5月10日上午，应语音及语言信息处理国家工程实验室的邀请，加拿大阿尔伯塔大学计算机科学系教授、机器学习研究会主席Dale Schuurmans来我实验室第二会议室做了一场题为“Convex Methods for Representation Learning”的学术报告。实验室部分教师及相关院系的学生参加了此次报告会。

报告会由计算机科学与技术系老师徐林莉主持，徐老师首先为我们简单介绍了报告嘉宾。Dale Schuurmans教授，加拿大阿尔伯塔大学计算机科学系教授、机器学习研究会主席。主要研究方向为机器学习、概率建模、优化、搜索。他于多伦多大学计算机科学系获得博士学位, 之后先后任职于加拿大研究委员会信息技术研究所，宾夕法尼亚大学研究所，NEC研究所和滑铁卢大学。他目前担任JAIR 和AIJ的副主编，并且是IMLS和NIPS的成员。在此领域他发表过130 多篇学术论文，并在IJCAI, AAAI, ICML, IEEE ICAL 和 IEEE ADPRL获得论文评奖。

Dale教授在报告演讲中，首先提到了数据分析中的一个基础问题，即自动化特征发现。在一般情况下，传统的特征发现方法并不能保证能够得到最优解，因此一些针对类似问题的凸的形式化方法得到了研究。其次，他认为在重新的形式化过程中，大部分方法都是基于如下策略：一是对成对表示进行松弛；二是利用诱导矩阵范式。尽管在重新形式化的过程中采用了一些松弛技术，但是凸的优化问题能够得到全局最优解，解的质量相比起局部极值更高。随后，Dale教授还介绍了最近基于表示学习问题的几种凸形式，包括降维，稀疏编码，能够处理多视角学习的半监督问题的一些扩展等。与现有的非凸方法相比，此次报告中介绍的凸方法具有更好的泛化性，在处理某些问题时还具有更高的效率。

整场报告会气氛轻松活跃，在Dale教授精彩演讲结束之后，在场的同学们进行了踊跃的发言提问。对于同学们提问过程中迸发出的创新思想，教授给予了高度的赞扬及肯定，并鼓励大家积极的去实现。同学们也对Dale教授的讲解以及他幽默的肢体语言报以了热烈的掌声。

此次学术报告会在一种轻松幽默的氛围下结束。同学们感慨受益匪浅，并期待实验室接下来更多更好的学术报告。