当前位置: 首页   >   实验室文化   >   正文

实验室研一田道强、张志刚、毛奇,研二郭彦亨等同学参加第十二届智能计算及其应用国际会议(ISICA2021)

作者:    信息来源:    发布时间: 2021-11-22

2021年11月20-21日由华南农业大学、广东省大数据分析重点实验室和中山大学主办的第十二届智能计算及其应用国际会议(The 12th International Symposium on Intelligence Computation and Applications ,ISICA 2021)于在广州召开。本次会议论坛将展示来自世界各地的研究人员和软件开发人员的前沿智能计算和应用领域的工作。它旨在将应用先驱和软件开发人员等研究科学家聚集在一起,确定该领域的当前的新问题,讨论问题和解决方案。实验室研一田道强、张志刚、毛奇、史翔宇、张琰、张慧华、张宇、常腾、葛炳辰同学,研二郭彦亨等同学参加了线上会议。

会议包含7场主题报告,强调智能算法、工具、平台及其科学、工程、医疗和工业应用的设计和分析。Witold Pedrycz教授做了题为“基于规则的模型中的联邦学习和知识提取:粒度计算的一种环境”的报告。报告分为五部分:系统建模中的最新挑战前提:基于规则的架构;粒度计算、联邦学习、知识提取、以及最后的总结。

崔志华教授关于面向数据安全的智能优化建模方法的研究进行了报告,针对数据的碎片化和数据源的隐私问题,恶意代码的爆炸式增长,以及进一步降低数据不平衡带来的负面影响,提出了一种基于联邦学习与深度生成模型相结合的检测模型,引入SPP金字塔结构改进神经网络结构并用于恶意代码检测,同时利用智能优化算法对不平衡恶意数据进行优化处理,并设计了一种新颖的参数优化后的多目标RBM模型。通过大量的实验,验证了上述研究方法的有效性,为数据安全问题提供了理论基础。

张晓明教授的报告是针对如何在数据不平衡的环境下进行聚类而展开的相关研究。在许多实际问题中,形成差异类的数据数量可能会相当不均衡,这可能会使大多数机器学习方法的性能在一定程度上恶化。在数据工程和机器学习领域,从不平衡数据中学习的问题是一个非平凡且具有挑战性的问题,近年来受到越来越多的关注。在这次报告中,介绍了不平衡数据学习及其相关技术,以及它的应用。

张文生教授做了Tensor Multi-Elastic Kernel Self-Paced Learning for Time Series Clustering的报告,时间序列的高维性、扭曲性和多弹性测度的集成性等独特特性对现有的聚类算法提出了挑战,其中大多数算法只考虑了解决部分问题。上述报告在高维空间中,借助基于张量约束的自表示子空间聚类方法,包括自配学习范式,来探索数据的基本低维结构,以及来自不同弹性核的高阶互补信息,在统一多核聚类(MKC)框架下同时解决时间序列聚类中的所有上述问题

Yong Liu教授做了Automated Design and Development ofArtificial Intelligence Systems报告。人工智能系统的手工设计涉及到一个多步骤的过程,需要领域知识、人工智能专业知识和计算机科学技能。本次讲座讨论了通过自动化大部分劳动密集型和知识密集型任务,使人工智能系统设计和开发尽可能简单的新解决方案,以便所有用户均可以轻松地实施人工智能技术。

Copyright@1952-2019 太原科技大学复杂系统与计算智能实验室.AllRightsReserved.      
  通讯地址:中国·山西省·太原市万柏林区窊流路66号太原科技大学复杂系统与计算智能实验室    
  邮编:030024,单位电话:0351-2161907,电子邮箱:.