学术讲座

首页 > 通知动态  > 学术讲座
2019年6月12日学术报告二则(Michael Sheng教授、薛珊 博士,澳大利亚麦考瑞大学)
2019年06月10日09时 人评论

报告题目1:Managing The Internet of Things (IoT): A Decade's Overview

报告时间2019年6月12日(周三)下午14:30

报告地点:计算机学院E202会议室

报告人:Michael Sheng教授

报告人单位:澳大利亚麦考瑞大学

报告人简介:

    Michael Sheng教授,澳大利亚新南威尔士大学计算机科学博士,现任麦考瑞大学计算机学院院长和全职教授。主要研究领域涉及万维网、物联网、大数据分析、网络服务、智慧城市、社会网络和普适计算。在计算机领域核心期刊或顶级会议上发表论文350余篇,其研究成果被国际同行广泛引用,迄今被引用8900余次,其中14篇论文被引用超过100次,最高单篇引用为1517次。

Michael Sheng教授2019年被AMiner评选为物联网最具影响力学者100强(排名第24位),2014年获澳大利亚国家基金委ARC-Future Fellowship2012年获澳洲计算机领域研究最高奖Chris Wallace杰出研究贡献奖,2003年获得微软学者奖。Michael Sheng 教授的研究得到澳洲政府和工业界的大力支持,先后获得超过8百万澳元科研经费。Michael Sheng教授受邀担任多个国际顶级会议的会议主席。

报告摘要:

    The Internet of Things (IoT) is widely regarded as an important technology to change the world in the coming decade. Indeed, IoT will play a critical role to improve productivity, operational effectiveness, decision making, and to identify new business service models for social and economic opportunities. While IoT-based digital strategies and innovations provide industries across the spectrum with exciting capabilities to create a competitive edge and build more value into their services, there are still significant technical gaps in making IoT services a reality, specially on effectively managing large volume of IoT devices and information generated from them. In this talk, I will overview my research team's more than 10-year research activities on IoT services, and also discuss some future research directions.

I will also use the opportunity to give a brief introduction on Macquarie University and its computing research and education. A team is available to answer inquires for students who plan to study in Australia.

 

报告题目2:社交网络中的迁移学习

报告时间2019612日(周三)下午1530

报告地点:计算机学院E202会议室

报告人:薛珊

报告人单位:澳大利亚麦考瑞大学

报告人简介:

薛珊博士毕业于悉尼科技大学(UTS)人工智能研究中心(澳大利亚最大人工智能研究中心),现任麦考瑞大学计算机学院研究员,兼任澳大利亚联邦科学与产业研究院(CSIRO)数据科学部(Data61)合作科学家。研究领域包括:社交网络中的模式识别、机器学习中的知识迁移、商务智能下的数据挖掘等。发表包括模式识别顶级期刊Pattern Recognition等高水平文章10余篇,其中迁移学习综述论文已被引用202次,2018年荣获世界人工神经网络大会IJCNN18最佳学生论文奖(唯一)。核心参与澳洲联邦政府学术类基金项目4项,担任国际顶级计算机学术会议程序委员7次。

报告摘要:

本次报告结合迁移学习和网络学习,重点探讨跨领域的网络表达问题。网络表达旨在学习潜在的属性空间以服务人工智能算法。从网络拓扑结构中发掘潜在信息是这一学习任务的首要目的,进而为传统机器学习任务,例如:节点分类、用户推荐、数据可视化等,提供有用知识。网络作为一种特别的带有结构的数据形式,因其结构搜索过程复杂,限制了网络表达的效果。因此,寻求优秀的节点取样策略在网络表达研究中起到了至关重要的作用。近期研究在网络随机游走方向取得了突破性进展,得到了学界产业界的高度关注。然而,现实世界网络结构稀疏的特点仍然没能在机器学习领域找到突破,单领域内的学习效果不足以保证良好的网络知识表达效果。为了解决这一问题,我们的研究着眼于跨领域知识迁移,本次报告将汇报我们近阶段基于跨领域学习的图表达的研究进展,报告包括:大规模信息网络之间的网络结构迁移学习框架、跨领域图表达算法、图领域相似度学习算法等。

 

 


版权所有 ©武汉大学计算机学院 | copyright © 2008-2018 School of Computer Science, Wuhan University. All Rights Reserved.