报告内容
报告围绕时空学习泛化性问题展开，首先介绍了动态时空数据潜在的不变性、可变性、迁移性等多重特性，进而揭示了泛化学习的核心任务是解耦变与不变，从而利用该特性获得集体智慧并增强个体预测。报告从时空学习模型的不变性、环境提示与数据自适应的模型演化、多任务协同学习三个层面展开，构建同任务时域、空域泛化到任务域上协同与增强的时空智能，最后指出相应技术研究在城市科学领域的潜在应用和未来展望.
分享嘉宾
中国科学技术大学苏州高等研究院/软件学院特任副研究员，现任软件学院大数据与人工智能教研室主任、CCF大数据专委会执行委员。主要研究领域是时空数据挖掘及人工智能赋能的城市科学研究，包括认知科学启发的时空数据挖掘以及模型泛化性驱动的城市增长与优化建模，旨在推进城市治理数字化与城市发展优化。截至目前， 周正阳副研究员已累计在NeurIPS、ICLR、KDD、WWW、TKDE、AAAI等人工智能与数据挖掘领域顶级会议/期刊发表第一/通讯作者CCF-B 类以上高水平学术论文17 篇，通讯作者论文获NeurIPS Oral 1 篇，获ACM SIGSPATIAL 中国分会优博（提名）、中国科大优博（提名）、中国科学院院长奖等奖项。目前主持江苏省自然科学基金青年项目1项，作为技术骨干参与国家重大科研仪器研制项目。
