보고서 시간 :1 월 5 일 오전 9시: 00-11 : 30

보고서 위치 : 정보 구축535Smart Academic Lecture Hall

화자 및 보고서 소개 :

Liu Xinwang, 국립 방위 기술 대학의 컴퓨터 꽁 머니 카지노 기술 학교 교수 및 박사 과정 감독자. 국가 뛰어난 젊은이, 훌륭한 청소년 우승자. 주요 연구 관심사는 기계 학습, 데이터 마이닝 등을 포함합니다. 지난 5 년간 첫 번째 또는 해당 저자는CCF 클래스 A 최고 저널 및 컨퍼런스는 독립적 인 저자 3 명을 포함하여 10 개의 IEEE TPAMI 논문을 포함하여 80 개 이상의 논문을 출판했습니다. ESI의 12 개의 고용 논문. Google Scholar는 14,000 번 이상 인용했으며 세계 최고 꽁 머니 카지노자 중 2%의 2022 목록에 포함되었습니다. 그는 IEEE TNNLS, IEEE TCYB, Information Fusion 및 기타 최고 회의 및 ICML, Neurips 등과 같은 저널의 선임 프로그램위원회/현장 의장으로 활동하고 있습니다. 연구 결과 중 일부는 Hunan Province의 자연 꽁 머니 카지노에서 두 번 (2/6, 6/6)에서 1 상을 수상했습니다.

보고서질문: 클러스터링 분석의 이론적 방법 및 응용

보고서소개

다양성, 불완전 성 및 약한 학습 성과 같은 클러스터 분석에서 데이터 특성의 과제에 대한 응답으로,이 보고서는 연구 팀을 소개하여 멀티 뷰 클러스터링의 융합 메커니즘, 불완전한 멀티 뷰 클러스터링 및 클러스터 클러스터링에 대한 새로운 이론을 완전히 활용하는 방법에 대한 새로운 이론, 불완전한 멀티 뷰 클러스터링을 다루는 것이 제안되며, 원래 데이터의 새로운 학습 기능을 최적으로 제공하여 클러스터링을 최적으로 제공합니다. 지속적인 클러스터링 분석은 데이터의 동적 변화를 처리하기 위해 수행 될 계획입니다.

Bai Liang, Diatural, Propertanding Youth Fund의 수상자, 박사 및 교수 및 수상자. 주요 연구 방향은 기계 학습, 클러스터 분석, 반 감독 학습, 자체 감독 학습 등에 중점을 두는 것입니다. 관련 연구 결과는AIJ, IEEE TPAMI, IEEE TKDE, DMKD, DMKD, ICML, AAAI 및 기타 중요한 국제 학술 저널 및 회의는 꽁 머니 카지노 기술의 예술적 지식 사회의 주요 꽁 머니 카지노부의 주요 프로젝트에 대한 주요 프로젝트에 대해 주재했습니다. 수상, Shanxi Science and Technology Award (자연 꽁 머니 카지노 카테고리) 및 ​​기타 상.

보고서질문: 데이터 관계에 의한 감독 정보 향상

보고서소개

부족한 감독 정보는 기계 학습이 직면 한 주요 과제 중 하나입니다. 모델의 일반화를 향상시키기 위해 자연스럽게 존재하는 많은 양의 라벨없는 데이터를 사용하는 방법은 기계 학습 및 데이터 마이닝 분야의 주요 연구 주제입니다. 이 보고서는 주로 광산의 방법을 소개하고 데이터의 관련성을 활용하여 향상된 감독 정보를 달성하고, 감독되지 않은 학습, 자기 감독 학습 및 반 감독 학습에서 연구팀의 관련 연구 진도를 모든 사람에게보고 할 것입니다.

Zheng Kai, 중국 전자 꽁 머니 카지노 기술 대학 교수, 박사 꽁 머니 카지노 감독자 및 전국 청소년 특수 전문가. 주요 연구 영역은 시공간 데이터 분석, 궤적 계산, 자율 주행 알고리즘 및 지능형 데이터베이스 (ai4db), 우주 크라우드 소싱, 추천 시스템 등은 데이터베이스, 데이터 광산 등의 분야에 중요한 회의 및 저널에 200 개가 넘는 논문이 게시되었습니다. 20 개 이상의 발명 특허가 Google 학자의 11,000 개 인용이 승인되었으며, HENDEA는 53 세입니다. 몇 가지 중요한 국제 회의 의장, 프로그램 의장 및 PC.수년 동안, 우리는 지능형 데이터 관리, 정부, 기업 및 개인 응용 프로그램에 대한 효율적인 솔루션을 제공하기 위해 노력해 왔으며 호주와 중국의 여러 자연 꽁 머니 카지노 재단 프로젝트에 주재하고 참여했습니다.

보고서질문: 대규모 벡터 검색 기술 : 동향 및 도전

보고서소개

딥 러닝 기술과 대형 모델의 광범위한 적용으로 인해 대규모 벡터 데이터가 생성되었습니다. 효율적인 벡터 인덱싱 및 검색 기술은 벡터 데이터베이스의 핵심 경쟁력 일뿐 만 아니라 상부 계층에 큰 모델을 적용하는 데 중요한 역할을합니다. 이 보고서는 대규모 벡터 검색 기술의 기본 개념과 주류 방법을 검토하고, 최근 몇 년 동안 벡터 검색 기술의 최신 진도를 도입하고, 향후 개발에 대해 논의 할 것입니다