VALSE Webinar 20220330-07期 总第273期 特邀报告：数据驱动的强化学习及其工业应用 ...

特邀报告嘉宾：俞扬 (南京大学)

报告题目：数据驱动的强化学习及其工业应用

*欢迎大家在下方留言提出主题相关问题，主持人和panel嘉宾会从中选择若干热度高的问题加入panel议题！

特邀报告嘉宾：俞扬 (南京大学)

报告时间：2022年03月30日 (星期三)晚上20:00 (北京时间)

报告题目：数据驱动的强化学习及其工业应用

报告人简介：

俞扬，南京大学人工智能学院教授，主要从事机器学习、强化学习的研究工作。入选国家万人计划青年拔尖人才计划、AI's 10 to Watch。获CCF-IEEE青年科学家奖，首届亚太数据挖“青年成就奖”，并受邀在国际人工智能联合大会 IJCAI'18 作“青年亮点报告” (Early Career Spotlight)。研究工作获4项国际论文奖励和3项国际算法竞赛冠军。

个人主页：

 www.lamda.nju.edu.cn/yuy

报告摘要：

强化学习现已成为机器学习最受关注的子领域之一，在游戏环境中表现出超越人类的决策控制能力。如何让强化学习走出游戏，用于生产力的提升，是报告人关注的问题。针对这一问题，报告人对数据驱动的强化学习开展了研究，并尝试使用在工业控制中。本次报告将汇报数据驱动强化学习的理论与技术进展，以及在工业控制中的应用案例。

参考文献：

[1] Jing-Cheng Shi, Yang Yu, Qing Da, Shi-Yong Chen, and An-Xiang Zeng. Virtual-Taobao: Virtualizing real-world online retail environment for reinforcement learning. In: Proceedings of the 33rd AAAI Conference on Artificial Intelligence (AAAI’19), Honolulu, HI, 2019.

[2] Tian Xu, Ziniu Li, Yang Yu. Error bounds of imitating policies and environments. In: Advances in Neural Information Processing Systems 33 (NeurIPS'20), Virtual Conference, 2020.

[3] Tian Xu, Ziniu Li, Yang Yu, Zhi-Quan Luo. On Generalization of Adversarial Imitation Learning and Beyond. https://arxiv.org/abs/2106.10424, 2022.

[4] Rongjun Qin, Songyi Gao, Xingyuan Zhang, Zhen Xu, Shengkai Huang, Zewen Li, Weinan Zhang, Yang Yu. NeoRL: A Near Real-World Benchmark for Offline Reinforcement Learning, https://arxiv.org/abs/2102.00714, 2021.

主持人：魏秀参 (南京理工大学)

主持人简介：

魏秀参，博士，南京理工大学计算机科学与工程学院教授。主要研究领域为计算机视觉和机器学习，在相关领域国际顶级期刊和会议发表论文五十余篇，Google Scholar Citations逾2800次，相关研究成果获得含iNaturalist在内的计算机视觉领域国际权威赛事共4项世界冠军。曾在CVPR等国际会议讲授“图像细粒度分析”为主题的短课程。著有《解析深度学习–卷积神经网络原理与视觉实践》一书。曾获中国科协青年人才托举工程、江苏省计算机学会青年科技奖、南京经开区中青年优秀人才、《中国科学：信息科学》优秀评审人等荣誉。任中国计算机学会高级会员、CCF计算机视觉专委会委员、中国图象图形学报青年编委。担任ICCV、IJCAI、ACM Multimedia等国际会议Workshop程序委员会主席，ACCV 2022 Tutorial主席，AAAI、IJCAI、BMVC等会议高级程序委员或领域主席。主持国家重点研发计划青年科学家项目等。

个人主页：

http://www.weixiushen.com/

特别鸣谢本次Webinar主要组织者：

主办AC：魏秀参 (南京理工大学)