资讯
展览资讯 大型展会 灯光节 大型盛典 赛事 中标捷报 产品快讯 热门话题 艺术节 活动 演出 新闻 数艺报道 俱乐部签约
观点
大咖专访 观点洞察 书籍推荐 吐槽 设计观点 企业访谈 问答 趋势创新 论文 职场方法 薪资报价 数艺专访
幕后
幕后故事 团队访谈 经验分享 解密 评测 数艺访谈
干货
设计方案 策划方案 素材资源 教程 文案资源 PPT下载 入门宝典 作品合集 产品手册 电子书 项目对接
  • 0
  • 0
  • 0

分享

人工智能学院系列学术活动(第20场)——美国弗吉尼亚大学电气与计算机工程系李骏东助理教授学术报告

原创 2022-04-16


人工智能学院系列学术活动(第20场)

李骏东助理教授学术报告

  报告题目 

基于图的因果关系学习

 报告内容 

具备因果关系的学习能力被认为是人类智能的重要组成部分,是人工智能的基础。在因果关系学习中,一个基本的问题是理解特定操作(例如药物处方)对重要结果(例如治愈疾病)的因果影响,这对医疗保健、教育和电子商务等关键领域具有重大意义。解决该问题的一种普遍方法是直接使用观察数据。因为在许多情况下,替代的随机实验可能是昂贵的、耗时的,甚至是不道德的。然而,现有数据驱动的方法往往受到一定限制,因为它们:(1)假设观测数据是独立同分布的(i.i.d.); (2)忽略隐藏的混杂因素的影响,即影响操作和结果的未观察到的变量。与此同时,现实世界的数据通常是连接的,可以抽象为图(例如,社交网络、生物网络和知识图)。图数据在许多有影响力的领域普遍存在,为控制隐藏混杂因素的影响并构建更有效的、无偏的因果效应估计模型提供了机会。在本次讲座中,将介绍团队最近在基于图的因果效应学习方面的研究成果。具体地,试图回答以下研究问题:如何利用观察数据中的图信息进行因果关系学习?当图持续进化时,如何利用历史信息来捕捉隐藏的混杂因素对因果关系学习的影响?


 主讲嘉宾 

李骏东,美国弗吉尼亚大学电气与计算机工程系助理教授,同时在数据科学学院计算机科学系任职。他于2019年在亚利桑那州立大学获得计算机科学博士学位。主要研究兴趣是数据挖掘、机器学习、和因果推理。在国际顶级会议(包括KDD、WWW、AAAI、IJCAI、WSDM、EMNLP、CSUR、TPAMI、TKDE、TKDD、TIST等)发表论文100余篇,被引次数超过5000次。根据谷歌Scholar Metrics,他在特征选择和图表示学习方面的工作是在过去五年ACM CSUR、WSDM、SDM、和CIKM中被引用最多的文章之一。获得了包括NSF职业奖,摩根大通教师研究奖,思科教师研究奖等著名奖项。被选为AAAI 2021新教师亮点计划,是众多顶级国际会议的(高级)程序委员会委员,并为顶级期刊评审,目前担任 ACM TIST 的执行编辑。

 报告时间 

2022年4月20日 (星期三)上午8:00-9:30 

 报告地点 

腾讯会议:679-729-239

 主办单位 

人工智能学院




吉林大学|人工智能学院

吉林省长春市|吉林大学中心校区

正新楼|7F


阅读原文

* 文章为作者独立观点,不代表数艺网立场转载须知

本内容由数艺网主动采集收录,信息来源为 “吉林大学人工智能学院” 公开网络发布内容。第三方如需转载本内容,必须完整标注原作者信息及 “来源:数艺网”,严禁擅自篡改、删减或未标注来源转载。 并附上本页链接: 若您的内容不希望被数艺网收录,或认为此举侵犯了您的合法权益,敬请通过微信 ID:d-arts-cn 联系数艺网。我们将致以诚挚歉意,并第一时间为您办理下架或删除处理。

人工智能 数字媒体艺术 新媒体艺术 科技艺术

24576 举报
  0
登录| 注册 后参与评论