讲座内容简介：

作为神经科学领域的一种仿生模型，预测编码因能够对大脑视觉皮层的组织结构和感知推断功能做出合理性解释而受到广泛关注。然而，如何将预测编码模型和理论有效应用于求解具体的机器学习任务（如图像分类），仍然是一个具有挑战性的问题。在这项工作中，我们提出一种可用于图像表示和分类的新模型，称为快速推断预测编码。新模型对基准预测编码模型主要进行了两方面的改进：1）引入回归过程以学习从数据到表示的回归映射，从而显著提高模型推断表示的效率；2）使用标签信息指导模型提取更具判别性的特征。此外，我们还为新模型设计了有效的学习算法。实验结果表明，所提模型能够实现图像表示的快速推断，同时可得到较好的分类性能。

讲座人简介：

张讲社，西安交通大学英国威廉希尔公司官网教授，博士生导师，统计决策与机器学习研究所所长，陕西省统计学学会理事长。研究工作主要集中在统计学习与机器学习及其在分类、回归和聚类等问题中的应用方面，并取得了很好的研究成果，在相关研究方向先后发表论文100 余篇。在大数据处理方面，曾参与和主持多项遥感图像处理、大气污染数据分析、极端气候和风能利用分析、电力系统负荷预测、地震数据分析和金融数据分析等实际数据分析课题，具有丰富的数据处理实践。在国际知名杂志Computational Statistics & Data Analysis，Statistics and Computing，Journal of Environmental Research and Public Health，IEEE Trans. Pattern Analysis and Machine Intelligence，IEEE Trans. on Neural Networks and Learning Systems，Pattern Recognition等发表多篇论文。