报告人：张莉 苏州大学教授，博士生导师，江苏省杰青
报告时间：2021年12月8日19:00-20:00
线下参会地点：信息楼 X310
线上腾讯会议链接：https://meeting.tencent.com/dm/MChd7tu9OjE
腾讯会议ID： 218 766 283
报告摘要：小样本数据的高维化给数据挖掘和机器学习领域带来了新的机遇和挑战。本报告讨论了一类高维数据的特征选择方法——Relief家族。本报告分别讲述了有监督的Relief方法和半监督的Relief方法。在有监督Relief方法家族的发展过程中，有两个问题需要考虑，一是近邻的选择或表示，二是优化目标函数的构造或者优化。本报告针对这两个问题，提出了新的有监督Relief方法。在半监督Relief 方法中，关键问题是如何处理无标记样本。基于此，提出了新的半监督Relief方法。在基因数据上的实验结果表明了，Relief方法的有效性。
报告人介绍：张莉，苏州大学教授，博士生导师，江苏省杰青。主要研究方向为机器学习、模式识别、图像处理。2002年，在西安电子科技大学获得工学博士学位，博士论文被评选为陕西省优秀博士学位论文。2003年4月至2005年5月，在上海交通大学控制科学与工程博士后流动站工作。2005年5月至2010年8月，在西安电子科技大学智能信息处理研究所作研究工作。从2010年8月至今，在苏州大学计算机科学与技术学院工作，2015年入选苏州大学“东吴学者计划”。获得江苏省杰出青年基金资助及江苏省“六大人才高峰”高层次人才项目资助，是江苏省高校“青蓝工程”优秀青年骨干教师培养对象，并获得江苏省首届“江苏省优秀计算机科技工作者”称号。到目前为止与合作者出版专著3部，发表论文100余篇，其中SCI检索40余篇，EI检索60余篇，SCI他引400余次；主持国家自然科学基金三项、省自然科学基金两项。中国人工智能学会机器学习专业委员会委员,中国人工智能学会粗糙集与软计算专委会委员，中国计算机学会人工智能与模式识别专业委员会委员，江苏省计算机学会第七届理事会理事，江苏省计算机学会第七届理事会理事青年工作委员会副主任。
报告题目二：因果结构学习与鲁棒机器学习问题初探
报告人：俞奎 合肥工业大学黄山学者特聘教授，博士生导师
报告时间：2021年12月8日20:00-21:00
线下参会地点：信息楼 X310
线上腾讯会议链接：https://meeting.tencent.com/dm/MChd7tu9OjE
腾讯会议ID：218 766 283
报告摘要：构建鲁棒的机器学习模型是实现安全、可信、可靠的新一代人工智能技术的重要基础之一。因果推断通过发现数据中的因果关系揭示数据背后的规律与机制，为构建鲁棒的机器学习模型提供了有效途径。因此，如何从因果推断视角探索机器学习模型的鲁棒性问题是目前机器学习领域的热点研究课题。在Pearl’s因果推理模型框架下，因果结构学习是因果推断前提。近20年来，因果结构学习一直是因果推理领域的核心研究方向。探索如何高效的从数据中学习因果结构以及探讨因果结构学习与机器学习模型的鲁棒性问题，是因果推断与机器学习融合的重要研究方向。
报告人介绍：俞奎，合肥工业大学黄山学者特聘教授，博士生导师，研究方向为因果推断与机器学习、自然语言处理等。2013年在合肥工业大学取得计算机科学与技术专业博士学位。2013年-2018年分别在加拿大和澳大利亚全职从事研究工作。2018年8月入职合肥工业大学计算机与信息学院。在IEEE TPAMI、IEEE TKDE、IEEE TNNLS、ICML、KDD、AAAI等国际权威期刊与国际顶级会议发表学术论文40多篇。曾获2014年度中国计算机学会（CCF）优秀博士学位论文奖，2014年度加拿大太平洋数学研究院（PIMS）博士后奖。目前主持科技部科技创新2030-“新一代人工智能”重大项目课题（课题一负责人）和子课题各一项，国家自然科学基金面上项目一项。安徽省人工智能学会认知智能与知识工程专委会主任，中国人工智能学会不确定性人工智能专委会委员，粒计算与知识发现专委会委员；担任多个国际人工智能领域顶级会议的领域主席与程序委员会委员。
终审人：张志远