功夫: 2024年7月23日（周二）上午10:30
地址: 校本部东区翔英大楼T706
讲座: ParamReL:通过渐进解码贝叶斯流网络从而实现对参数空间的暗示进建
演讲者: 樊旭晖博士
演讲者简介：
樊旭晖，澳大利亚麦考瑞大学助理教授，钻研兴致蕴含深度概率模型，天生模型（扩散模型） 。在有关领域有着持久的堆集和优良的理论基础 ；竦枚喔鋈儆奖项，蕴含ARC Linkage奖项（~$910.000.00）,纽卡斯尔大学的早期职业优良钻研奖、Hunter Water Seed Grant、澳大利亚数理钻研中心卓越贡献奖等 。以第一作者或通讯作者身份在多个高水平期刊/会议颁发了30多篇学术论文，担任多个期刊的审稿专家，并在国际会议上做过屡次口头汇报 。 现为ICML、NeurIPS、ICLR、COLT，AAAI、AISTATS、T-PAMI，JMLR等多个驰名国际期刊/会议审稿专家 。受邀在多个驰名国际国内学术会议上和多个海表大学进行学术汇报 。
讲座提要：
最近提出的贝叶斯流网络(Bayesian Flow Networks)在参数空间建模方面显示出巨大的潜力，为处置陆续、离散和离散数据提供了统一的战术 。然而，BFN无法从参数空间中进行表征进建，由于以往编码器通常数据编码为一个暗示，无法捕获参数中的语义变动 。我们提出了一个名为ParamReL的暗示进建框架，该框架在参数空间中操作以获得拥有递进结构的参数潜在语义，并且能在分歧的数据类型上都拥有壮大的建模能力 。具体来说，ParamReL提出了一个自编码器，直接从参数而不是从数据中进建潜在语义 。而后将编码器集成到BFN中，实现了各类数据体式的暗示进建 。ParamReL同时又实用互信息项去推进了潜在语义的解耦合和有意思语义的捕获 。我们通过扩大BFN说了然ParamReL中的前提天生和沉建，尝试了局证明ParamReL在进建参数暗示方面的优越有效性 。
约请人：通讯与信息工程学院 王瑞教授
欢迎宽大老师和学生参与！
