科学研究

由中国计算机学会CCF主办,CCF成都、太阳成集团研究生院和suncitygroup共同承办的CCF走进太阳成集团暨第二届“双优”论坛(优秀青年教师成长论坛&优秀硕博生创新论坛)将于2024年6月30日在太阳成集团召开。本次论坛邀请了六位优秀青年学者和硕博生,采用“师生共讲一个报告”的形式分享人工智能与多学科交叉融合的前沿进展和相关成果,探讨博士生和硕士生科研能力培养之路,促进计算机学科青年教师的快速成长和硕博士创新能力的有效提升。


执行主席:CCF成都秘书长、suncitygroup副经理杨新教授

论坛时间:2024年6月30日09:00-12:00

论坛地点:太阳成集团柳林校区经世楼D座2楼新财经综合实验室


会议议程:

时间

报告题目

报告嘉宾(导师+员工)

所属单位

09:00-09:30

概念认知学习 :从数据中挖掘与融合知识

徐伟华、郭豆豆

西南大学人工智能学院

09:30-10:00

大语言模型如何赋能强化学习

魏巍、王达

山西大学计算机与信息技术学院

10:00-10:10

茶歇&合影

10:10-10:40

智能计算系统的研究与趋势

裴颂文、梁圣

上海理工大学光电信息与计算机工程学院

10:40-11:10

无监督/自监督图学习的若干研究进展

黄栋、刘圣余

华南农业大学数学与信息学院

11:10-11:40

基于模糊粗糙集的分层增量特征选择方法

折延宏、田秧

西安石油大学理学院

11:40-12:00

联邦持续学习前沿进展

杨新、喻皓

suncitygroup


嘉宾报告信息:

报告一

导师:徐伟华教授 

西南大学人工智能学院教授,博士生导师,博士后合作导师,重庆市学术技术带头人、重庆市中青年骨干教师、重庆市十佳科技青年提名奖获得者,兼任国际粗糙集学会高级会员、中国人工智能学会高级会员、中国人工智能学会知识工程与分布智能专委会副主任、中国人工智能学会粒计算与知识发现专委会秘书长、中国人工智能学会人工智能基础专委会常务委员、中国优选法与经济数学研究会智能决策与博弈分会常务理事、国际SCI期刊IJMLC, JIFS副主编。已在IEEE TCYB、IEEE TFS、IEEE TNNLS、IEEE TETCI、IEEE TBD、IEEE TAI、INF、INS、KBS、FSS等国内外高水平学术刊物上发表论文230余篇,SCI检索140余篇(次),Google Scholar引用5600余次,H指数41,10篇论文入选ESI高被引论文,科学出版社出版学术著作5部;先后主持了国家自然科学基金4项、省部级科技项目20余项,获河北省自然科学奖三等奖1项,2022、2023年连续入选全球前2%顶尖科学家榜单,多次担任(或共同担任)国际(内)学术会议程序主席、青年论坛主席,多次受邀担任国际(内)学术会议大会报告人,担任美国数学评论评论员,国家自然科学基金通讯评审专家,教育部自然科学奖评审专家,在人工智能、数据挖掘、认知计算、粒计算、信息融合、知识工程等相关研究领域取得一定研究成果。


博士生:郭豆豆  

西南大学博士生,主要从事概念认知学习、粒计算、机器学习等不确定性人工智能相关方向研究。近年来,以第一或通讯作者身份先后在IEEE TNNLS、IEEE TFS、Information Fusion、Information Sciences、计算机研究与发展等国内国外重要学术期刊发表论文10余篇,其中入选ESI热点文章1篇、高被引文章2篇。长期担任IEEE TKDE、IEEE TFS、IEEE TNNLS、IEEE TETCI、IEEE TAI、INS、EAAI、PR、AIR、KIS、COGN、SOCO、IJMLC、JIFS等多家SCI期刊审稿人。


题目:概念认知学习 :从数据中挖掘与融合知识


报告简介:概念认知学习(Concept-Cognitive Learning, CCL)是以概念为知识基本载体,研究事物认知学习过程的科学。通过认知的角度审视概念学习问题,试图揭示人脑概念学习和认知规律。目前,概念认知学习研究在人工智能和认知计算领域正逐渐兴起。本报告将主要回顾概念认知学习的相关研究成果,并从双向、模糊、记忆、高维以及医疗诊断应用等多个角度分享和介绍概念认知学习的最新进展,同时对未来研究工作进行展望。


报告二

导师:魏巍教授  

博士、教授、博士生导师,山西大学计算机与信息技术学院(大数据学院)副经理,CCF杰出会员,三晋英才。长期从事数据挖掘、机器学习、无人系统等方面的研究;先后赴香港城市大学、美国纽约州立大学布法罗分校做访问学者;担任中国人工智能学会知识工程与分布智能专委会副秘书长、粒计算与知识发现专业委员会常委,中国计算机学会人工智能与模式识别专业委员会执行委员、大数据专家委员会执行委员、教育专业委员会执行委员、青年计算机科技论坛(YOCSEF)太原分论坛2022-2023年度主席。近年来,主持和参与国家重点研发计划项目、国家自然科学基金重点项目、国家自然科学基金面上项目、山西省自然科学基金项目10余项。重点围绕表示学习、强化学习等领域的基础科学问题开展系统研究,先后在《IEEE TKDE》、《Machine Learning》、ICML、AAAI等重要学术期刊会议发表论文40余篇,获国家发明专利3项。


