专题论坛II：机器学习

**机器学习专题论坛报告1**

【报告题目】：局部DAG学习与鲁棒机器学习问题研究

【报告摘要】：因果推断通过发现数据中的因果关系揭示数据背后的规律与机制，为构建可解释与鲁棒的机器学习模型提供了有效途径。因此，如何从因果推断视角探索机器学习模型的可解释性与鲁棒性问题是目前机器学习领域的热点研究课题。高效的DAG学习是实现因果推断的前提。本报告首先从因果分析的视角探讨现有机器学习模型可解释性差、鲁棒性不足的原因，然后汇报团队在局部DAG学习与鲁棒机器学习方向的一些初步的研究工作。

【报告人简介】

俞奎，博士，合肥工业大学计算机与信息学院黄山学者特聘教授，博士生导师，中国计算机学会（CCF）优秀博士论文奖获得者，加拿大PIMS博士后奖学金获得者。研究方向为因果推断与因果机器学习，在IEEE TPAMI、IEEE TKDE、IEEE TNNLS、ICML、KDD、AAAI等国际权威期刊与国际顶级会议发表学术论文40多篇。安徽省人工智能学会认知智能与知识工程专委会主任，中国人工智能学会不确定性人工智能专委会委员，粒计算与知识发现专委会委员；担任多个国际人工智能领域顶级会议的领域主席与程序委员会委员。目前主持科技部科技创新2030新一代人工智能重大项目课题一项，国家自然科学基金面上项目一项。

**机器学习专题论坛报告2**

【报告题目】：可信多模态机器学习

【报告摘要】：多模态人工智能技术正在被广泛应用到智能医疗等重要领域。精准、可靠的多模态机器学习成为支持重要应用的关键技术。多模态数据为智能系统决策提供了丰富信息，使得多模态智能系统可以“兼听则明”，提高分类和预测准确性。然而，在许多代价敏感场景中多模态融合及决策的可信性往往更加重要。本报告将介绍多模态机器学习中面向精准的融合技术和面向可信的融合技术，并重点介绍一种端到端的可信多模态融合技术，在多模态协同学习（兼听则明）时，对不同模态进行证据估计（信而有征），从而支持融合及决策的可靠性和稳定性。

【报告人简介】

张长青，天津大学智能与计算学部副教授、博士生导师。本科毕业于四川大学，博士毕业于天津大学。其主要研究方向为多模态机器学习。2017-2018年在北卡罗拉纳大学教堂山分校担任研究员。在IEEE TPAMI/IJCV/NeurIPS/ICLR等期刊和国际会议上发表论文90余篇，10篇论文单篇引用超过100次，4篇论文入选CVPR/NeurIPS口头报告或亮点论文，4篇论文入选ESI高被引论文，1篇论文入选ESI热点论文。Google Scholar引用3100余次。获得重要国际会议论文奖2项。受邀为IEEE TPAMI、IJCV、CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR等多个国际高水平期刊及会议审稿。主持和参与多项国家自然基金面上项目/重点项目、国家重点研发计划项目。

**机器学习专题论坛报告3**

【报告题目】：面向高效标注的医疗图像智能分析

【报告摘要】：近年来，医疗图像智能分析引起了国内外研究者的广泛关注。传统方法在标注数量充足且质量可靠时表现优异。考虑到医疗图像标注方式困难、标注成本较高等客观因素，本报告将探讨近年来面向高效标注的医疗图像智能分析方法的进展，并介绍研究组的若干初步尝试。

【报告人简介】

史颖欢，博士，副教授，分别于2007和2013年在南京大学计算机科学与技术系获学士和博士学位。研究兴趣为机器学习与机器视觉、以及在医疗图像处理、医疗数据分析方面的交叉研究。目前任南京大学计算机软件新技术国家重点实验室副教授、也是南京大学健康医疗大数据国家研究院医疗AI影像平台的主要负责人。近年来主持国家重点研发计划课题、NSFC面上/青年基金、中国计算机学会-腾讯犀牛鸟科研基金、江苏省自然科学青年基金等，参与NSFC重点项目、NSFC国家重大仪器研制项目、国家重点研发计划、江苏省重点研发计划等项目。在相关研究领域的期刊和会议发表论文80余篇。目前任江苏省人工智能学会医学图像处理专委会秘书长、中国计算机学会人工智能与模式识别专委会委员、中国人工智能学会智能服务专委会、模式识别专委会委员、MICS执委会委员。入选中国科协“青年人才托举工程”，获得中国人工智能学会吴文俊人工智能优秀青年奖、江苏省科学技术二等奖（第二完成人）、中国人民解放军军队医疗成果奖（第三完成人）等荣誉。

**机器学习专题论坛报告4**

【报告题目】：待定

【报告摘要】：待定

【报告人简介】

李明，浙江省钱江人才，浙江师范大学“双龙学者”特聘教授、博导， 博士毕业于澳大利亚拉筹伯大学计算机科学与信息技术系，David Myers Research 奖学金获得者，在澳大利亚拉筹伯大学数学与统计系、华南师范大学教育技术系完成两站博士后研究工作；主持国家自然科学基金（青年项目）一项，博士后基金特别资助一项、博士后基金一等资助一项，在IEEE TCYB、IEEE TII、ACM TMOS、 Information Science、Neural Networks、Knowledge-Based Systems、Expert Systems with Applications等国际知名期刊及 ICML、NeurIPS等CCF A类会议发表论文30余篇，目前的研究方向包括图神经网络、图表示学习、几何深度学习、推荐系统、统计学习理论、“人工智能+教育”等；IEEE TNNLS “Deep Neural Networks for Graphs: Theory, Models, Algorithms and Applications”特刊Leading Guest Editor，WSDM2022 PC Member。