【参会报名】机器学习理论与基础模型研讨会
3 月 25 日，清华大学统计学研究中心携手清华大学交叉信息研究院、微软亚洲研究院联合组织机器学习理论与基础模型研讨会。来自国内外机器学习领域的学术界、工业界一线学者将在研讨会上分享他们的最新研究。我们诚挚地邀请您参会，一起探讨、交流学术动态并展望未来！
本次研讨会旨在以理论视角分析深度学习中的关键组成部分，议程将涵盖深度学习最新理论与优化算法，基础模型的理解与实践进展。
我们希望将关注该问题的不同领域的研究人员和从业者聚集在一起，以交流最新的研究思想和成果，探讨未来机器学习理论研究的方向。我们相信通过本次研讨会，参会者将可以与其他同行、专家和学者进行深入交流和合作，为机器学习理论的发展注入新的动力和活力。
活动信息
活动时间
3 月 25 日（星期六）
8:30 —16:40
参会信息
线下：北京市海淀区丹棱街5号微软大厦
线上：Microsoft Teams
报名成功后将收到具体参会信息
注册报名
扫描二维码注册报名
报名截止时间：3 月 17 日
扫码进群
欢迎扫码加入活动专属讨论群
演讲嘉宾
日程安排
8:30 – 8:40
Introduction of the Workshop
Session 1
8:40 – 9:05
Faster Neural Network Training, Algorithmically
Jonathan Frankle
9:05 – 9:30
Bayesian Interpolation with Deep Linear Networks
Boris Hanin
9:30 – 9:55
Variational Principles for Mirror Descent and Mirror Langevin Dynamics
Maxim Raginsky
9:55 – 10:20
How Does Sharpness-Aware Minimization Minimize Sharpness?
Zhiyuan Li
10:20 – 10:35
Coffee break
Session 2
10:35 – 11:00
Analysis of a Toy Case for Emergence
Sebstien Bubeck
11:00 – 11:25
Beyond Neural Scaling Laws: Towards Data Efficient Deep Learning
Surya Ganguli
11:25 – 11:50
Why Can GPT Learn In-Context?
Language Models Implicitly Perform Gradient Descent as Meta-Optimizers
Li Dong
11:50 – 12:15
Flow Straight and Fast: A Simple and Unified Approach
to Generative Modeling, Domain Transfer, and Optimal Transport
Qiang Liu
12:15 – 13:30
Lunch Time
Session 3
13:30 – 13:55
Condensation in Deep Learning
Zhiqin Xu
13:55 – 14:20
Adapting to Distribution Shifts: Recent Advances in Importance Weighting Methods
Masashi Sugiyama
14:20 – 14:45
Which Graph Neural Network can Provably Solve Practical Problems?
Di He
14:45 – 15:10
Contrastive Learning Is Spectral Clustering On Similarity Graph
Yang Yuan
15:10 – 15:25
Coffee Break
Session 4
15:25 – 15:50
On the Theoretical Understanding of Mixup
Kenji Kawaguchi
15:55 – 16:15
Benign Overfitting in Two-layer Convolutional Neural Networks
Yuan Cao
16:15 – 16:40
Environment Invariant Linear Least Squares
Cong Fang
主办单位
清华大学交叉信息研究院
https://iiis.tsinghua.edu.cn/
微软亚洲研究院理论中心
清华大学统计学研究中心