021年4月23日下午，于洪教授和馮林教授在明德樓A312分享專題報告；4月24日上午，劉盾教授和李華雄副教授在明德樓A312分享專題報告；同時間，黃兵教授和賈修一副教授在明理樓B306講座交流。

于洪教授給大家分享了三支決策與工業大數據的知識，她談到當前我國正處于工業化和信息化的深度融合時期，發展基于工業大數據的人工智能新技術是實現從制造大國向制造強國邁進的戰略舉措。隨著云平臺及工業物聯網的快速發展，工業環境中的數據種類和數據規模迅速增長，此時有必要將新的理論工具及方法引入工業大數據分析當中，以滿足日益個性化、多樣化、復雜化的工業生產決策需求。 IBM推出的認知計算代表了智能決策的前沿方向，建立在認知計算基礎上的決策方法可助力想從大數據中獲益的企業解決兩大障礙：一是數據來源不統一、格式混雜造成的數據整合難題；二是數據分析難以被直觀理解和運用的問題。通過結合認知計算有望進一步釋放工業大數據的商業價值。三支決策正是這樣一種符合人類認知的智能信息處理模式，有望為復雜問題求解提供一種有效的策略。因此，此次講座借鑒人類對復雜問題求解的認知思路，探討基于三支決策理論的工業大數據分析方法。報告中也給出三支決策理論在鋁電解工業中過熱度預測問題以及大型分層組織機構中成員評價問題的應用示例。

馮林教授主要分享了面向圖神經網絡的少樣本學習模型與算法。深度神經網絡在大量、有標注數據的機器學習任務中取得了巨大成功。但在一些應用場景，如醫學圖像領域，標注大量的數據需要花費大量的人力、物力與財力。如何使用少量標注數據進行建模成為了當前機器學習研究領域的熱點問題。此次報告首先對基于元學習策略的少樣本學習方法進行簡單介紹，然后討論圖神經網絡模型在少樣本學習中的研究，并重點介紹馮林教授團隊提出的面向圖神經網絡的少樣本學習模型與算法。

于洪教授和馮林教授講座現場

于洪教授和馮林教授講座現場

李華雄副教授分享了不確定性決策與機器學習方面的知識。報告的主要內容講到，不確定性是人們在求解非結構化問題過程中常面臨的難題。三支決策為不確定性問題求解提供了良好途徑。其借鑒了人類智能對不確定性的認知思維方式，改進了非此即彼的二支決策思維，將具有不確定性的延遲決策劃分到可選的決策集中，建立了確定與不確定性之間的有機關聯。當決策對象的可用信息不充分，或存在冗余信息、具有前景不確定性或風險不確定性時，延遲決策（邊界域決策）為最優選擇。三支決策為不確定性推理與決策問題提供了一種解決思路，其包含邊界域的風險最小化方法是傳統代價敏感機器學習方法在不確定信息環境下的推廣，可應用于不確定性人工智能的建模與分析。此次報告主要介紹了三支決策、序貫三支決策的概念，以及三支決策與代價敏感機器學習、噪聲數據的機器學習、稀疏低秩學習等學習方法的關聯，并從優化角度解釋三支決策模型中閾值語義與描述方法。

李華雄副教授講座現場

劉盾教授分享了可解釋性分析與動態推薦方法。報告首先從三支決策的三個歷史發展階段出發，通過粗糙集和粒計算兩個研究視角對三支決策的發展蹤跡和演化過程進行介紹；其次，從分類視角探討三支決策的可解釋性問題；最后，介紹一系列基于序貫決策的三支動態推薦方法。

劉盾教授講座現場

賈修一副教授給大家分享了標記分布學習與標記增強方法。標記分布學習作為一種新的學習范式，比多標記學習具有更豐富的標記語義，可以更精確地刻畫與同一示例相關的多個標記的相對重要性差異等，是當今機器學習領域的研究熱點之一。此次報告主要從挖掘標記和樣本的相關性入手，研究相應的標記分布學習算法和標記增強方法，分別提出了基于全局標記相關、局部樣本相關、低秩近似和標記相關特征選擇的標記分布學習算法，以及基于特權信息、多視圖標記增強方法等。和現有算法相比，在各項評測指標上，我們提出的算法都能取得較好的效果。

黃兵教授分享了一種基于相對距離的直覺模糊數排序方法。報告中講到，在處理直覺模糊信息過程中，對直覺模糊數進行排序是一個重要而具有挑戰性的任務。盡管研究者們提出了諸多的直覺模糊數排序方法，但這些方法大多具有這樣或那樣的不足。受基于歐式距離直覺模糊數排序方法的啟發，黃兵教授團隊提出了一種基于相對距離的直覺模糊數排序新方法并討論該方法的一些基本性質。這種方法的基本思想是：同時考慮一個直覺模糊數與正理想點、負理想點和最不確定點的距離，定義一種基于相對距離的直覺模糊數評價函數，根據該函數值的大小對直覺模糊數進行排序。同時，他們討論了這種相對距離測度的進一步拓廣，可望為不確定信息處理提供一個有益的參考。

賈修一副教授和黃兵教授講座現場