報告人：Dr. Dongxiao Zhu

報告地點：長安校區(qū) 文津樓三段622報告廳

報告時間：2018年6月28日 下午16：00

報告內容：

  Many machine learning problems are inherently multi-task where tasks can represent multiple subgroups of input or multiple labels. Building an individual predictive model for each task can lead to over fitting due to limited labelled samples and high input dimension. Here we develop a generalized multi-task learning framework that bridges data from all tasks and improves their generalization performance. Our approach is sufficiently flexible that leverages both deep neural networks and a variety of regularization terms for an efficient and effective feature selection. We demonstrate the superior performance of our approaches in three scenarios, i.e., multi-task survival analysis, multi-task ordinal regression and multi-task learning with auxiliary tasks.

報告人簡介：

   朱冬宵教授，在山東大學和北京大學獲得學士和碩士學位；由美國密歇根大學獲得博士學位。自2015年起擔任美國韋恩州立大學計算機科學系教授。他長期從事機器學習和數據科學原創(chuàng)性研究，及其在生物醫(yī)學信息學，多媒體及文本大數據里的應用。他曾多次但任美國自然科學基金會（NSF）、美國健康研究所（NIH）等機構的基金評審專家，以及國際主流期刊BMC Genomics、Frontiers in Genetics、Scientific Reports等的副主編及編委。作為首席科學家和合作科學家已經主持完成多項美國自然科學基金會和美國健康研究所等項目(總額三百多萬美元)。并受邀在多個國際會議和著名大學作研究報告。他還是國際主流學術會議ACM-BCB和ACM-BIOKDD 的主要組織者之一。

朱冬宵教授多次被邀請在有影響力的國際學術會議上做特邀報告。他的一作文章曾入選IEEE-ICASSP 2005最佳學生論文入圍獎。朱冬宵教授的兩篇通信作者的文章入選了IEEE-ICMLA 2017最佳論文三甲獎（Top 3 Best Paper Finalist）而他的學生們?yōu)榈谝蛔髡?。朱冬宵教授先后?/span>Nucleic Acids Research、PNAS、Bioinformatics、IEEE Transactions，ACM-BCB, IEEE-ICDM，IEEE-ICMLA和 IEEE-BIBM等SCI/EI收錄刊物及主流會議發(fā)表論文60余篇。其中，基于Java MVC技術的圖形界面的深度測序分析軟件SAMMate為業(yè)界首創(chuàng)，被Nature Genetics、Genome Research、PNAS 和 Plant Cell等頂級雜志發(fā)表的文章所采用。目前，已培養(yǎng)多名碩士、博士和博士后，所培養(yǎng)的研究生多次獲得國際獎項，如“通用汽車博士獎學金”及“邁克-康諾德獎學金”。

朱冬霄教授有著豐富的計算機科學和信息學本科生及研究生教學經驗。迄今為止，他已經開設及教授了10門計算機科學常規(guī)及創(chuàng)新課程，內容涵蓋機器學習，深度學習，數據結構，算法，圖像處理和編程。他的機器學習和深度學習課程為韋恩州立大學首創(chuàng)，受到學生的普遍歡迎。