特邀报告

 

 

 

 

    陆汝钤,中国科学院数学与系统科学研究院数学研究所

    报告题目:基于知识的广域网计算编配

个人简介:

       陆汝钤,计算机科学家,中国科学院院士。1959年毕业于德国耶拿大学数学系。在知识工程和基于知识的软件工程方面作了系统的、创造性的工作,是我国该领域研究的开拓者之一。设计并主持研制了知识工程语言TUILI和大型专家系统开发环境《天马》。首次把异构型DAI和机器辩论引进人工智能领域。研究出基于类自然语言理解的知识自动获取方法,把ICAI生成技术推进到以自动知识获取为特征的第三代,并开发出基于知识的应用软件自动生成技术。研究出能把中文童话故事自动转换成动画片的计算机动画全过程自动生成技术,在艺术创造领域内推进了人工智能。

 

 

 

 

 

    孙乐,中国科学院软件研究所

    报告题目:基于知识的智能问答系统

个人简介:

       孙乐,中国科学院软件研究所研究员,博士生导师。中国中文信息学会副理事长兼秘书长。《中文信息学报》副主编。 2003至2005年,先后在英国Birmingham大学、加拿大Montreal大学做访问学者,从事语料库和信息检索研究。目前主要研究兴趣:基于知识的语言理解、信息抽取、信息检索与问答系统等。在国内外主要刊物和会议上发表论文百余篇,专利十多项。2008和2009国际测评NTCIR MOAT中文简体任务的组织者、国际计算语言学大会(COLING 2010)组织委员会联席主席、机器翻译峰会(MT Summit 2011)组织委员会联席主席、中文语言评测国际会议(CLP2010、2012、2014)大会主席、国际计算语言学年会(ACL 2015)组织委员会联席主席。

 

摘要:

       问答系统是自然语言处理领域的热点研究方向。近年来,以Google知识图谱、卡内基梅隆大学NELL、德国马普研究所Yago等为代表的大规模知识库的出现,为基于知识的问答系统研发提供了基础。在报告中,我们将介绍如何利用信息抽取技术从中文文本语料库中获取中文知识、如何基于知识来进行文本语义的分析以及如果构建面向基础教育领域的智能问答系统。

 

   

 

 

 

 

    于剑,北京交通大学

    报告题目:归类问题研究

个人简介:

       于剑,博士,教授,博士生导师。北京大学本科,硕士,博士。现任交通数据分析与挖掘北京市重点实验室主任,北京交通大学计算机科学系主任, 中国计算机学会人工智能与模式识别专委会副主任兼秘书长,中国人工智能学会机器学习专委会副主任,《计算机学报》、《软件学报》、《计算机研究与发展》等多个学术期刊编委,数字出版技术国家重点实验室学术委员会委员,主持多项国家自然科学基金项目、教育部重点项目等。主要研究兴趣为模式识别,机器学习、数据挖掘等。已经在国内外重要学术期刊发表相关学术论文多篇,包括TPAMI, CVPR,TIP,TFS,TNN, TSMCB等。

 

摘要:

       无论看到什么,人们都会自动将它们归类于某个概念。归类是模式识别,机器学习和人类认知系统的基本问题之一。对于机器学习来说,归类通常包括回归,分类,聚类和数据降维技术。目前,针对归类问题文献中已经提出了众多的机器学习算法。这些算法的理论基础涉及面极广,包括概率论,信息论,图论,博弈论,模糊逻辑,矩阵论等等, 也极其复杂。 但一个六七岁的小孩已经可以很容易的将日常生活中的对象进行归类, 但难以想象他会使用机器学习中的方法进行归类。 本文试图建立一个认知科学与机器学习的理论桥梁。 其基本假设是: 归哪类,像哪类;像哪类,归哪类。据此,本次报告提出了一个统一的归类表示方法,首次建立了归类公理化体系。该公理化体不仅建立可以推演出归类方法的三条设计原则, 而且以统一的方式重新解释了回归、分类、聚类和数据降维技术。 实际上,该公理体系可以轻松导出许多常见的机器学习算法。

 

   

 

 

 

 

    於志文,西北工业大学

    报告题目:信息物理空间社会交互感知与理解

个人简介:

       於志文,西北工业大学计算机学院教授,博士生导师,洪堡学者,国家优秀青年科学基金获得者。现任西北工业大学学科建设办公室主任,陕西省嵌入式系统技术重点实验室副主任,普适与智能计算研究所所长,曾任计算机学院副院长,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。目前主持国家自然科学基金、973课题、教育部高等学校博士学科点专项科研基金(博导类)、微软高校合作项目等课题。已在国际顶级学术期刊和会议上,如ACM Computing Surveys、IEEE TKDE、IEEE Pervasive Computing、UbiComp等发表论文120余篇,SCI收录60余篇次,他引1000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UbiComp、PerCom、ACM Multimedia、IJCAI等国际会议程序委员或主席40余次。担任IEEE高级会员、中国计算机学会杰出会员、学术工委委员、普适计算专业委员会常务委员、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。

 

摘要:

       随着信息技术的发展,人类生活环境已经由单纯的物理空间转变为信息-物理的共存空间,人类在信息-物理空间中的活动,可以通过不同技术和方法感知,移动社交网络具有感知的实时连续性、数据的真实时空性、服务的即时即地性,对于感知、分析和支持用户行为和社会交互更为有效,报告中将主要阐述如何利用移动社交网络实现信息物理空间社会交互感知、理解与智能服务。

 

   

 

 

 

 

    黎铭,南京大学

    报告题目:半监督软件缺陷挖掘

个人简介:

       黎铭,博士,副教授,博士生导师。主要从事软件挖掘、机器学习方面的研究工作。在《IEEE Trans KDE》、IJCAI、ICML 等重要国际期刊和会议发表论文三十余篇。应邀担任《Frontiers of Computer Science》青年Associate Editor、国际软件挖掘系列研讨会SoftwareMining、PAKDD首届博士研讨会DSDM'11的主席、KDD、ICDM、IJCAI、AAAI等多种一流国际会议程序委员;现任ACM中国会议委员会委员(人工智能方向)、中国计算机学会人工智能与模式识别专委会委员、中国人工智能学会机器学习专委会委员、江苏省计算机学会人工智能专委会秘书长等。曾获得国家自然科学基金优秀青年科学基金、教育部新世纪人才等荣誉。

 

摘要:

       随着软件系统的日趋变得庞大和复杂,软件质量保证变得尤为重要。软件缺陷是影响软件质量的直接诱因,有效检测和识别软件缺陷能够辅助提高软件质量。软件缺陷挖掘是软件挖掘的一项重要技术,它借助机器学习和数据挖掘技术对软件代码进行分析,从中挖掘软件模块中潜在的缺陷模式,可辅助进行软件缺陷的自动检测。为获得性能较好的缺陷检测模型,通常需要对带有缺陷情况标注的历史模块进行学习。然而,在现实应用中,受到各种限制,通常难以获得有用的历史版本模块的缺陷情况,从而导致在实际应用中缺陷检测性能不佳。我们将该软件缺陷挖掘形式化为半监督学习问题,并提出了多种半监督软件缺陷挖掘新方法。