新闻中心
通知公告当前位置:首页 -> 新闻中心 -> 通知公告
计算机科学与工程学院承办CCF YOCSEF西安"智能计算前沿之优化与学习"专题报告会
发布时间:2017/5/18  浏览次数:1020 次  来源:西安理工大学计算机科学与工程学院
CCF Young Computer Scientists & Engineers Forum
CCF YOCSEF
2017年05月19日(星期五) 14:00 - 18:00 
西安理工大学金花校区北学科楼二楼报告厅 
报告会主题:智能计算前沿之优化与学习
执行主席: 王磊,博士,西安理工大学计算机科学与工程学院教授
                  公茂果,博士,西安电子科技大学电子工程学院教授
                  鲁晓锋,博士,西安理工大学计算机科学与工程学院副教授
报告简介:
特邀报告1:学习指导的演化多目标优化
摘要:进化计算与机器学习是人工智能领域的两个研究方向,一方面演化算法可以用于求解机器学习中的复杂优化问题,另一方面机器学习可辅助演化算法。事实上,演化算法本身也具有内在学习的能力,演化计算研究者从最初即意识到学习在演化算法中的重要性。随着机器学习尤其是统计机器学习方法在过去20年内的崛起,机器学习在演化计算领域的应用日趋明显,有相当一部分最新成果显式地采用了机器学习技术。报告围绕这些研究进展,以多目标演化算法为例,分析了演化算法应用机器学习方法的必要性,并通过我们最近的一些工作举例说明了如何将机器学习方法应用到演化算法。

报告人简介:周爱民,博士,研究员,博士生导师,主要研究方向为演化计算与最优化、机器学习、图像处理和应用。分别于2001年和2003年在武汉大学获得计算机学士和硕士学位,2009年在英国Essex大学获得计算机博士学位,2009年起在华东师范大学工作。在IEEE TEVC、IEEE TCYB等权威期刊和会议发表50余篇学术论文,获IES 2014最优论文,Google Scholar引用量2400余次单篇最高引用量780余次。担任Swarm and Evolutionary Computation、Complex & Intelligent Systems及Swarm Intelligence and Numerical Methods等期刊副编辑或编委,参与创办演化计算与优化(ECOLE)研讨会并担任2016年会议主席。
 
特邀报告2:子集选择问题与演化Pareto优化
摘要:子集选择问题考虑从全集中选择满足要求的最小子集,在许多机器学习等任务中出现,然而其NP难的本质导致传统优化方法性能受限。我们针对子集选择问题,借鉴演化算法思想,发展了演化Pareto优化,在理论和实验上均超越经典子集选择方法。本次报告将汇报演化Pareto优化的近期发展。

报告人简介:俞扬,博士,南京大学副教授。主要研究领域为人工智能、机器学习、演化计算,特别关注演化计算的理论基础与演化学习。分别于2004年和2011年获得南京大学计算机科学与技术系学士学位和博士学位,获2013年全国优秀博士学位论文奖、2011年中国计算机学会优秀博士学位论文奖。2011年8月加入南京大学计算机科学与技术系、机器学习与数据挖掘研究所(LAMDA)从事教学与科研工作。发表论文40余篇,包括多篇Artificial Intelligence、IJCAI、AAAI、NIPS、KDD等人工智能、机器学习和数据挖掘国际顶级期刊和顶级会议论文,研究成果获得IDEAL'16 Best Paper、KDD'12 Best Poster、GECCO'11 Best Theory Paper、PAKDD'08 Best Paper、PAKDD'06数据挖掘竞赛冠军等论文和竞赛奖。获2017年江苏省计算机学会青年科技奖。任《Frontiers of Computer Science》青年副编辑,任人工智能领域国际顶级会议IJCAI’15/17高级程序委员,任IJCAI'16/17宣传共同主席、IEEE ICDM'16宣传共同主席、ACML'16 Workshop共同主席。
 
特邀报告3Population-based search for multi-modal optimization
摘要:The past two decades have witnessed the emerging needs of solving, particularly using computational approaches, hard optimization problems that affect our daily life. Most of these hard problems are multimodal and sometimes with non-differentiable objective functions or constraints. Population-based heuristic search methods are one of the leading approaches that can address such problems. This talk will first illustrate some multimodal optimization problems. Then, recent progresses on population-based search methods will be presented with successful applications.

报告人简介:唐珂,中国科学技术大学计算机学院教授、博士生导师,IEEE Senior Member,主要从事演化计算、机器学习、数据挖掘等领域的研究,已发表论文80余篇,作为第一完成人获教育部自然科学二等奖,2012年入选教育部新世纪优秀人才支持计划。目前担任IEEE Computational Intelligence Magazine等4个国际期刊副编/编委、IEEE Emergent Technologies Technical Committee委员,并曾先后担任2010及2013年度IEEE CEC程序委员会共同主席。
       欢迎广大师生参加!
打印本页 | 关闭窗口
[上一篇]:计算机学院复试(一志愿和调剂生)流程具体安排