新IT卓越大讲堂 No.89期
时间：2025年5月10日（周六）14:30
地点：燕山校区3号楼3306
主办：计算机与人工智能学院
山东省数字经济轻量智算与可视化重点实验室
报告题目：表示学习研究进展与展望
报告人：梁吉业
报告摘要：机器学习方法的性能严重依赖数据的表示。在深度学习时代，数据的表示被融入到学习过程，获得好的数据表示逐渐成为学习的重点。目前，表示学习已成为机器学习和人工智能领域的重要研究方向。本报告首先介绍表示学习的相关背景、主要方法及关键问题；其次对我们在概念认知、泛化误差和贝叶斯错误率三个视角下的表示学习最新研究进展进行阐述；最后我们将探讨图表示学习在点云数据分析领域的应用并对未来研究工作进行展望。
报告专家：
梁吉业，博士、教授、博士生导师，IEEEFellow，中国计算机学会（CCF）会士，中国人工智能学会（CAAI）会士，山西大学学术委员会主任，计算智能与中文信息处理教育部重点实验室主任，曾任山西大学副校长（正校级）、太原师范学院院长。现任教育部科技委人工智能与区块链专门委员会委员，教育部计算机类专业教指委委员，中国计算机学会人工智能与模式识别专委会主任，中国人工智能学会常务理事，山西省计算机学会理事长，享受国务院政府特殊津贴专家。先后主持科技创新“2030—新一代人工智能”重大项目、国家自然科学基金重点项目、国家863计划项目等10余项。先后在AI、JMLR、IEEE TPAMI、IEEE TKDE、NeurIPS、ICML、CVPR等国际国内重要学术期刊和会议发表论文400余篇。作为第一完成人获山西省自然科学一等奖3项、第五届中国国际发明展览会金奖1项、山西省教学成果特等奖2项。2014—2023年连续入选爱思唯尔中国高被引学者榜单。指导的4名博士生分别获得全国百篇优秀博士学位论文提名奖、中国计算机学会优秀博士学位论文奖、中国人工智能学会优秀博士学位论文奖、中国中文信息学会优秀博士学位论文奖。
报告题目：具身智能的理论约束
报告人：于剑
报告摘要：众所周知，大模型成功推动了具身智能的发展。原因何在？本报告试图给出一个理论解释。通过定义离身概念与具身概念，本报告指出大模型可提供具身智能体所要求的离身概念，而难以提供具身智能体要求的具身概念。本报告将讨论具身智能所面临的挑战。
报告专家：
于剑，现任北京交通大学二级教授，人工智能研究院院长，交通数据挖掘与具身智能北京市重点实验室主任。中国计算机学会会士，中国人工智能学会会士，中国人工智能学会副秘书长兼常务理事，中国计算机学会人工智能与模式识别专委会荣誉主任。提出了机器学习公理化问题，著有学术专著《机器学习：从公理到算法》。
报告题目：数据关系引导的监督信息增强
报告人：白亮
报告摘要：监督信息的不充分性是机器学习面临的关键挑战之一。如何利用自然存在的大量无标记数据去提升模型的泛化性是机器学习与数据挖掘领域的重点研究课题。本报告将主要介绍如何基于图学习的思想，充分挖掘和利用数据的关联性去实现监督信息增强，并向大家汇报课题组在无监督学习、自监督学习和半监督学习等方面取得的相关研究进展。
报告专家：
白亮，山西大学智能信息处理研究所所长，教授，博士生导师，国家优秀青年基金获得者。主要研究方向为机器学习与聚类分析，相关研究成果发表在AI、IEEE TPAMI、IEEE TKDE、DMKD、ICML、KDD、AAAI等国际重要学术期刊和会议，主持国家自然科学基金重点项目、科技部新一代人工智能重大项目课题等，博士论文获得了中国人工智能学会优秀博士学位论文奖，作为主要完成人2次获得山西省科学技术奖（自然科学类）一等奖。
