One-shot Classification using Siamese Networks

TITOLO DEL TALK: One-shot Classification using Siamese Networks

ABSTRACT:
I recenti sviluppi nell'apprendimento automatico hanno mostrato risultati sorprendenti in molti task di classificazione attraverso l'uso di reti neurali sempre più complesse.
Tuttavia, per ottenere una capacita' di generalizzazione soddisfacente, i modelli aventi molti parametri richiedono una grande quantità di dati di addestramento.
Questa condizione può comportare l'inapplicabilità di questi modelli in molti contesti nei quali non vi e' sufficiente disponibilità di esempi.
L'apprendimento di modelli computazionali con una quantità minima di supervisione e' stata da sempre una delle principali sfide dell'intelligenza artificiale.
Infatti, l'apprendimento con uno o pochi esempi, cosidetto 'one-shot learning', e' considerato uno tra i trend più rilevanti dell'attuale ricerca nel campo dell'apprendimento automatico.
Durante il talk, verranno prima introdotte le reti neurali siamesi recentemente proposte per affrontare il problema del one-shot learning nell'ambito della computer vision, in particolare nella classificazione di immagini utilizzando un solo esempio.
Successivamente, verrà presentato un lavoro condotto durante un periodo trascorso presso il centro IBM Research AI di New York, nel quale sono state adottate reti siamese gerarchiche al fine di estrarre conoscenza da collezioni testuali attraverso un uso limitato di esempi di addestramento.

BIOGRAFIA:
Gaetano Rossiello è un dottorando in Informatica e Matematica presso l'Università degli Studi di Bari.
I suoi interessi di ricerca si focalizzano sulla comprensione del linguaggio naturale, sulla rappresentazione della conoscenza e sull'apprendimento automatico.
Ha collaborato come intern nel gruppo 'Knowledge Induction' presso l'IBM Thomas J. Watson Research Center di New York.
E' co-fondatore e CTO della Portobello Web, societa' di sviluppo di soluzioni SaaS per la gestione delle attività in conto terzi.