光華講壇——社會名流與企業家論壇第6596期

主題：Efficient Surgical Tool Recognition via HMM-Stabilized Deep Learning——Wise Integration of Statistical Learning and Deep Learning may Make a Difference通過HMM穩定深度學習高效識別外科工具——統計學習與深度學習的明智融合或許有所不同

主講人：清華大學 鄧柯副教授

主持人：西南財經大學 常晉源教授

時 間：10月13日 14:00—15:00

舉辦地點：西南財經大學光華校區光華樓1003會議室

主辦單位：數據科學與商業智能聯合實驗室 統計學院 科研處

主講人簡介：

鄧柯是清華大學統計學研究中心長聘副教授，主要從事統計學理論和方法的研究，并致力于推動數據科學與生物醫學、人工智能、人文社科的交叉。他2008年獲得北京大學統計學博士學位，同年進入哈佛大學統計系從事研究工作，歷任博士后、副研究員，2013年加入清華大學工作至今。2014年入選國家高層次人才計劃青年項目，2016年獲“科學中國人年度人物”榮譽稱號，2018年受聘北京智源人工智能研究院擔任數理基礎方向的“智源研究員”。他在統計學、數據科學知名期刊和會議發表論文五十余篇，主持多項國家自然科學基金、國家社科基金及北京市自然科學基金項目。他在中文文本分析和數字人文方面的研究工作獲得獲國際華人數學家大會（ICCM）和中國數字人文大會的最佳論文獎，他在生物信息學方面的研究工作獲得教育部高校科學研究優秀成果獎自然科學獎一等獎。他是國際計算統計學會亞太地區分會理事、中國現場統計研究會計算統計分會理事長、中國青年統計學家協會副會長、中國人工智能學會智慧醫療專業委員會副主任委員、國家抗腫瘤藥物臨床應用專家委員會委員，還擔任國際統計學雜志Statistica Sinica副主編，以及《數字人文》、《應用概率統計》、《應用數學與力學》、《統計與精算》等期刊的編委。

內容簡介：

The great success of large deep learning models in various applications in recent years have encouraged many researchers to seek improved performance by utilizing larger models and bigger data in practical problems involving unstructured data, leading to increasingly obvious psychological implications to pursuit large models everywhere. However, the fundamental principle of statistical modelling tells us that an over-flexible large model without a clear focus on the unique features of the problem of interest would often lead to inefficient utilization of data and sub-optimal results. In this talk, we will provide an example, in the context of surgical tool recognition, that complex deep learning models can be defeated by simple statical approaches once we can wisely integrate statistical learning and deep learning. We hope this study could inspire more research efforts on developing advanced statistical models and approaches for analyzing complex unstructured data.

近年來，大規模深度學習模型在各種應用中取得的巨大成功鼓勵了許多研究人員通過利用更大的模型和更多的數據來提高性能，特別是在涉及非結構化數據的實際問題中，追求大模型已經變得越來越明顯。然而，統計建模的基本原則告訴我們，一個過于靈活的大型模型，如果沒有清晰地關注問題的獨特特征，往往會導致數據的低效利用和次優結果。這次講座將以外科工具識別為例，展示了一旦我們能夠明智地將統計學習與深度學習相結合，復雜的深度學習模型就可能被簡單的統計方法擊敗。希望這項研究能夠激發更多關于開發高級統計模型和方法來分析復雜非結構化數據的研究工作。