报告题目：Combatting Adversarial Inputs in Neural Networks
报告时间：2017年11月13日（周一）上午，9:30-10:30
报告地点：信息学院12教703
报告专家：加拿大滑铁卢大学Jeff Orchard教授
报告内容简介：Deep classification networks have shown great accuracy in classifying inputs. However, they fall prey to adversarial inputs, random inputs chosen to yield a bogus classification with a high confidence. But perception is a two-way process, involving the interplay between feedforward sensory input and feedback expectations. I will show that bidirectional neural networks, incorporating generative (predictive) feedback, are less susceptible to adversarial inputs.
报告人简介：Jeff Orchard：加拿大滑铁卢大学终身制副教授。1994年毕业于滑铁卢大学数学专业获学士学位，1996年毕业于加拿大英属哥伦比亚大学数学专业获硕士学位，2003年毕业于加拿大西蒙弗雷泽大学获计算机科学博士学位。历任多个知名国际会议的委员及分会主席，同时是加拿大自然科学与工程基金和多个国际顶级期刊的评审人。研究方向为计算神经科学，通过数学模型和计算机仿真来理解大脑的复杂运行机理。在基底核网络的决策模型、视觉网络的无监督学习、空间浏览、种群编码、医疗图象处理等领域做出了突出贡献，在IEEE Transactions on Image Processing、IEEE Transactions on Medical Imaging、IEEE Transactions on Geoscience and Remote Sensing等顶级刊物和会议上发表学术论文近70篇。
