首页 > 新闻中心 > 学院新闻 > 阅读正文
新闻中心
CCF优博走进吉林大学活动预告
发布时间:2016-11-23 09:39  点击:2004

热烈欢迎CCF优博走进吉林大学!欢迎师生踊跃参与!

报告内容:1.社会感知计算与研究生创新能力培养2.弱监督机器学习

时间:1126日上午9 地点:计算机楼A521

注意:本次报告除了介绍相关科研内容外,专家还会介绍研究生创新能力培养、科研体会与科研方法,建议博士、硕士研究生以及本科生同学积极参与,定会大有裨益!

 

演讲题目:社会感知计算与研究生创新能力培养

摘要:随着物联网和移动互联网技术的发展,社会感知计算成为计算机领域新的研究热点。报告中将介绍社会感知计算的概念、起源、问题和典型系统,并重点介绍西北工业大学普适与智能计算研究所近年来在这方面的研究工作。此外,还将分享研究生创新能力培养的经验体会,如何做好科研规划,如何提升国际学术水平等。

个人简介:於志文,西北工业大学计算机学院教授,洪堡学者,主要从事移动互联网、普适计算、人机系统、社会感知等领域的研究工作。曾先后在新加坡、日本、德国从事科研工作。已在国际顶级学术期刊和会议上,如ACM Computing Surveys、IEEE TKDE、IEEE TMC、UbiComp、PerCom等发表论文120余篇,SCI收录60余篇次,他引3000余次。担任国际权威期刊IEEE Transactions on Human-Machine Systems、IEEE Communications Magazine、PUC等编委。担任中国计算机学会理事、杰出会员、普适计算专业委员会副主任委员、学术工委委员、大数据专家委员会委员。曾获中国计算机学会优秀博士学位论文奖、UIC2009等国际学术会议最佳论文奖4次。2009年入选教育部新世纪优秀人才支持计划,2011年获得中国计算机学会青年科学家奖,2012年获得首批国家优秀青年科学基金,2013年获得霍英东高等院校青年教师奖,2014年获国家级教学成果二等奖和教育部自然科学二等奖,2015年入选科技部中青年科技创新领军人才计划。

於志文教授

 

 

演讲题目:弱监督机器学习

摘要:在机器学习中,监督信息(supervision information)蕴含了学习问题的语义与规律,是设计有效的学习系统的关键。传统监督学习方法通常基于“强监督假设”(strong supervision assumption)构造学习模型,即:假设训练样本中包含了充分、清晰的监督信息以构造高泛化性能模型。然而,受问题特性、人力物力等因素的制约,在许多真实世界问题中强监督假设往往并不成立。近年来,弱监督机器学习(learning with weak supervision)的研究得到了国际机器学习界的广泛关注,并涌现出了不同类型的弱监督机器学习框架。本次报告将对若干流行的弱监督机器学习框架进行简要讨论,并介绍我们在相关领域的研究进展。

 

个人简介:张敏灵,东南大学计算机科学与工程学院教授。分别于2001年、2004年和2007年于南京大学计算机科学与技术系获学士、硕士和博士学位。主要研究领域为机器学习、数据挖掘。现任中国计算机学会人工智能与模式识别专委会常务委员、中国人工智能学会机器学习专委会秘书长等。担任《Neural Networks》、《Frontiers of Computer Science》、《软件学报》编委,《Machine Learning》等期刊客座编辑。应邀担任PRICAI'16程序主席,AAAI'17、IJCAI'17、ICDM'16、ACML'16等国际会议领域主席或高级程序委员等。获NSFC优秀青年科学基金(2012年度)、入选教育部“长江学者奖励计划”青年学者(2015年度)等。

张敏灵教授

吉林大学计算机科学与技术学院 版权所有 © 2017

地址:吉林省长春市朝阳区前进大街2699号吉林大学前卫南区计算机楼 邮编:130012