会议名称：机器学习前沿技术报告会

时间：2019年12月26日9:45-11:15

地点：bet356亚洲版在线体育办公楼310会议室

报告一：孪生支持向量机研究进展

报告摘要：孪生支持向量机（Twin Support Vector Machine, TWSVM）是在支持向量机(Support Vector Machine, SVM)的基础上发展出来的新的机器学习方法。作为一种新兴的机器学习方法，孪生SVM自提出以来，引起了国内外学者的广泛关注，已经成为机器学习领域的研究热点。本报告对孪生支持向量机的最新研究进展进行综述，其主要内容可概括为1-2-3：1-介绍支持向量机SVM模型，2-阐述孪生SVM基本概念与基本模型，并对近几年来新型的孪生SVM的研究进展进行讨论，3-进一步扩展孪生SVM为多生支持向量机(Multiple Birth Support Vector Machine, MBSVM)，最后对将来的研究工作进行了展望。

报告人：丁世飞，男，工学博士，中国矿业大学教授、博士生导师，中国科学院计算技术研究所客座研究员，计算机科学与技术博士点学科带头人，中国矿业大学-中国科学院智能信息处理联合实验室负责人。兼任中国计算机学会理事、中国人工智能学会理事。担任国际期刊《International Journal of Collaborative Intelligence》主编、多个国际期刊的编辑等。担任多个国际会议IEEE/ACIS，ICML，ICIC，SNPD等的程序委员会主席或委员。主要研究领域为人工智能、机器学习、模式识别、大数据智能分析等理论与应用研究。在国际重要学术期刊和会议INS, KBS, AIR, JIS, ICML，计算机学报，软件学报等上发表研究论文200余篇，其中SCI收录130余篇、ESI高被引论文2篇，入围2017年度全球排名前十万科学家榜单。

作为主要参加人参加并完成国家“863”高技术研究发展计划项目1项、国家自然科学基金重点项目1项、面上2项。主持并完成国家“973”课题1项、国家自然科学基金面上项目2项、江苏省基础研究发展计划1项。现正主持国家自然科学基金项目2项、中央高校基本业务费重点专项1项。

曾获全国优秀博士学位论文提名奖、吴文俊人工智能科学技术三等奖、江苏省科学技术三等奖1项、江苏省教育科学与研究二等奖、三等奖各1项。

报告二：智能推荐中的高维数据表示

报告摘要：推荐系统已经成为电子商务平台和社交网络平台必不可少的重要功能组件。对海量级用户物品进行有效表示是智能推荐面临的首要任务。本次报告试图从推荐模型设计和理论探索角度，展示推荐系统中高维数据表示的思路和最新进展。主要包括：如何对推荐系统中高维稀疏数据进行有效表示，如何有效融合多源信息对高维推荐数据进行精细建模，以确保深入挖掘用户偏好多样性，最终提升个性化推荐性能。

报告人：景丽萍，女，博士，教授，博士生导师，北京交通大学计算机科学系系主任/北京交通大学卓越百人。中国计算机学会人工智能与模式识别专委会委员，中国人工智能学会机器学习专委会委员。分别于2000年、2003年从北京交通大学计算机科学系获学士、硕士学位，2007年从香港大学应用数学系获博士学位。2014年破格晋升教授，2018年获得国家自然科学基金优秀青年基金。

主要研究方向为机器学习、高维数据表示及其在人工智能领域中的应用等。近年来在国内外重要学术期刊和会议上发表100余篇论文（包括顶级国际学术会议AAAI、IJCAI、CVPR、ACM MM以及IJCV、ACM/IEEE Trans.系列顶级期刊）。先后承担国家自然基金优青/面上项目、北京市自然基金重点研究专题等。先后组织国际学术会议RSKT、ACML，以及国内重要会议MLA等。