海南大学计算机科学与技术学院2026年第三期“计往开来”学术大讲坛预告

讲座题目：无标签数据在正则化与最优统计学习中的作用（The Role of Unlabeled Data in Regularization and Optimal Statistical Learning）

主讲人：滕尚华（Shang-Hua Teng）教授，南加州大学（USC）大学教授

讲座时间：2026年6月23日（周二）上午10:30–11:30

讲座地点：海南大学计算机科学与技术学院618会议室

讲座摘要

无标签数据在现代机器学习中扮演着核心角色，然而其对可学习性与正则化的贡献至今仍缺乏清晰的理论认识。同时，经验风险最小化（ERM）在那些不能用一致收敛性刻画可学习性的场景中已被证明会失效。更广泛地说，尽管机器学习高度依赖正则化等算法技术，但在这些场景下，尚未形成一个统一的原则来刻画最优学习。

本报告中，滕尚华教授将在一个ERM失效的最简单场景——即任意标签集的多类别分类问题——中，精确刻画正则化的作用。借助“单包含图”（One-Inclusion Graphs, OIGs），他们发展出了最优学习算法，该算法自然地统一了几个经典原则：通过结构风险最小化（SRM）体现的奥卡姆剃刀、最大熵方法以及贝叶斯推断。这一刻画揭示了无标签数据的一个出人意料的作用：它能够实现足以达到最优学习的局部正则化形式。这些结果为理解无标签数据的能力以及机器学习中正则化的基础提供了全新视角。

（联合工作：Julian Asilis, Siddartha Devic, Shaddin Dughmi, Vatsal Sharan，发表于COLT 2024）

主讲人简介

滕尚华教授是南加州大学（USC）大学杰出教授（计算机科学系与数学系），SIAM、ACM及Alfred P. Sloan基金会会士。他两度荣获哥德尔奖：2008年因开创平滑分析而获奖，2015年因设计突破性可扩展拉普拉斯求解器再次获奖。西蒙斯基金会称其为“全球最具原创性的理论计算机科学家之一”，并于2014年授予他研究员称号，以支持其长期好奇心驱动的基础研究。

他还获得2009年Fulkerson奖、2023年中国计算机学会（CCF）海外科技杰出贡献奖、2021年与2025年ACM STOC时间检验奖（分别表彰平滑分析与最大流计算）、2022年ACM SIGecom时间检验奖（因解决纳什均衡计算复杂性），以及2026年上海交通大学睿远奖。此外，滕教授与合作者共同开发了首个适用于任意三维区域的最优良形Delaunay网格生成算法，解决了鲁棒统计学中的Rousseeuw-Hubert回归深度猜想，并解决了组合博弈论中关于Sprague-Grundy定理的两个长期存在的复杂性理论问题。他在Xerox、NASA、Intel、IBM、Akamai及微软的工业界工作成果已获得十五项专利，涵盖编译器优化、互联网技术与社会网络等领域，并于近期当选美国国家发明家科学院院士。

主办单位

海南大学计算机科学与技术学院

欢迎广大师生踊跃参加！

撰写：刘燕芳

审核：叶春杨

终审：王红英