报告题目1：大规模分类任务的多粒度学习
报 告 人：胡清华教授，天津大学
报告时间：2018年9月21日(周五) 上午8：30-9：10
报告地点：安徽大学磬苑校区行知楼负一楼报告厅
报告摘要：分层分类是一种利用数据类别间层次结构关系进行分类的任务,可以高效地组织和处理大规模数据.近些年来,在这个受到越来越多关注的领域中涌现出许多重要的工作.本文介绍分层分类的定义,并按照不同种类的问题解决策略,对大规模分层分类任务中的几个基本问题的研究进行总结.首先,给出层次结构的形式化定义。其次,分别阐述如何设计分层评价指标、如何构建层次结构、如何利用层次结构信息进行特征选择、如何利用层次结构信息训练分类器以及如何面向层次结构设计停止机制,并介绍具有代表性的相关工作。最后,对大规模分层分类任务进行总结,并展望未来可能的研究方向。
报告题目2：人工智能研究的几个新视角
报 告 人：钱宇华教授，山西大学
报告时间：2018年9月21日(周五) 上午9：20-10：00
报告地点：安徽大学磬苑校区行知楼负一楼报告厅
报告摘要：随着大数据时代的到来和现代技术手段的快速发展，人工智能研究取得了长足发展。纵观整个人工智能研究历史，大致可分为推理期、知识期与学习期，然而这些研究与强人工智能和通用人工智能还有很大距离。本报告抛出概念学习、逻辑学习、关联学习、通用学习以及纯一致性学习五个新的研究视角来审视人工智能，以期引起人工智能领域新的学术思考。
报告题目3：面向流数据的在线学习
报 告 人：高阳教授，南京大学
报告时间：2018年9月21日(周五) 上午10：10-10：50
报告地点：安徽大学磬苑校区行知楼负一楼报告厅
报告摘要：演化数据流是在实际应用中广泛出现的数据形态，其往往具备无限量、高速、概念漂移、高维等特点，这对面向数据流的在线学习算法学习提出了挑战。本报告首先讨论了在发生概念漂移时学习步长对算法追踪悔恨界的影响；进而介绍了演化环境下稀疏在线线性分类模型；其次介绍了一种利用截断策略的预算受限在线特征选择方法；最后，介绍了一种基于集成策略的资源高效的高维演化数据流分类方法。
报告题目4：Towards Knowledge-Based Neural Machine Translation
报 告 人：熊德意教授，天津大学
报告时间：2018年9月21日(周五) 上午11：00-11：40
报告地点：安徽大学磬苑校区行知楼负一楼报告厅
报告摘要：数据驱动的机器翻译已由统计机器翻译发展为神经机器翻译，然而新的机器翻译模式仍然在资源稀缺语言、领域迁移、复杂语言现象等方面差强人意。在这些方面，知识正好可以弥补数据的不足。在本报告中，我们将适用于机器翻译的知识分为外部知识和内部知识，并以此探讨知识、数据与机器翻译模型之间的关系。除此之外，本报告将介绍相关知识驱动型神经机器翻译模型，总结知识在神经机器翻译模型中的融合方法。
主办单位：安徽大学计算机科学与技术学院
欢迎各位老师、同学届时前往！
科学技术处
2018年9月17日