报告题目：Deep Generative Learning
时 间：2024年6月25日（星期二）9:00
地 点：科研楼18号楼1102
主 办： 数学与统计学院、数学与统计学院、数学与统计学院、分析数学及应用教育部重点实验室、福建省分析数学及应用重点实验室、统计学与人工智能福建省高校重点实验室、福建省应用数学中心（福建师范大学）
参加对象：感兴趣的老师和学生
报告摘要：Estimating underlying distributions from data is a fundamental task in statistics and machine learning. In this presentation, we will discuss some methodology and theory on widely used deep generative models, such as GANs, latent space diffusion models, simulation-free continuous normalized flow models, and a newly proposed one-step characteristic generator.
报告人简介：焦雨领，武汉大学数学与统计学院教授、博导，22年入选国家高层次人才青年学者计划。主要从事机器学习、科学计算的研究。相关工作发表在包括 Ann. Stat.、J. Amer. Statist. Assoc.、Statist. Sci.; SIAM J. Math. Anal.、SIAM J.Control Optim.、SIAM J. Numer. Anal.、SIAM J. Sci. Comput.、SIAM J. Math. Data. Sci.; Appl. Comput. Harmon. Anal.、J. Mach. Learn. Res.、IEEE Trans. Inf. Theory、Inverse Probl.、IEEE Trans. Signal Process.、ICML、NeurIPS 等期刊和会议上。