时间：2020年8月22日（星期六）13:30-17:30

地点：深圳湾科技生态园 10 栋A座3楼云天励飞全球创新展示中心

论坛诚挚邀请高校师生、企业人士、CCF与CCF YOCSEF同仁参加，期待您的光临！

注：活动日程以当日实际为准

嘉宾介绍

引导报告嘉宾：

崔鹏，清华大学计算机系长聘副教授，博士生导师。研究兴趣聚焦于大规模网络表征学习以及大数据驱动的因果推理和稳定预测。近5年在数据挖掘及人工智能领域顶级会议发表论文100余篇，先后5次获得顶级国际会议或期刊论文奖，并先后两次入选数据挖掘领域顶级国际会议KDD最佳论文专刊。担任IEEE TKDE、ACM TOMM、ACMTIST、IEEE TBD、KAIS等国际期刊编委。曾获得国家自然科学二等奖、教育部自然科学一等奖、电子学会自然科学一等奖、CCF-IEEE CS青年科学家奖、ACM中国新星奖。入选中组部万人计划青年拔尖人才，北京智源青年科学家，并当选中国科协全国委员会委员。

报告题目：Frontiers in Network Embedding and GCN

摘要：Nowadays, larger and larger, more and moresophisticated networks are used in more and more applications. It is wellrecognized that network data is sophisticated and challenging. To process graphdata effectively, the first critical challenge is network data representation,that is, how to represent networks properly so that advanced analytic tasks,such as pattern discovery, analysis and prediction, can be conductedefficiently in both time and space. In this talk, I will introduce the recent trendsand latest progress on network embedding and GCN, including disentangled GCN,anti-attack GCN as well as auto machine learning for network embedding.

黄民烈，清华大学计算机科学与技术系长聘副教授，智能技术与系统实验室副主任。

他的研究兴趣包括深度学习、自然语言处理等，尤其是对话系统、语言生成和情感分析。2019年获得中国人工智能学会吴文俊人工智能科技进步奖一等奖（排名第一），对话系统的研究于2019年获得国家自然科学基金重点项目资助。获得2018年中文信息学会汉王青年创新奖，2019年微软合作研究奖，阿里巴巴创新合作研究奖，入选ACL2019最佳演示论文候选，获得SIGDIAL 2020最佳论文奖，IJCAI2018杰出论文奖，CCL 2018最佳演示奖，NLPCC2015最佳论文奖。研发对话系统平台CoTK和ConvLab2，并多次组织国内外有影响力的对话系统评测与竞赛（DSTC8，DSTC9），获得NTCIR2017年组织的短文本对话生成评测冠军。情感对话模型的工作（AAAI2018）被麻省理工技术评论、英国卫报、参考消息、新华社等媒体广泛报道；常识对话模型的工作获得人工智能顶级会议IJCAI2018杰出论文。担任顶级期刊TNNLS（SCI一区，影响因子>11）编委，顶级期刊TACL的编委，顶级会议ACL2021 Diversity&Inclusion联合主席，EMNLP2021研讨会联合主席，ACL 2020/2016、EMNLP2020/2019/2014/2011、AACL2020的领域主席，AAAI 2017-2020和IJCAI2017-2020的高级程序委员。他的主页位于http://coai.cs.tsinghua.edu.cn/hml/。

报告题目：预训练模型中的自监督学习

摘要：近年来预训练模型在自然语言理解和自然语言生成中都取得了极大的成功。预训练模型充分利用大数据和模型设计的优势，并通过设计精巧的自监督学习训练目标，在许多任务中都取得了卓越的性能。演讲者将总结现有预训练模型中自监督学习任务，并结合自身的研究介绍自监督学习在自然语言处理中的应用案例。

聂飞平，西北工业大学教授、博士生导师。国家青年千人，陕西省百人。主要研究兴趣为机器学习理论和方法，并将所设计的方法成功应用于计算机视觉、数据挖掘、多媒体分析、生物信息学等实际问题中。已在PAMI、IJCV、ICML、NIPS等高水平期刊会议上发表系列学术论文，其中影响因子大于10的一区期刊论文50余篇，IEEE/ACM Transactions期刊论文100余篇，CCF A类会议论文100余篇。论文工作引起国内外学者的广泛关注，总被引用17000余次，H指数72。入选科睿唯安“全球高被引科学家”和爱思唯尔“中国高被引学者”榜单。在新智元发布的全球首个华人AI学术影响力Top100名单中排名第9，在清华大学发布的2020年人工智能最具影响力学者榜单中位居经典AI子领域全球第5。荣获CCF自然科学奖一等奖、吴文俊人工智能自然科学奖二等奖等奖项。常年担任相关领域的审稿人、资深程序委员或领域主席，以及IEEE/Elsevier/Springer等多个SCI一区二区期刊编委。

报告题目：最优均值鲁棒PCA和变权法优化框架

摘要：鲁棒主成分分析(RPCA)是主成分分析（PCA）针对异常数据的拓展方法。本报告介绍了一种基于截断式损失的最优均值鲁棒PCA算法，该方法可以有效地自适应识别异常点，控制异常点比例，同时可以自适应获得数据的最优均值。为了求解截断式函数的优化问题，本报告提出了一种变权法优化框架去解决一类通用的最小化/最大化问题，包括但不限于截断式函数优化、矩阵通用范数优化、奇异值问题优化等优化问题，具有很好的普适性。

刘新旺，国防科技大学计算机学院教授，主要研究兴趣包括核算法、多视图聚类算法、特征选择算法等。发表IEEE Trans及CCF A类论文50余篇，包括IEEE T-PAMI、IEEE T-KDE、IEEE T-IP、NuerIPS、CVPR、ICCV、AAAI、IJCAI等。谷歌学术引用2300余次，3篇进入ESI计算机科学学科前10%层次。担任AAAI 2020、IJCAI2020-2021等国际人工智能顶级会议的高级程序委员会委员，以及InformationFusion的副主编。主持国家自然科学基金青年基金、面上项目、优秀青年基金各一项，研究成果获湖南省自然科学一等奖。

报告题目：缺失多视图聚类算法研究

摘要：围绕多视图聚类问题展开研究：提出了矩阵范数正则化多模态聚类算法以降低冗余性和增强多样性；提出了缺失多模态分类、聚类算法以解决具有缺失模态的分类、聚类等学习问题；提出了噪声多模态分类、聚类算法以解决具有噪声模态的分类、聚类等学习问题。

执行主席：

参与方式：

1. 线上参与讨论：请扫码加入以下微信群交流，如果失败请关注YOCSEF深圳公众号后获取微信群链接。会议开始前将公布腾讯会议链接，同时将对全程进行直播，会议链接及直播地址将提前在微信群和YOCSEF深圳公众号放出，敬请关注。

2. 线下参与：本次活动线下场地将限制40人参加，请大家先报名，获得位置后方可自行前往线下场地。如果未获得位置的，请不要自行前往线下场地，可以加入线上群参与讨论。

线下会议地址：深圳湾科技生态园 10 栋A座3楼云天励飞全球创新展示中心

最近地铁站：9号线高新南站