DMIR实验室

由广东工业大学计算机学院、中国工业数学与应用数学学会数据科学与人工智能专委会和广东省（广州）工业与应用数学学会主办，DMIR实验室承办的一场关于 “新人工智能理论与方法” 的学术报告会，该报告会将在广东工业大学计算机学院举行。请感兴趣的老师同学们踊跃参加，一起交流学习、分享经验，期待您的到来！

报告一

报告题目：避免“刻舟求剑+守株待兔”-----新人工智能的基础算法

报 告 人：郝志峰 教授（佛山科学技术学院校长、教授、博士生导师）

报告时间：2019年5月14日（星期二）下午3：00 —3：30

报告地点：工学一号馆学术报告厅216

个人简介：郝志峰教授，佛山科学技术学院院长、博士生导师（华工、广工），兼任教育部高校数学与统计学教学指导分委员会委员、全国大学生数学建模组委会委员、中国工业与应用数学学会理事、广州市科协常委、广州工业与应用数学会理事长等。主要研究领域为数学建模、运筹与优化、算法的设计与分析等，主持国家"新世纪人才支持计划"、国家自然科学基金、教师教育部优秀青年教师基金、教育部霍英东基金、广东省自然科学基金、广东省"千百十人才"基金等省部级以上项目30多项，在《中国科学》、《IEEEBMC》、《SoftComputing》、《数学学报》（中、英文版）、《科学通报》、《数学进展》等国内外重要刊物上发表论文百余篇。曾获得中国产学研合作创新奖、广东省科学技术一等奖、教育部自然科学奖二等奖、霍英东青年教师奖等。

报告摘要：在人工智能算法的基础上，针对问题集分类与算法集分类的问题，面向素元、分解的唯一性定理、机器建模的比较性原则和简单问题集的形象化解释等子问题，提出机器建模的新人工智能基础算法。对比了Scikit-learn通用机器学习库和自动机器学习工具AutoML（MLBox、Auto-Sklearn、TPOT等），分别从数学、代数和范畴论文的角度对机器建模的思想进行阐述。首先从几何化、分析化和元学习的数学角度看机器建模的若干思路；再从唯一分解定理、无穷小比较、有限覆盖定理、三项正合列和多目标原则等代数角度看机器建模的等价分类；最后从范畴论的角度对机器建模的进行形式化解释。

报告二

报告题目：基于自然语言处理的蛋白质远同源性检测

报 告 人：刘滨 教授（国家优青、哈尔滨工业大学教授、博士生导师）

报告时间：2019年5月14日（星期二）下午3：30 —4：00

报告地点：工学一号馆学术报告厅216

个人简介：刘滨教授，哈尔滨工业大学（深圳）教授、博士生导师。在哈尔滨工业大学获得博士学位后赴美国俄亥俄州立大学从事博士后研究工作。2012年在哈尔滨工业大学（深圳）任教，历任助理教授、副教授和教授。针对生物分子结构和功能精准识别难题，提出基于自然语言处理的生物序列分析算法，发表SCI论文60余篇，并具有较高的引用次数。曾获国家优青（2018）、霍英东青年教师基金（2018）、广东省杰青（2016）、广东特支计划青年拔尖人才（2016）和深圳市青年科技奖（2016）。

报告摘要：蛋白质是组成生命系统的基础物质之一，参与几乎所有生命活动。随着生测序技术的发展，人们已经积累了大量的蛋白质序列数据，而蛋白质结构数却增长缓慢，这两者之间形成了巨大的鸿沟。因此探索基于蛋白质序列预测白质结构的计算方法变得日益紧迫和重要。常用的蛋白质结构预测方法需要于同源蛋白质的已知结构为模板预测新蛋白质的结构，其中如何检测两个蛋质的同源关系是一个关键问题。现有基于计算的蛋白质同源性检测方法在蛋质近同源关系检测问题上已经取得较好的性能，但远同源关系检测性能仍有改进。蛋白质远同源性检测的相关研究对预测蛋白质结构和功能、真正实现因诊断和治疗具有重要意义。因此吸引了大量的研究人员从不同角度对其进深入研究。生物序列是描述生命的“语言”，近年来自然语言处理技术已经被用于解决生物信息学中多个问题。针对“生命语言”中的蛋白质序列，本次报告将介绍研究组近年在基于自然语言处理的蛋白质远同源性检测方面所取得的研究进展。

报告三

报告题目：张量分解在机器学习和图像处理中的应用

报 告 人：杨晓伟 教授（华南理工大学软件学院副院长、教授，博士生导师）

报告时间：2019年5月14日（星期二）下午4：00 —4：30

报告地点：工学一号馆学术报告厅216

个人简介：杨晓伟教授，华南理工大学教授，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。主要从事机器学习和模式识别的研究，在IEEE Transactions on Image Processing、IEEE Transactions on Fuzzy Systems、IEEE Transactions on Cybernetics、 IEEE Transactions on Evolutionary Computation、IEEE Transactions on Medical Imaging等国内外主流杂志和国际学术会议上发表论文100余篇，被国内外同行引用2500余次。指导学术型硕士和博士60余人，其中1人获得国家优青，4人获得广东省杰青，1人获得青年珠江。

报告摘要：在社交网络、神经科学、文本挖掘、图像处理、计算机视觉、信号处理等领域中，大量的多模态数据常常用张量表示。张量分解作为一种数据的低秩近似技术，在张量分析中起到了一个非常重要的作用。在本报告中，基于最近几年的研究工作，我将从张量数据的构造、有监督学习机和半监督学习机的构造、在线学习、张量的特征选择、缺失数据的补全、医学和彩色图像去噪等多个方面详细地介绍张量分解在机器学习和图像处理中的一些应用，并给出实际应用中遇到的一些挑战。