CCF@U926:CCF理论计算机科学专委走进华南师范大学
CCF走进高校第926场
敬请关注
由中国计算机学会(CCF)主办,CCF理论计算机科学专委、华南师范大学承办的CCF走进高校活动,将于2023年3月11日在华南师范大学召开,敬请关注。
时间:2023年3月11日(周六)9:00--11:30
活动地点:华南师范大学计算机学院学术报告厅
活动安排:
时间 | 报告题目/报告人 |
9:00- 9:50 | Optimization from Structured Samples for Coverage and Influence Functions |
孙晓明,中科院计算所研究员 | |
9:50-10:40 | Graphs for Non-graph Problems |
操宜新,香港理工大学深圳研究院副教授 | |
10:40-11:30 | 如何成为高水平创新型研究生 |
殷建平,东莞理工学院特聘教授 |
报告信息:
报告题目:Optimization from Structured Samples for Coverage and Influence Functions
报告摘要:We revisit the optimization from samples (OPS) model, which studies the problem of optimizing objective functions directly from the sample data. Previous results showed that we cannot obtain a constant approximation ratio for the maximum coverage problem using polynomially many independent samples, even if coverage functions are PMAC learnable. In this talk, to circumvent the impossibility result of OPS, we propose a stronger model called optimization from structured samples (OPSS), where the data samples encode the structural information of the functions. We show that under three general assumptions on the sample distributions, we can design efficient OPSS algorithms that achieve a constant approximation for the maximum coverage problem. We further prove a constant lower bound under these assumptions, which is tight when not considering computational efficiency. We also extend our study to the task of influence maximization from cascade samples (IMS), and present constant approximation algorithms for this task under mild conditions on the seed set distribution. Comparing with prior solutions, our network inference algorithm requires weaker assumptions and does not rely on maximum-likelihood estimation and convex programming.
嘉宾简介:
孙晓明,中科院计算所研究员,量子计算实验室主任。主要研究领域为算法与复杂性、量子计算等。曾获首批优青、首批万人计划青年拔尖人才资助。目前担任CCF理论专委会主任。
报告题目:Graphs for Non-graph Problems
报告摘要:图论足现代科学中无所不在,是计算机科学中最广泛使用的模型。但并不是所有人都知道,现代图论的研究始于一百年前的匈牙利,而它的起源是化学。它的发源地匈牙利一直是图论研究的主要中心之一。我们将介绍几个图论在不同领域的有趣应用。
嘉宾简介:
操宜新博士是香港理工大学深圳研究院副教授,2012年博士毕业于德州农机大学。在2014年回国之前,他在匈牙利科学院做了两年的研究员。他的研究兴趣是算法图论,细粒度复杂性和算法设计,组合优化,以及它们在生物信息学和社交网络中的应用。他的研究得到了香港研究资助委员会(RGC)和国家自然科学基金(NSFC)的支持。目前主要学术兼职包括中国计算机学会理论计算机科学专业委员会常务委员和中国运筹学会图论组合分会理事。
报告题目:如何成为高水平创新型研究生
嘉宾简介:
殷建平,东莞理工学院特聘教授,博士生导师,网络空间安全学院院长。研究方向为:机器学习与模式识别。享受国务院政府特殊津贴。2015年被评为“万人计划”国家级教学名师。2009年被评为“全国优秀教师”并获国家级教学成果二等奖。指导的博士学位论文获国优1篇、军优1篇、军优提名1篇、省优2篇,指导的硕士论文获军优3篇、省优5篇,1门课程被评为省精品课程,1门课程被评为省一流课程。2007年入选省新世纪121人才工程第一层次并获中创软件人才奖。曾获高等院校青年教师奖。现任国家教育部大学计算机课程教学指导委员会副主任,主持软件工程国家级一流本科专业建设项目和广东省重点专业建设项目。曾任中国计算机学会理论计算机科学专业委员会主任、模式识别与人工智能专业委员会委员、省青少年信息学奥林匹克竞赛委员会主席、我国第一部《计算机科学与技术百科全书》理论分支编委、主任。牵头翻译了《算法导论(第三版)》和《人工智能一种现代的方法(第三版)》,主持国家重点研发计划课题和国家自然科学基金课题等10余项。在IEEE TPAMI, IEEE TKDE, IEEE TIP, IEEE TNNLS, IEEE TC, IEEE TCSVT, IEEE TWC, PR, IF, TOSN等国际期刊与NeurIPS, AAAI, IJCAI, ACM MM, MICCAI等国际会议上发表论文200余篇,其中SCI收录80余篇,EI收录100余篇。4篇论文先后被评为省自然科学一等优秀论文。1部著作获解放军图书奖和中南地区大学出版社优秀学术专著一等奖。获省自然科学奖一等奖3项、发明专利3项、软件著作权1项。曾任FAW 2008的PC共同主席、FAW 2009指导委员会的共同主席、MDAI 2011的大会主席、ELM 2013的Publicity主席、SIGKDD 2015的Social Network主席、IJCAI 2017的PC资深委员、AAAI 2017和SIGCSE 2017的PC委员。
CCF微信公众号,欢迎关注