自步学习的一些进展

讲座内容：从海量“大”规模的“无监督”“脏”数据中，尝试构造有效的机器学习方法来自动对其有效信息进行挖掘，已成为领域的热点，也是时代的亟需，针对这一问题，自步学习(Self-pacedLearning)，或可称为课程学习(CurriculumLearning)，可能提供了一套行之有效，具有理论内涵的新颖解决思路。

自步学习的要义是：我们可以模拟人的认知机理，先学习简单的、普适的知识（课程），然后逐渐增加难度，过渡到学习更复杂、更专门的知识，以此完成对复杂对象的认知。人们受教育的“课程”正是按照这样的规律来帮助获取知识与能力的。模拟这一过程，我们可以将学习对象(数据、特征、概念等)按其对学习目标的难易程度，从易到难开展学习，以这种方式让机器完成复杂的学习与推理任务。Bengio教授预测该种学习方式将帮助机器学习吸取人类学习的优点，提升包括深度学习等机器学习策略的学习效果，协助其跳出局部极优，获得更好推广性。

由卡内基梅隆大学，西安交通大学，中国科学院计算所等机构研究人员系统研究了自步学习的内在机理，提出了自步学习的公理化构造条件，并说明：根据不同应用目标，可由该公理化准则延伸出各种实用的课程学习方案。

我们的报告将对该领域一些前沿进展进行综合介绍。