神经霍克斯过程:一个基于神经网络的自调节多变量点过程

神经霍克斯过程:一个基于神经网络的自调节多变量点过程

开课时间:10月12日周四晚晚8点
开课时长:一个小时
学员人数:15
回放价格: 免费
课程介绍

分享主题

神经霍克斯过程:一个基于神经网络的自调节多变量点过程

 

分享内容

对连续时间上的离散事件进行建模,一直是一个非常重要的研究方向:发现事件中广泛而复杂的影响关系,可以帮助我们准确地预测未来事件的类型和发生时间。在这篇NIPS文章中,作者设计了一个基于神经网络的点过程模型,并通过一个continuous-time LSTM增强了该模型在连续时间上的表达和泛化能力。实验结果充分证实了所提出的模型的良好性能。


分享人

梅洪源 ,JHU CS系二年级博士生,导师Jason Eisner教授。 他的研究兴趣在于机器学习和自然语言处理。 在此之前,他曾在芝加哥大学自然科学学院获得硕士学位,并在华中科技大学电子信息工程系获得学士学位。他曾在微软研究院和丰田技术研究所实习。


分享时间

10月12日周四晚8点

 

课程须知
  • 本次公开课将于10月12日周四晚8点准时开始,请大家提前10分钟进入直播间
  • 公开课后两天内会上传回放视频,错过直播的同学也不要担心
  • 欢迎大家多多向嘉宾提问,问题被采纳者有机会获得神秘礼品