20241016【无监督学习前沿进展】刘新旺:基于大模型的图学习

4701
0
2024-11-09 14:23:05
正在缓冲...
84
34
303
53
报告嘉宾:刘新旺 (国防科技大学) 报告时间:2024年10月16日 (星期三)晚上20:00 (北京时间) 报告题目:基于大模型的图学习 报告人简介: 刘新旺,国家自然科学基金杰出青年基金、优秀青年基金获得者。主要研究兴趣包括机器学习、数据挖掘等。近五年以第一或通讯作者在CCF A类顶刊和顶会上发表论文80余篇,包括IEEE TPAMI论文10篇,含3篇独立作者。ESI高被引论文12篇。谷歌学术引用一万七千余次,入选2022-2023年度全球2%顶尖科学家榜单。担任IEEE TNNLS、IEEE TCYB、Information Fusion等期刊AE及ICML、NeurIPS等顶会的资深程序委员/领域主席。部分研究成果曾两次获得湖南省自然科学一等奖(2/6、6/6)。 个人主页: https://xinwangliu.github.io/   报告摘要: 本次报告探讨了基于大模型的图学习在多视图聚类和知识图谱等领域的应用与发展。首先,回顾了本课题组在多视图聚类的融合机理、非完整多视图聚类、深度聚类等方面取得的系列性创新成果:建立了如何充分利用不同类型特征来改进聚类性能的新理论、提出了面向聚类填充来应对非完整多视图聚类的新方法、探索了从原始数据中学习特征来最优地服务于聚类的新应用。随后,系统地讨论了知识图谱推理技术,探讨了如何通过图学习模型来增强知识图谱的准确性与完备性。最后,本报告总结了基于大模型的图学习在各个领域的潜在挑战及未来发展方向,为相关研究提供了有价值的参考与启示。   参考文献: [1] Xinwang Liu. Simplemkkm: Simple multiple kernel k-means[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2022, 45(4): 5174-5186. [2] Ke Liang, Lingyuan Meng, Meng Liu, Yue Liu, Wenxuan Tu, Siwei Wang, Sihang Zhou, Xinwang Liu, Fuchun Sun, Kunlun He: A Survey of Knowledge Graph Reasoning on Graph Types: Static, Dynamic, and Multi-Modal. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2024. [3] Weixuan Liang, Xinwang Liu*, Yong Liu, Sihang Zhou, Jun-Jie Huang, Siwei Wang, Jiyuan Liu, Yi Zhang, En Zhu: Stability and Generalization of Kernel Clustering: from Single Kernel to Multiple Kernel, Advances in NeuralInformation Processing Systems (NeurIPS), 2022. [4] Xinwang Liu, Li Liu, Qing Liao, Chang Tang, Siwei Wang, Wenxuan Tu, Jiyuan Liu, Yi Zhang, En Zhu: One Pass Late Fusion Multi-view Clustering, International Conference on Machine Learning (ICML), 2021.
为计算机视觉、图像处理、模式识别与机器学习等研究领域内的华人青年学者提供深入学术交流的舞台。
客服
顶部
赛事库 课堂 2021拜年纪