从类比学习到迁移学习
From Learning by Analogy to Transfer Learning
类比学习是人工智能和知识发现领域的一个重要起点,其精髓是通过比较领域间的相似性,达到学习新知识的目标。
人类的很多发明和发现都是通过类比得到灵感的。类比学习与迁移学习有着密切的联系,但这一联系却很少被提及。
在这一讲座中,我将回顾类比学习在人工智能初期的成就,并建立其与迁移学习的关系,
并以此就人工智能和知识发现领域中的一些重大悬疑问题进行探讨。
杨强(http://www.cse.ust.hk/~qyang)毕业于北京大学地球物理系天体物理专业,于美国马里兰大学获得博士学位后,
先后十余年间,任教于加拿大University of Waterloo与Simon Fraser大学。现任香港科技大学计算机系教授。
杨强的研究方向包括:人工智能,机器学习与数据挖掘,智能规划等。曾于2004和2005年带队获ACM KDDCUP 冠军。
现任ACM SIGART 副主席 (http://sigart.acm.org/), ACM Transactions on Intelligent Systems 
and Technology (ACM TIST) 主编 (http://tist.acm.org), IJCAI 2011 顾问委员会成员(Advisory Committee), 
ACM KDD 2010 程序主席PC Cochair), 及IEEE Fellow.