021年4月23日下午，于洪教授和冯林教授在明德楼A312分享专题报告；4月24日上午，刘盾教授和李华雄副教授在明德楼A312分享专题报告；同时间，黄兵教授和贾修一副教授在明理楼B306讲座交流。
于洪教授给大家分享了三支决策与工业大数据的知识，她谈到当前我国正处于工业化和信息化的深度融合时期，发展基于工业大数据的人工智能新技术是实现从制造大国向制造强国迈进的战略举措。随着云平台及工业物联网的快速发展，工业环境中的数据种类和数据规模迅速增长，此时有必要将新的理论工具及方法引入工业大数据分析当中，以满足日益个性化、多样化、复杂化的工业生产决策需求。 IBM推出的认知计算代表了智能决策的前沿方向，建立在认知计算基础上的决策方法可助力想从大数据中获益的企业解决两大障碍：一是数据来源不统一、格式混杂造成的数据整合难题；二是数据分析难以被直观理解和运用的问题。通过结合认知计算有望进一步释放工业大数据的商业价值。三支决策正是这样一种符合人类认知的智能信息处理模式，有望为复杂问题求解提供一种有效的策略。因此，此次讲座借鉴人类对复杂问题求解的认知思路，探讨基于三支决策理论的工业大数据分析方法。报告中也给出三支决策理论在铝电解工业中过热度预测问题以及大型分层组织机构中成员评价问题的应用示例。
冯林教授主要分享了面向图神经网络的少样本学习模型与算法。深度神经网络在大量、有标注数据的机器学习任务中取得了巨大成功。但在一些应用场景，如医学图像领域，标注大量的数据需要花费大量的人力、物力与财力。如何使用少量标注数据进行建模成为了当前机器学习研究领域的热点问题。此次报告首先对基于元学习策略的少样本学习方法进行简单介绍，然后讨论图神经网络模型在少样本学习中的研究，并重点介绍冯林教授团队提出的面向图神经网络的少样本学习模型与算法。
于洪教授和冯林教授讲座现场
于洪教授和冯林教授讲座现场
李华雄副教授分享了不确定性决策与机器学习方面的知识。报告的主要内容讲到，不确定性是人们在求解非结构化问题过程中常面临的难题。三支决策为不确定性问题求解提供了良好途径。其借鉴了人类智能对不确定性的认知思维方式，改进了非此即彼的二支决策思维，将具有不确定性的延迟决策划分到可选的决策集中，建立了确定与不确定性之间的有机关联。当决策对象的可用信息不充分，或存在冗余信息、具有前景不确定性或风险不确定性时，延迟决策（边界域决策）为最优选择。三支决策为不确定性推理与决策问题提供了一种解决思路，其包含边界域的风险最小化方法是传统代价敏感机器学习方法在不确定信息环境下的推广，可应用于不确定性人工智能的建模与分析。此次报告主要介绍了三支决策、序贯三支决策的概念，以及三支决策与代价敏感机器学习、噪声数据的机器学习、稀疏低秩学习等学习方法的关联，并从优化角度解释三支决策模型中阈值语义与描述方法。
李华雄副教授讲座现场
刘盾教授分享了可解释性分析与动态推荐方法。报告首先从三支决策的三个历史发展阶段出发，通过粗糙集和粒计算两个研究视角对三支决策的发展踪迹和演化过程进行介绍；其次，从分类视角探讨三支决策的可解释性问题；最后，介绍一系列基于序贯决策的三支动态推荐方法。
刘盾教授讲座现场
贾修一副教授给大家分享了标记分布学习与标记增强方法。标记分布学习作为一种新的学习范式，比多标记学习具有更丰富的标记语义，可以更精确地刻画与同一示例相关的多个标记的相对重要性差异等，是当今机器学习领域的研究热点之一。此次报告主要从挖掘标记和样本的相关性入手，研究相应的标记分布学习算法和标记增强方法，分别提出了基于全局标记相关、局部样本相关、低秩近似和标记相关特征选择的标记分布学习算法，以及基于特权信息、多视图标记增强方法等。和现有算法相比，在各项评测指标上，我们提出的算法都能取得较好的效果。
黄兵教授分享了一种基于相对距离的直觉模糊数排序方法。报告中讲到，在处理直觉模糊信息过程中，对直觉模糊数进行排序是一个重要而具有挑战性的任务。尽管研究者们提出了诸多的直觉模糊数排序方法，但这些方法大多具有这样或那样的不足。受基于欧式距离直觉模糊数排序方法的启发，黄兵教授团队提出了一种基于相对距离的直觉模糊数排序新方法并讨论该方法的一些基本性质。这种方法的基本思想是：同时考虑一个直觉模糊数与正理想点、负理想点和最不确定点的距离，定义一种基于相对距离的直觉模糊数评价函数，根据该函数值的大小对直觉模糊数进行排序。同时，他们讨论了这种相对距离测度的进一步拓广，可望为不确定信息处理提供一个有益的参考。
贾修一副教授和黄兵教授讲座现场
