报告题目：面向半监督分类的主动证据深度学习
报告摘要：基于主动学习的半监督分类任务已经获得了显著的成功，但在选择样本时未兼顾预测结果的可靠性（或置信度）。因此，受证据深度学习的启发，本文提出一种面向半监督分类任务的证据深度主动学习方法。在该方法中，通过结合预测结果的不一致性和不确定性来量化预测结果的置信度；同时，半监督学习准则设计中，同步考虑未标记数据集的置信度；此外，在样本选择策略中，通过损失的变化来确定样本预测结果的最佳置信度。最后，将提出的方法应用到cifar10、svhn、fashionmnist、cifar100数据集，实验结果表明，提出的方法在上述数据集上的性能显著优于现有主动学习方法。
报告人简介：潘丽鹏，男，博士，西北农林科技大学信息工程学院教授，博士生导师。自动化学会智慧生态专委会委员，教育部硕博论文通讯评议专家。主要从事多源信息融合、证据深度学习等领域的研究；目前主持国家自然科学基金青年项目、陕西省校招共用引才用才项目、广东省基础与应用基础研究基金项目、陕西数理基础科学研究项目和农业农村部项目（任务）等。在IEEE Transactions on Fuzzy Systems、Information Fusion、Expert Systems With Applications等期刊发表论文20余篇；获得授权发明专利2项；担任IEEE TNNLS, IEEE TFS, IEEE TSMC、INF、INS等期刊审稿人。
报告时间：2025年5月14日15:00
报告地点：数学与统计学院3405
主办单位：湖北民族大学数学与统计学院
联系人：王宁奎
欢迎广大师生参加！