博士生:王达   

计算机科学与技术专业2020级博士生,师从梁吉业教授和魏巍教授。主要研究方向为机器学习、强化学习。近年来参与国家重点研发计划项目、国家自然科学基金重点项目和面上项目多项,主持山西省研究生创新项目1项。目前已在ICML、《Machine   Learning》等国内外重要学术期刊和会议发表论文多篇,获国家发明专利2项。


题目:大语言模型如何赋能强化学习

报告简介:经过数十年的研究积累,强化学习以其卓越的复杂问题求解能力,为各领域带来了显著的突破,同时也为大模型的发展起到了推动作用。而大模型凭借其强大的理解和生成能力,为强化学习提供了前所未有的发展潜力。本报告专注于探讨大语言模型在强化学习中的应用与发展,将深入剖析大语言模型如何赋能强化学习,审视该领域当前的应用场景与挑战,并展望其未来的研究方向。此外,汇报强化学习方向近期取得的研究成果。


报告三

导师:裴颂文教授

上海理工大学教授,DF学者特聘教授,博士生导师,计算机系统结构专业博士、工商管理专业博士后,中国计算机学会理事,中国计算机学会杰出会员,上海市计算机学会理事,上海市民防协会监事长,IEEE 高级会员,浦江学者。

担任CCF YOCSEF上海2022-2023主席,中国计算机学会计算机工程与工艺专委会常委,中国计算机学会计算机体系结构专委会常委,上海市计算机学会体系结构专委会副主任,上海市计算机学会普适计算与嵌入式系统专委会副主任等。获得上海市技术发明二等奖、上海市科技进步三等奖、上海市教学成果一等奖、上海理工大学教学成果一等奖等。曾任(挂任)靖江市人民政府副市长、上海理工大学科技发展研究院副经理,杨浦区科学技术委员会副主任,美国加州大学尔湾分校UCI访问学者,澳大利亚昆士兰科技大学高级访问学者。主要从事智能计算、异构计算、深度学习等领域的研究,获得包括国家自然科学基金面上项目(2项)、浦江人才、上海市自然科学基金(2项)、上海市科委专项(3项)、中科院先导科技专项子课题、国家自然科学基金重点课题、公安部交通管理重点课题、上海市经信委专项等基金资助。在IEEE Trans. on SMC、 Information Sciences、ACM Trans. on Internet Technology、CCF Transactions on High Performance Computing、IEEE ESL、中国科学信息科学、计算机研究与发展、计算机学报、HPCA、DAC、ISPA、COMPSAC、ICA3PP等发表学术论文70余篇,其中ESI高被引论文2篇,合著技术专著1部,授权中国发明专利15项,授权美国发明专利2项。


博士生梁圣

控制科学与工程专业2020级博士生,师从顾春华教授和裴颂文教授。主要研究方向为深度学习、联邦学习。近年来参与国家自然科学基金面上项目1项、上海市自然科学基金1项、上海市科委科普专项2项等。目前已在国外学术期刊发表论文1篇。


题目:智能计算系统的研究与趋势

报告简介:人工智能技术及应用方兴未艾,从教育、金融、医疗、交通、科学工程等生产生活的各个方面正全面影响着社会的发展和进步。大数据驱动了人工智能在计算机视觉、自然语言处理等领域的应用,带来了巨大应用需求。本报告从智能计算的ABCD四个方面就应用需求、问题挑战、基本方法等方面综合报告了智能计算系统的研究趋势,并介绍了智能计算系统及应用研究的部分科研成果。



报告四

导师:黄栋教授

华南农业大学数学与信息学院/软件学院副经理、副教授,CCF杰出演讲者(2023),现/曾任CCF数字农业分会副秘书长、YOCSEF广州2022-2023主席、CCF广州分部执委、CCF首届数字农业大会组委会共同主席。主要研究方向是机器学习与大数据分析及其应用,在TKDE、TIP、TNNLS、TCYB、TCSVT、TKDD等国际权威期刊和KDD、AAAI等重要会议上发表论文80多篇,其中一作/通讯作者论文IF之和逾200,4篇论文入选ESI高被引,谷歌引用3000多次。主持国家自然科学基金面上和青年项目等纵/横向项目10多项,部分算法应用于广东省气象大数据订正与分析(已在省级气象单位部署应用)和中山大学孙逸仙纪念医院耳科疾病智能诊断系统等,获ACM广州新星奖(2020)、广东省人工智能产业协会青年科技创新奖(2022)、广东省人工智能产业协会自然科学奖二等奖(2023)。


