报告时间：2023年6月4日（星期日）上午9:30-11:30

报告地点：华南理工大学南校区软件学院B7-403

会议主持：杨晓伟教授 

报告题目：高质量数据选择理论与方法

报告摘要：

机器学习理论对学习模型优化和数据质量提升均有重要指导意义，本报告将从噪声视角介绍机器学习理论的可解释性和可用性。报告介绍数据质量的重要性、高质量数据选择方法，以及经典机器学习理论（泛化误差界、偏差方差分解等）以及噪声环境下的学习理论，从噪声视角解释这些理论对噪声数据学习的指导作用。最后介绍团队在高质量数据选择中的理论框架构建及其应用。

报告人：王文剑教授

个人简介：

王文剑，山西大学二级教授，博士生导师，现任山西大学计算机与信息技术学院院长兼大数据学院院长、计算智能与中文信息处理教育部重点实验室副主任，是教育部新世纪优秀人才、山西省学术技术带头人、山西省首批“三晋英才”拔尖骨干人才、山西省青年学术带头人。目前是CCF杰出会员，任中国人工智能学会理事、新工科联盟理事会理事，中国人工智能学会机器学习专委会常务委员、知识工程与分布智能专委会常务委员，中国计算机学会人工智能与模式识别专委会委员，CCF太原分部执行委员会副主席、ACM太原分会副主席。近年来主要从事机器学习与数据挖掘等方面的研究，先后主持国家自然科学基金重点及面上项目7项、省部级项目及企事业委托项目20余项。在JMLR、TKDE、TSC、NN、中国科学、ACM MM、IJCAI等国内外学术期刊和会议发表学术论文260余篇。获山西省自然科学一等奖2项、科技进步二等奖2项。

报告题目：多元时间序列聚类的多视图学习方法

报告摘要：

多元时序数据聚类已成为当前时间序列的重要任务之一，其旨在发现多元序列之间的相关性并将多元时序数据划分为几组子集。尽管目前有一些方法可以处理此任务，但大都无法找到关键的多元子序列。例如，手部运动可以表示为手在一段时间内执行的二维曲线，关键多元子序列可以提供可解释的特征并用于区分不同的手部运动。目前，如何设计多元时序数据间的重要性与关键多元子序列的更新策略是无监督关键多元子序列学习的挑战问题。本报告将从多视图学习与关键子序列学习的角度汇报对该问题的尝试性探索，介绍课题组近期发表的相关工作。

报告人：孙仕亮教授

个人简介：

孙仕亮，华东师范大学计算机学院教授，华东师范大学人工智能研究所常务副所长，上海市计算机学会人工智能专委会主任。本科毕业于北京航空航天大学，博士毕业于清华大学，2007 年进入华东师范大学计算机科学技术系工作，开启了华东师范大学在机器学习领域的教学与科研工作，曾在University College London等海外高校从事访问研究。研究方向包括多视图学习，概率模型与近似推理，统计学习理论与核方法，机器学习在实际问题中的应用等。迄今发表学术论文 100 多篇，2020年出版中文教材《模式识别与机器学习》。担任国际著名期刊IEEE Transactions on Neural Networks and Learning Systems的副编辑、国际著名期刊Information Fusion的机器学习与模式识别领域编辑。