10 月 21 日上午，中国人民大学周峰老师和南京大学王天佐博士应陈薇老师的邀请，来到DMIR实验室作学术报告。
周峰老师以“贝叶斯与深度点过程模型的分析与应用”为题，聚焦点过程模型面临的关键挑战，深入剖析其在灵活性、时变性、可解释性和效率性等方面的进展。周老师阐释了点过程的定义和经典模型，并指出点过程经典模型的问题和解决方案。针对点过程模型参数后验推断的挑战，运用数据增广思想引入隐变量，将模型转变为条件共轭模型，提高了参数推断效率和准确性。针对Hawkes过程无法刻画时变系统的问题，通过引入状态过程并采用数据增广方法，使点过程模型更好地适应时变系统。针对深度点过程模型难以理解的问题，巧妙引入协变量信息，为Transformer Hawkes process模型提供了可解释性。最后，周老师提出点过程未来研究方向，如与大语言模型融合、考虑非 Transformer 架构的深度点过程等。
周峰老师作学术报告
王天佐博士以 “隐变量影响下的因果推断研究” 为题，从关联关系深入到因果关系，聚焦含有隐变量场景的因果推断难题。王博士首先介绍了因果推断基本框架，并指出当部分数据不可观测时，隐变量会导致因果图模型结构难以确定，无法开展因果效应估计。针对这一挑战，王博士建立了 11 条正确且完备的规则，揭示了变量间的因果关系。针对不同结构不确定性场景，通过利用历史干预数据揭示局部因果关系，进而融合局部因果知识设计干预策略，降低干预次数，从而实现隐变量影响下的高效因果推断。最后，王博士还与DMIR实验室的老师和学生分享了自身的科研经历和心得体会：要潜心研究一个重要的问题！
王天佐博士作学术报告
周老师和王博士为各自的研究领域提供了崭新视角，走出了不同于前人的道路，也激发了更多关于因果推理的创新研究。实验室师生与两位嘉宾进行了深入探讨，收获颇丰。
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