硕士生:刘圣余

华南农业大学数学与信息学院、软件学院2023级硕士研究生


题目:无监督/自监督图学习的若干研究进展

报告简介:作为数据的最基本表达之一,图结构能够反映数据样本间的关联信息,对大规模多源数据分析也扮演着重要角色。本报告将围绕大规模、高维度、多源异构场景下的无监督/自监督图学习与聚类分析问题,对研究组近期在大规模二部图单步分割算法、多源大规模图融合学习、深度自监督图学习及其应用等方面的一些研究进展进行介绍,并探讨其未来研究方向。


报告五

导师:折延宏教授

理学博士,三级教授,博士生导师,西北大学兼职教授,西北农林科技大学客座教授。2012年入选西安石油大学首届青年拔尖人才支持计划,2016年入选陕西省“青年科技新星”,2018年入选陕西省特支计划“青年拔尖人才”。现为“不确定性数据建模及智能油田应用”陕西省青年创新团队带头人。先后在加拿大University of Regina计算机系、山西大学计算与信息技术学院从事博士后合作研究。现在主要从事不确定性推理、不确定性数据建模、机器学习、人工智能的数学基础等领域的研究工作。先后主持国家自然科学基金重点项目子课题1项,国家自然科学基金3项,省部级科研项目3项,已在国外《The Review of Symbolic Logic》《Studia Logica》《Mathematical Logic Quarterly》《The Logic Journal of IGPL》《IEEE Transactions on Fuzzy Systems》《Fuzzy Sets and Systems》《Information Sciences》《Knowledge Based Systems》以及国内《数学学报》《软件学报》《电子学报》等权威期刊上发表学术论文近60篇,其中SCI检索的论文50篇,所发表论文累计被引用1500余次(Web of Science核心集中他引850次);在科学出版社出版学术著作3部,所取得研究成果曾获得陕西省自然科学二等奖1项,陕西省高等学校科学技术奖二等奖2项。获得陕西省第13届自然科学优秀学术论文二等奖、数学会优秀学术论文二等奖等多项奖励。兼任中国人工智能学会粒计算与知识发现专委会副主任委员、人工智能逻辑专委会常务委员、基础专业委员会委员、知识工程与分布智能专委会委员,陕西省数学会理事,陕西省工业与应用数学学会常务理事。


硕士生:田秧

西安石油大学计算机学院2021级硕士研究生


题目:基于模糊粗糙集的分层增量特征选择方法

报告简介:分层分类是一种利用数据类别间层次结构关系进行分类的任务,可以高效地组织和处理大规模数据.本报告简要介绍团队近两年所开展的分层增量特征选择方面的研究工作。基于分层分类中的兄弟样本选择策略,给出面向分层分类的模糊粗糙集模型,基于传统的依赖度、信息熵等不确定性度量方法,给出了基于模糊粗糙集的分层分类特征选择方法,进一步,给出了增加新样本的增量特征选择方法。通过实验验证了所构建模型与算法的有效性。


报告六

导师:杨新教授

工学博士,教授,博士生导师,suncitygroup副经理,互联网金融创新及监管四川省协同创新中心主任,成都市青年科技联合会副主席,中国计算机学会(CCF)杰出会员和杰出传播者,CCF成都秘书长,YOCSEF 成都学术委员会(22-23)主席,CCF数字金融分会常务委员,CCF大数据专委会执行委员,CCF大模型论坛执行委员,CCF人工智能与模式识别专委会委员,CCF传播工作委员会委员和传播大使,中国人工智能学会(CAAI)粒计算与知识发现专委会委员,四川省人工智能学会常务理事,主要研究方向是可信联邦学习、终身持续学习、智能金融和城市计算等,主持/主研国家级和省部级科研项目10余项,已在IEEE TKDE、IEEE TFS等高水平国际期刊和KDD、WWW、AAAI、CVPR、ACM MM等一流国际会议发表学术论文80余篇,主编/参编教材4部和专著2部,授权/授理国家发明专利7项,HCIS等国际期刊编委,IEEE ICICML、DSInS和PAKDD等国际会议大会主席/TPC/SC,主编国际会议论文集4部,曾获四川省第一届青年教师教学竞赛三等奖,省级一流课程《现代科技与人工智能》(全校通识课)负责人,指导员工获得ACM优秀硕士论文和优秀本科生等奖项以及学科竞赛100余项。


硕士生:喻皓

计算机应用技术22级硕士生,主要研究方向为可信人工智能与联邦持续学习。目前已在KDD、CVPR、TKDE等国内外重要学术期刊和会议发表论文多篇。曾多次前往清华大学人工智能产业研究院、新加坡科技局A-STAR、新加坡南洋理工大学、微众银行等国内外知名研究机构进行学术交流访问。


题目:联邦持续学习前沿进展

报告简介:联邦持续学习作为一种新型的机器学习范式,打破了传统联邦学习中数据的静态限制,使每个客户端既能在持续的任务流上学习,又能与其他参与者共享知识,极大程度上提高了联邦学习落地应用的可能性。本报告将从知识融合与共享的角度出发,分析联邦学习与持续学习深度共同性,探索通过模仿人类多粒度认知视角解决问题的可能性,同时对未来的研究方向进行展望。