应计算机科学与工程学院邀请，中国科学院计算技术研究所何清研究员将来我校作学术报告，具体事宜公告如下：

报告题目：可解释人工智能——基于超曲面的机器学习算法研究

报告地点：教学9号楼D01

报告时间：2021年5月22日15:00

届时欢迎广大师生积极参加！

 【报告简介】本报告围绕可解释人工智能这一热点话题，介绍何清提出的基于超曲面的一系列机器学习算法，包括：基于超曲面的分类方法；极小样本集与分类精度；基于超曲面的并行分类算法；基于超曲面的大数据分布发现算法；基于超曲面的聚类算法；基于超曲面的离群点检测方法。除了介绍算法，更重要的是阐明极小样本集对分类精度的决定性影响，以及在分布不确定的大数据抽样中的重要作用。阐述几何方法在可解释人工智能中的作用。

【报告人简介】何清，2000年8月北京师范大学博士毕业后进入中国科学院计算技术研究所做博士后工作，出站后留所工作，现任中国科学院计算技术研究所研究员、博士生导师，中国科学院智能信息处理重点实验室机器学习与数据挖掘课题组负责人。兼任中国人工智能学会副秘书长、常务理事、机器学习专业委员会常务理事、分布智能与知识工程专业委员会副主任委员、中国电子学会云计算专家委员会和大数据专家委员会委员。

在大数据挖掘领域做出突出成就和创新贡献，主要研究机器学习与大数据挖掘。主要学术贡献：提出了基于超曲面的覆盖学习算法；提出极小样本集抽样方法与相关理论；提出了基于进化规划的基于摄动的模糊聚类改进算法，解决了模糊聚类失真问题；证明了模糊集扩展原理在范畴论意义下的合理性；提出概念语义空间用于知识管理；提出基于极端学习机的分类、聚类、回归、异常发现算法。已在国内外刊物和学术会议上发表论文300余篇，其中CCF A类论文40余篇。论文被谷歌学术引用4760次，并行聚类算法论文单篇引用达784次。2008年底，开发完成了我国最早的基于云计算的并行大数据挖掘平台，用于TB级实际数据的挖掘，实现了高性能、低成本的数据挖掘，使我国获得了自主知识产权的基于云计算的数据挖掘技术，引领了基于云计算的大数据挖掘技术在产业的落地。何清先后主持完成多个有关数据挖掘的国家自然科学基金项目和863项目，承担完成或参加完成的多项国家自然科学基金项目被评为优或特优。承担完成了两项863项目获得好评。提出了一系列有效的数据挖掘算法和多个并行机器学习算法，组织开发实现了四十多个并行机器学习算法，所开发的多个数据挖掘软件获得了软件著作权，并实际应用到电信、电力、信息安全、环保、保险、金融行业的数十家企业，为企业带来了可观的经济效益和社会效益。曾获PAKDD2018国际会议最有影响力论文奖。2006年北京市科学技术奖，2015年获得吴文俊人工智能科学技术创新奖二等奖。