11月13日，第八届中国国际“互联网+”大学生创新创业大赛总决赛圆满落下帷幕，受疫情影响，本届大赛现场总决赛采用线上赛形式进行，来自国际国内各大高校的1128支项目团队汇集云端比拼。经过激烈角逐，实验室项目
《智因未来——新一代因果关系人工智能》
脱颖而出，
以小组第二的成绩勇夺大赛
金奖。
所在产业命题赛道全国仅30项金奖
。实现学院在该项赛事金奖
“零”的突破，
为计算机学院科技创新创业竞赛育人成果添彩生辉，也为实验室推进
因果关系智能运维
领域研究
转化为落地应用、解决产业难题的进程添砖加瓦。
第八届中国国际“互联网+”大学生创新创业大赛获奖名单（广东工业大学）
备赛期间，学校领导老师悉心指导，给予参赛团队多方面的帮助和支持，学校党委书记胡钦太、校长邱学青到现场看望参赛师生，与师生亲切交流，了解参赛团队及项目的备赛情况并给予暖心指导。对项目的技术创新和负责人朱文辉同学的演讲思路和项目展现力给予肯定，对项目细节进行了针对性指导，同时鼓励项目团队要永葆创新精神，不断寻求新的突破，在最后的备赛时间内继续优化完善，以最好的状态展示广工学子的昂扬斗志和拼搏精神。学校学生处等相关部门全力做好赛事组织保障，多次邀请校内外专家通过模拟比赛、辅导工作坊等方式为参赛项目不断提升提供宝贵建议，全面提高项目质量。
学校党委书记胡钦太与计算机学院参赛团队合影
学校校长邱学青与计算机学院参赛团队合影
学校党委书记胡钦太观摩项目路演并指导
学校校长邱学青慰问并指导项目
项目名称：
智因未来——新一代因果关系人工智能
企业命题：
数据和知识混合驱动的5G网络智能运维平台
团队成员：
朱文辉、蔡翰钦、傅雪娟、黄尚樱、陈茵茵、黄佳乐、张奕琪、黄锴瀚、陈佳榕、张少为、刘霖笙、向宇、黄智毅、刘跃群
项目简介：
本项目回应《数据和知识混合驱动的5G网络智能运维平台》命题提出解决方案：面对5G网络多种系统与设备产生的大量告警，应用自研因果推理算法准确识别告警事件之间的因果关系，迅速精准定位故障源头，解放运维人力依赖，大幅提升运维效率。团队完成命题的所有要求指标，并在故障诊断速度上大幅超越命题要求，命题企业给予高度评价。团队围绕一系列首创的创新模型和算法，已申请23项专利、发表80余篇高水平论文。与华为、中国南方电网、中国通信服务南建公司等知名企业在智能运维领域达成合作。
1.因果发现 | 拓扑霍克斯过程事件序列的格兰杰因果关系发现
THP（Topological Hawkes Processes）
是
实验室与华为诺亚方舟实验室合作的告警根因定位方法研究
。在电信网路智能运维场景，基于可观测告警数据来学习各告警类型之间的因果依赖关系是一个极具挑战且有价值的工作, 可有效提升一线工程师的故障根因定位效率。面对实际网络场景告警种类多（大于100），网络拓扑连接关系复杂等特点，我们提出了一种新的事件序列因果假设，即假设各事件与事件之间的因果触发强度不仅与事件类型有关，还与事件所处的网络拓扑位置有关; 针对上述假设我们设计了一种新的针对时空事件序列的因果建模方法，该方法将网络拓扑信息注入到Hawkes Process强度函数并以此计算观测数据的似然值来对学得的因果结构进行打分，同时结合爬山策略来不断调整优化当前学得的因果结构。经验证，该算法在多个人工及实际场景数据上都达到了较优性能。
相关论文：
Cai R, Wu S, Qiao J, et al. THP: Topological Hawkes Processes for Learning Granger Causality on Event Sequences[J]. TNNLS, 2022.
A toy example of the topological-temporal event data
研究成果：
PCIC 2021华为因果推理挑战赛第一名
2.因果性学习 | 基于稀疏关联结构对齐的时间序列领域自适应
时间序列数据的域自适应是一项重要而富有挑战性的任务。这一领域的大多数现有工作都是基于对数据领域不变表示的学习，并借助诸如MMD之类的限制。然而，由于时间戳之间的复杂依赖性，这种领域不变表示的提取对于时间序列数据来说是一项非平凡的任务。具体来说，在完全依赖的时间序列中，时间滞后或偏移量的微小变化可能会导致域不变量提取困难。幸运的是，因果关系的稳定性启发我们去探索数据的领域不变结构。为了降低发现因果结构的难度，我们将其放松为稀疏关联结构，并提出了一种新的用于领域自适应的稀疏关联结构对齐模型。首先，我们生成段集以排除障碍的偏移量。其次，设计了变量内和变量间的稀疏注意机制，用于提取考虑时滞的关联结构时间序列数据。最后，利用关联结构对齐来引导知识从源领域向目标领域的转移。实验研究不仅验证了我们的方法在三个真实数据集上的良好性能，而且在转移知识方面也提供了一些有见地的发现。
该方法已由华为诺亚方舟实验室实现智能运维商用，完成验证和应用。
相关论文：
Cai, R., Chen, J., Li, Z., Chen, W., Zhang, K., Ye, J., ... & Zhang, Z. (2020). Time series domain adaptation via sparse associative structure alignment. AAAI.
稀疏关联结构对齐的时间序列领域自适应框架
研究成果：
NeurlPS 2019解耦算法大赛第一名
3.因果故障根因定位 | 基于因果对齐的故障根因定位
故障根因定位对于无线网络的运行和维护是一项重要而富有挑战性的任务。尽管监督方法在训练样本中显示出良好的结果，但现有的大多数方法都假定训练样本和测试样本是独立的、相同的分布。这种i.i.d假设通常不成立，因为网络故障可能发生在不同域的不同设备(分布转移)。因此，有必要调整训练数据集和测试数据集之间的分布。基于因果机制跨领域的稳定性，提出了一种基于因果对齐的根源定位(CARCL)框架，包括因果对齐和多阶段分类器。CARCL首先为每个因果模块提供局部对齐分布，而不是在完整的变量集上全局对齐。我们进一步开发了一个多阶段分类器，借助伪标签进行故障根因定位。实验证明了该方法的优越性。
相关论文： Liu Y, Zhu W, Qiao J…& Ruichu Cai.(2022).Causal Alignment Based Fault Root Causes Localization for Wireless Network. ICASSP.
基于因果对齐的根源定位方法框架
研究成果：
通信网络智能运维大赛第二名
项目团队全力以赴、用心备赛，针对项目的命题分析、教育维度、团队维度、创新维度、实现维度等方面持续完善项目。指导老师全程参与项目培训和辅导，学生团队认真优化项目，不断实现自我突破，最终刷新了学院获奖新纪录。
项目组负责人朱文辉答辩风采
项目组师生合影
“发掘因果价值，开创智能未来！”是我们的愿景。“我敢闯，我会创！”是我们的行动指南。我们将砥砺坚守，继续努力，为新一代人工智能发展和双创事业贡献一份力量。
邮编：510006 地址：广州市番禺区广州大学城广东工业大学工学馆一号馆723室