报告题目：开放环境机器学习-领域自适应

报告嘉宾：杨晓伟教授 （华南理工大学）

报告时间：2023年4月14日（周五）10：00-12：00

报告地点：工学院会议室（行政中心213）

报告摘要：开放环境机器学习的模型和算法研究是机器学习领域的最新研究课题。为了满足训练数据和测试数据服从独立同分布的基本假设，作为开放环境机器学习中的一个重要研究方向，领域自适应解决的核心问题是源域和目标域数据的联合概率分布不匹配问题。根据目标域数据是否存在标注，领域自适应分为无监督领域自适应和半监督领域自适应。本报告将从边际分布对齐和联合概率分布对齐的角度出发，首先详细介绍闭集浅层领域自适应算法和深层领域自适应算法的最新研究成果，然后引入开集领域自适应的最新结果。希望本次报告能够对从事相关领域的本科生、研究生、博士生和研究人员起到一个抛砖引玉的作用。

报告人简介：杨晓伟，男，博士，华南理工大学软件学院教授、博士生导师。分别于1991年、1996年和2000年在吉林大学数学系、数学所和工程力学系获得理论与应用力学专业学士、计算力学专业硕士和固体力学专业博士学位。研究领域为：机器学习、模式识别和软件工程。主要学术贡献包括：（一）在支持向量机领域，（1）提出了基于核模糊C-均值聚类及最远距离策略的模糊支持向量机分类算法，首次证明了在高斯核所引导的高维特征空间中，由模糊C-均值聚类算法生成的类中心未必在原始低维特征空间中存在原像，纠正了高维特征空间中样本点到类中心的距离计算公式；（2）提出了一种基于非凸优化的鲁棒最小二乘支持向量机算法，解决了模糊支持向量机中的模糊隶属度设置问题；（3）在科学出版社出版了专著《支持向量机的算法设计与分析》（杨晓伟，郝志峰），该书纳入到了“信息与计算科学丛书”中。（二）在张量分析领域，（1）首次提出了线性支持高阶张量机分类模型，克服了早期支持张量机分类模型没有闭式解的不足，从理论上说明了标准支持向量机分类模型是该模型的一个特例；（2）在科学出版社出版专著《张量学习理论及其应用》（杨晓伟，郝志峰，何丽芳），该书将纳入到“统计与数据科学丛书”中，预计2023年6月30日之前出版。（三）在迁移学习领域，首次从统计学的角度出发提出了对齐源域和目标域联合概率分布的浅层和深层迁移学习算法，解决了迁移学习的一个本质性问题。承担了“新一代人工智能”科技部重大项目和广东省科技厅重大项目，在《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE Transactions on Cybernetics》、《IEEE Transactions on Evolutionary Computation》、《IEEE Transactions on Fuzzy Systems》、《IEEE Transactions on Image Processing》、《IEEE Transactions on Software Engineering》、《IEEE Transactions on Knowledge and Data Engineering》、《IEEE Transactions on Geoscience and Remote Sensing》、《IEEE Transactions on Medical Imaging》、《Pattern Recognition》、《Neurocomputing》、ICSE、ICDM、SDM、《计算机学报》、《软件学报》、《计算机研究与发展》等国内外人工智能、模式识别和软件工程主流杂志和国际学术会议上发表论文160余篇。

欢迎工学院老师、研究生和本科生参加！

工学院

2023年4月11日