拉斯维加斯手机娱乐网站 博士学位论文激励计划旨在推动中国图像图形学领域的科技进步，鼓励创新性研究，促进青年人才成长。

为宣传科技工作者积极进取的工作精神，分享激励计划入选者的科研故事，学会近日对入选2023年度CSIG博士学位论文激励计划的入选者姜阳邦彦进行了专访，以对话的形式，为读者们提供一次了解他的机会。

下面就跟着我们的脚步，走近今天的受访者吧。

问题一：首先非常感谢您接受我们的采访，请先向大家介绍一下自己：

大家好，我是姜阳邦彦，目前是中国科学院大学的博士后、特别研究助理，2023年7月博士毕业于中国科学院信息工程研究所，导师是黄庆明教授。研究方向为计算机视觉与机器学习，发表CCF-A类会议/期刊论文16篇，其中第一作者论文6篇，包括IEEE TPAMI 2篇、NeurIPS Spotlight 1篇（录用率：2.4%）。曾获得微软学者奖学金（亚太地区共12人）、吴文俊人工智能科技进步奖二等奖、首都前沿学术成果奖、中国科学院朱李月华优秀博士生奖、中国科学院院长优秀奖、中国科学院信息工程研究所所长特别奖、北京市优秀毕业生、ICML2022和NeurIPS2020 Top-10%审稿人等荣誉。

问题二：请问您在科研过程中，有没有什么好的方法可以推荐给大家？

每个人适合的方式可能都不太一样，但是整体来看，我觉得有几点是非常重要的：

（1）勇于面对困难，主动发掘科研的乐趣，并且全身心地投入；

（2）时常思考，进度永远不会因为睡太多而拖延，想好再动手；

（3）注重积累和交流，定期学习新技术，拓展知识面，有摄入才有产出，也要多与老师同学讨论，避免闭门造车；

（4）做好总结和规划，形成一套自己的方法论，比如到底是偏理论还是偏应用，是针对网络本身做改进还是对损失函数进行设计等等，并且在做手头这个工作的时候就要开始思考未来研究方向的布局，凡事预则立、不预则废。

问题三：请对您的论文进行简要介绍

标签缺失条件下的机器学习是解决数据标注难以获得问题的主要手段之一。本文从数据、理论、方法层面切入，对标签部分/完全缺失条件下的机器学习算法进行了一系列研究，显著提升模型实用性：提出基于认知学习和循环一致的无监督方法，增强复杂数据应对能力；构建通用半监督泛化误差上界，在具有理论支撑前提下推广现有主流方法；提出基于全局标签分布对齐的PU学习方法，避免算法内生缺陷导致的潜在预测偏差，稳定训练过程。

问题四：在您论文筹备过程中遇到的最大的挑战是什么？是怎样克服的呢？

一开始我看的偏应用方向的论文比较多，所以很困惑要如何更深入地理解和分析学习方法本身的问题。为此，在导师的指导下，我又从教科书开始学习机器学习理论方面的知识，夯实基础，然后逐渐开始读一些偏理论、偏基础机器学习的论文，理解公式和定理之后，学着借鉴他们分析的对象和方法，领会这样的思考过程，再用到自己的研究方向中，才做出了后面的工作。

问题五：获奖感言（/对导师说的话）：

非常感谢学会对我研究工作的肯定，更感激读博过程中我的导师黄庆明教授为我提供了高水平的科研平台，给予了我无条件的支持和信任。其实我做出读博这个选择没有想太多，刚开始科研的时候也有些迷茫，好在黄老师一开始为我选择了我擅长的、看似不那么难的科研课题，让我建立起了自信；他在我遇到瓶颈时的鼓励，在我倦怠、马虎时的鞭策，在我沮丧时的安慰，让我每次都心里暖融融的，也促使我逐渐走上正轨。同时，我也从中学会了如何规划自己的未来，学会了做人要靠谱，要事事有回应、件件有着落；要淡定面对任何可能的磨砺，做一个内心强大的人。黄老师对我的教导中印象最深刻的一句话是“科研很公平，只要努力做到位，努力做到极致，终有一日，你会变成他人的望尘莫及”，十分值得分享给大家。