度学习的嵌入方法，机器学习的大规模算法和高效系统, 以及静态和动态网络分析，人工智能，社会科学，计算生物学等跨学科领域里的大规模复杂问题的建模和求解。他获得过很多机器学习方面的顶级国际奖项,包括NIPS’17机器学习与材料科学研讨会最佳论文奖，Recsys'16深度学习与推荐系统研讨会最佳论文奖，AISTATS'16最佳学生论文奖，IPDPS'15最佳论文奖，美国国家自然基金会NSF’14杰出青年奖，NIPS'13优秀论文奖和ICML'10最佳论文奖。历任ICML，NIPS，AISTATS，AAAI，IJCAI等机器学习和AI顶尖会议的领域主席，也是机器学习顶尖杂志JMLR及IEEE TPAMI的副主编。