EN
当前位置: 网站首页 > 学术活动 > 正文
【AI大讲堂】系列学术讲座
发布时间: 2023年12月18日 10时48分  作者:   来源:   浏览次数:

时间:2023年12月18日下午15:00-17:30

地点:公司801会议室

主办单位:beat365官方网站


报告一

报告题目:协调广义决策多尺度序信息系统的知识获取

主讲人简介:吴伟志,浙江海洋大学二级教授,博士,先后完成西安交通大学博士后和香港中文大学博士后的研究工作,系国务院政府特殊津贴获得者,全国优秀博士学位论文提名奖和陕西省优秀博士学位论文获得者。主要研究方向:粒计算、数据挖掘、人工智能的数学基础。

主持国家自然科学基金面上项目7项,主持浙江省自然科学基金重点项目1项。发表学术论文250多篇,其中SCI收录100余篇,含ESI高被引论文12篇,发表的SCI论文在Web of Science被他引5600多次,SCI论文h-因子40。在科学出版社出版《粗糙集的数学结构》等4部著作,论著被Google Scholar引用13千多次。连续9年(2014-2022年)入选中国高被引学者榜单,入选全球顶尖数学家榜单、前10万名科学家榜单和爱思唯尔旗下Mendeley Data公布的全球1960年以来所有学科排名前2%顶尖科学家终生成就榜单。获省部级及以上科研成果奖共5项,其中国家科学技术进步奖二等奖(参与,排名第五)1项、教育部科学技术进步奖一等奖1项(参与,排名第四)、浙江省自然科学奖二等奖1项(主持)。

报告摘要:本报告针对广义决策多尺度序信息系统的知识获取问题,首先,引入尺度选择概念,并将优势关系引入到广义决策多尺度信息系统中,给出在不同尺度选择下对象集的优势类和集合的下近似与上近似的定义及其性质。其次,在协调广义决策多尺度序信息系统中定义了5种最优尺度选择的概念,并讨论了它们之间的强弱关系。最后,给出协调广义决策多尺度序信息系统的辨识矩阵约简方法,并在最优尺度选择基础上给出了蕴含在协调广义决策多尺度序信息系统中的序决策规则。

报告二

报告题目:多粒度空间下模糊相似关系的有效值分析

主持人简介:张清华,重庆邮电大学教授、博士生导师。旅游多源数据感知与决策技术文化和旅游部重点实验室副主任,国家人才、重庆市学术技术带头人、重庆市英才名家名师;全国高校人工智能与大数据创新联盟副理事长、中国人工智能学会粒计算与知识发现专委会副主任/人工智能逻辑专委会副主任、重庆市人工智能学会副理事长;主要从事大数据智能分析与决策、多粒度认知计算等方面的研究工作,承担国家重点研发计划课题、国家自然科学基金项目等10余项,发表学术论文100余篇,出版学术专著3部。

报告摘要:作为粒计算理论的一种典型描述,分层递阶的商空间结构(HQSS)致力于模糊数据的层次粒化和隐含知识的挖掘。构建HQSS的最关键步骤是将模糊相似关系转化为模糊等价关系。一方面,该转化过程具有较高的时间复杂度;另一方面,模糊相似关系本身存在大量的冗余信息,即包含的有效信息是稀疏的,很难直接从模糊相似关系中挖掘知识。因此,我们通过理论分析证明了n阶模糊相似关系中的有效值至多为n-1个;模糊相似关系主对角线外的行(列)最大值一定为有效值等一系列结论;设计了模糊相似关系有效值的快速提取算法,在保留同模糊等价关系相同分类能力的基础上,极大地提升了算法的时间复杂度。

报告三

报告题目:三支决策--基于管理与机器学习视角

主持人简介:刘盾,博士,教授/博导,清华大学博士后,美国Carnegie Mellon大学和加拿大Regina大学访问学者,四川省杰出青年科技人才,四川省学术和技术带头人,四川省海外高层次留学人才,先后入选西南交通大学雏鹰学者和扬华学者A类人才计划。是CCF杰出会员、国际粗糙集学会(IRSS)高级会员、CAAI高级会员。是中国人工智能学会粒计算与知识发现专委会常务委员,中国人工智能学会知识工程与分布智能专委会委员、四川省人工智能学会理事。现已在IEEE TFSIEEE SMCAINS等国内外杂志和期刊发表(录用)学术论文180余篇,其中SCI/SSCI检索80余篇,有3ESI热点论文,14篇论文曾经被ESI高引用检索收录,Google Scholar引用次数6000余次,H-index指数43。主持国家自然基金4项,主编专著2部。曾获得四川省哲学社会科学优秀成果二等奖2项、三等奖2项。现任《工业工程》领域主编、《智能系统学报》助理编委、《计算机科学》青年编委。

报告摘要:本报告从管理视角和机器学习视角来探讨三支决策相关理论与方法。首先,阐明三代粗糙集模型的演化过程,厘清三支决策的发展轨迹。其次,讨论管理背景下的三支决策理论和方法,特别介绍一种基于DEA的三支决策模型。再者,从分类和推荐视角介绍我们在基于机器学习三支决策研究的一点工作。最后,给出三支决策在管理与机器学习两个方向未来可能的研究方向。