事件序列的建模与学习

演讲者: 严骏驰 博士

时间:2018-06-09 10:30-11:30

地点: 计算机所202会议室

abstract: 通过对事件序列数据的深入分析与建模,往往可以有效刻画现实世界中各类行为的内在机理,乃至预测下次事件的发生时间与属性。这使得事件数据的机器学习在诸如预防性维保、用户商品推荐、诊疗记录分析等各领域中有着广泛的应用前景。相比时间序列,连续时间域的异步事件序列具有发生间隔随机、观测窗口常常被截断等挑战,不易被回归、分类、聚类等经典机器学习方法进行形式化。报告将介绍在基于点过程与深度学习方面在这一问题上的相关研究进展,并对点过程模型与深度学习各自的特点进行了比较和归纳。

  bio: 严骏驰博士现任上海交通大学计算机科学与工程系研究员(博导),上海交通大学信息与通信工程专业博士,CCF优博,ACM中国优博提名。曾于IBM(北京、上海、纽约)任职7年,加入上海交大之前,任IBM中国研究院工业视觉首席科学家,主管研究员,并主导了多项工业视觉检测、预防性维护技术在国内外大型企业和政府创新应用的研发与落地。近年来的研究工作致力于结构与时序信息的建模与学习,在ICML, NIPS,SIGIR, ACL, KDD, CVPR, ICCV, ECCV, AAAI, IJCAI, TIP, TCYB, TPAMI, TNNLS发表论文40余篇,授权美国发明专利20余项。现任中国图象图形学学会视觉大数据专委会副秘书长、ACM中国SIGMM执委、IEEE ACCESS编委。

CLOSE

上一篇 下一篇