报告时间：2025年6月7日10：00—12：00

报告地点：人工智能学院801会议室

报告一：面向标签移位的自适应学习方法初探

   专家简介：侯臣平，国防科技大学教授，博士生导师。主要从事人工智能基础方面的研究工作，在自适应学习理论与应用等方面取得了系列研究成果。近年来，在IEEE TPAMI、JMLR等国内外刊物和会议上以第一/通讯作者发表学术论文100余篇（包括IEEE/ACM汇刊长文50余篇），担任ICML、IJCAI、AAAI等会议的AC/SPC/PC等，是PR、FCS等SCI期刊的编委，多篇论文进入ESI各层次高被引论文。主持科技部2030重大项目课题、国家自然科学基金重点项目课题等15项项目。获中国图象图形学学会自然科学一等奖1项、省部级一等奖1项，获国家杰青、优青、湖南省杰青等。

报告摘要：大数据时代的诸多应用场景为开放环境。自适应学习是一种应对开放环境中学习要素变化的机器学习新领域。本报告以标签移位这一典型的开放场景中的学习问题为例，根据目标域信息利用程度逐渐增加的方式，介绍课题组在这些方面的一些初步尝试和探索。最后，对该研究方向进行了简单的总结和展望。

报告二：从随机一致性视角对学习理论洞见、重构与延拓

   专家简介：钱宇华，博士，教授、博士生导师；国务院特殊津贴专家、国家高层次人才入选者、科技部科技创新领军人才、教育部新世纪人才、国家优青；山西大学大数据科学与产业研究院院长，演化科学智能山西省重点实验室主任，机器视觉与数据挖掘山西省工程研究中心主任，计算智能与中文信息处理教育部重点实验室副主任；中国人工智能学会理事、粒计算与知识发现专委会副主任、机器学习专委会委员，中国计算机学会模式识别与人工智能专委会委员。从事人工智能、大数据、科学智能等方面的研究。主持承担国家基金重大项目/重点项目/优青项目、国家重点研发计划、揭榜挂帅重大专项等重大/重点类项目10余项；在AI、ACM TOIS、JMLR、ML、IEEE TPAMI、IEEE TKDE、IEEE TIP、IEEE TAC、IEEE TEVC、中国科学、ICLR、NeurIPS等国内外重要期刊和会议发表论文200余篇；获山西省自然科学奖一等奖（2次）、中国计算机学会优秀博士论文、全国百篇优博提名奖、教育部宝钢奖特等奖等荣誉，5次入选全球高被引科学家，10次入选Elsevier中国高被引学者榜单。

报告摘要：机器学习是人工智能诸多领域的共性基础与关键技术，机器学习理论、模型与算法的原理可解释性关乎到人们可否可信有效地使用人工智能。然而，在基于机器学习进行决策时，由于受到数据噪音、标注偏好等复杂因素影响，或由于缺乏足够证据和先验知识，决策结果与真实情况由于随机产生的一致性时有发生。此随机一致性将导致决策缺乏客观性与可重复性，给机器学习理论与模型的可信性造成解释性灾难，给经典可学习理论与方法带来了挑战。为此，如何重构具有原理可解释性的可学习理论成为了人工智能的一个基本科学问题。报告从发现人工智能领域广泛存在的随机一致性现象出发，对传统机器学习理论进行重新审视、重构与延拓，以期构建更加科学可信的机器学习理论与方法。