报告题目：机器学习技术的挑战与机遇：从数据到信息粒和知识

报告所属学科：管理科学与工程 

报告人：Witold Pedrycz（加拿大阿尔伯塔大学）

报告时间: 2024年11月4日、11月20日、11月27日、12月2日 10:00-11:30

报告地点:腾讯会议: 694-4024-7450  QQ群：687807963

报告摘要:

（1）粒计算与机器学习：协同环境

机器学习的概念、动机和实例，信息粒和粒计算，信息粒的设计，基于规则的架构：符号-次符号视角，学习方案。 

（2）机器学习架构及其结果的可信度

动机、粒度嵌入和高斯过程增强，主动学习的机制。

（3）可解释性和可说明性

可解释性和可说明性，归纳和演绎推理，反事实推理，局部线性模型，处理异构数据，模型的稳定性。

（4）机器学习中的隐私：联邦学习案例。

联邦学习的动机因素：应对数据孤岛，平均和梯度联邦学习，基于联邦学习的规则设计，粒度评估和性能分析。 

（5）机器学习的知识-数据环境

面向数据的机器学习范式，知识表示和知识获取，物理驱动的机器学习方案，匹配数据和信息粒，知识整合，增强的面向知识的损失函数及其优化。

报告人简介:

Witold Pedrycz，加拿大阿尔伯塔大学讲席教授，加拿大皇家科学院院士，波兰科学院外籍院士，电气和电子工程师协会会士。现担任《Information Sciences》和《Wiley Interdisciplinary Review Data Mining and Knowledge Discovery》主编，及《Granular Computing》共同主编。主要研究方向包括粒计算、智能系统、模糊集和模糊系统、模式识别等；并发表多篇高质量论文，出版著作21本，H指数136，计算机科学和电子学排名第70位。