题目:双样本检测的最新进展及其在AI安全领域内的应用
报告人:刘峰(墨尔本大学 助理教授)
时间: 2023年3月16日(星期四)上午10:30-11:30
地点(腾讯会议):会议号: 982-987-837密码:230316
报告摘要:双样本检验一般用于检测两批样本是否来自同一分布。比如，检验两组接受不同治疗方式的样本是否不同。在极低维数据和/或强参数假设的假设，常用的方法有T检验或Kolmogorov-Smirnov检验等。双样本检验结果在统计和机器学习领域有广泛的作用，例如对于领域适应、因果发现、生成建模、公平性、对抗性学习等提供理论支持。但是经典的双样本检验无法满足最新的统计和机器学习的工作需要。在本次演讲中，我将介绍双样本检验领域最近的一项进展:高维数据的双样本检验。除了方法本身，这次我还会介绍其在对抗性攻击的应用以及在AI安全领域的重要性。
个人简介:刘峰，博士，现为墨尔本大学数学与统计学院助理教授，日本理化学研究所的访问科学家，澳大利亚Laureate博士后研究基金获得者，欧洲人工智能大会的高级程序委员会委员，也是多个机器学习顶级会议或数据挖掘顶级会议的程序委员会委员，包括NeurIPS，ICML，ICLR，AISTATS，KDD等。刘峰博士长期从事可信赖机器学习和假设检验方面的研究，旨在开发一套可信赖的智能系统去可靠得从海量数据中学习和迁移知识。至今，已经发表超过50篇学术论文(包括Nature Communications，IEEE-TPAMI，NeurIPS，ICML，ICLR，KDD，AAAI和IJCAI)，并得到了诸多世界名校学者的追踪与引用，如英国牛津大学，美国斯坦福大学德国马克思普朗克研究所等等。除此之外，担任了2个期刊的客座编辑与多个人工智能领域顶级期刊的审稿人，包括JMLR，IEEE-TPAMI，IEEE-TNNLS，IEEE-TFS等。他曾获得NeurIPS杰出审稿人奖，ICLR杰出审稿人奖，NeurIPS杰出论文奖，FUZZ-IEEE最佳学生论文奖等多个国际奖项。
