Workshop(워크샵)

  • 홈ˆ
  • Programs
  • Workshop(워크샵)

머신러닝연구회 동계 워크샵
▒ 일자 및 장소 : 20G3G4 / 12/20(수) 13:00~17:30 / 107호
▒ 주관: 인공지능소사이어티

    

▶ 행사 개요
본 워크샵은 머신러닝 연구가 활발하신 연자들을 모셔서 대학교/연구소/산업체의 최근 연구 트렌드를 듣고 토의하는 것을 목적으로 합니다.
(등록비는 무료이나 사전등록은 필수입니다. 등록은 정보과학회 KSC2017 홈페이지에서 가능합니다.)

▶ 조직
대회장 김선 교수(서울대)
프로그램위원장 최승진 (POSTECH)
조직위원장 신현정 (아주대)

▶ 프로그램

일정

프로그램

13:10 ~ 13:40

최희열(한동대)
Sequence Generation with Generative Models

13:40 ~ 14:20

신진우(KAIST)
Confident Deep Learning

14:20 ~ 14:30

Break

14:30 ~ 15:10

한보형(POSTECH)
Large-Scale Image Retrieval and Geolocalization

15:10 ~ 16:30

정상근(SKT)
Deep Learning for Natural Language Understanding

16:30 ~ 17:30

인공지능소사이어티 총회

▶ 강연내용



최희열
(한동대)


Sequence Generation with Generative Models
딥러닝의 발전으로 패턴인식 분야의 성능은 혁신되고 있고 특정 분야에서는 인간 수준을 뛰어넘는 결과들을 보여주고 있다. 본 강연에서는 이러한 패턴인식과 달리 딥러닝의 또다른 연구 분야인 생성모델 중 시간적 의존성을 가지는 시계열 데이타의 생성을 다룬다. 기본적으로 생성모델의 특성과 함께 최근 자주 사용되는 VAE, GAN 등 모델들을 소개하고, 시계열 데이타의 생성을 위한 이슈와 최근 연구 결과들을 함께 소개한다.



신진우
(KAIST)


Confident Deep Learning
The state-of-art deep neural networks are known to be highly overconfident in their predictions, i.e., do not distinguish in-distribution (i.e., training distribution by a classifier) and out-of-distributions sufficiently different from it. To resolve the issue, we propose a new loss, called confident loss, where it forces samples from out-of-distribution less confident by the neural classifier. To show its effectiveness, we apply the proposed loss function to two classification tasks using neural networks: (a) multiple choice learning and (b) detecting out-of-distributions. This is a joint work with Kimin Lee (KAIST) and Honglak Lee (Michigan).



한보형
(POSTECH)


Large-Scale Image Retrieval and Geolocalization
I present recent advances in large-scale image retrieval and geolocalization problems using deep neural networks. The initial discussions in this talk are about how these two problems are related to each other and how one is distinguished from the other, in terms of technical challenges and potential applications. Then, I deal with a few critical subproblems in image retrieval and geolocalization approaches including problem formulations, data sets, technical approaches, and issues related to large-scale experiments.



정상근
(SKT)


Deep Learning for Natural Language Understanding
자연어 이해는 음성 및 텍스트를 이용한 대화 인터페이스 구현의 핵심 기술 중 하나이다. 상용수준의 자연어이해 시스템에 대해 살펴보고, 딥러닝을 이용한 자연어이해 구현 방법들에 대해 살펴본다. 특히 최근 연구된 Semantic Representation Learning 프레임웤을 소개하고, 이를 자연어이해 기술 개발 과정에 필요한 데이터 수집, 태깅 및 시각화등의 문제에 적용한 사례를 공유하도록 한다.

▶ 참가비 : 무료

서울시 서초구 방배로 76 (방배동, 머리재빌딩 401호) 우)06704 | (Tel)1588-2728 | (Fax)02-521-1352 | 사업자등록번호 : 114-82-03170 | 대표 : 나연묵

Copyright (c) KIISE. All rights reserved.