面向开放场景的鲁棒机器学习专刊前言
CSTR:
作者:
作者单位:

作者简介:

陈恩红(1968-),男,博士,教授,博士生导师,中国科学技术大学大数据学院执行院长,计算机科学与技术学院副院长,中科大智慧城市研究院(芜湖)院长,大数据分析及应用安徽省重点实验室主任,安徽省计算机学会理事长.CCF会士,CAAI会士,国家杰出青年基金获得者,科技部重点领域创新团队负责人,中组部“万人计划”科技创新领军人才.《IEEE Transactions on Knowledge and Data Engineering》《IEEE Transactions on System Man and Cybernetics:System》《ACM Transactions on Intelligent Systems and Technology》《Knowledge and Information System》等期刊编委.曾获KDD 2008最佳应用论文奖、KDD 2018最佳学生论文奖、ICDM 2011最佳研究论文奖,教育部自然科学一等奖;
李宇峰(1983-),男,博士,南京大学人工智能学院副教授,博士生导师.入选CCF优博、CCF首届青年人才发展计划.从事机器学习、数据挖掘的研究,相关成果在领域重要期刊会议发表论文60余篇.现为中国人工智能学会机器学习专委会秘书长.担任IEEE BigComp20、MLA20、CCML21共同程序主席,ACML21 Journal Track共同主席,ACML19 Tutorial和ACML18 Workshop共同主席;担任《Machine Learning》《Neural Network》等国际期刊编委,《Frontiers of Computer Science》青年编委;长期担任AAAI、IJCAI、ICML等重要国际会议领域主席/资深程序委员;
邹权(1982-),男,博士,电子科技大学基础与前沿研究院教授,博士生导师.主要研究领域为生物信息学、机器学习和字符串算法.目前担任《Current Bioinformatics》主编和多个SCI期刊的编委;入选科睿唯安2018、2019年全球高被引学者;2019年获得国家自然科学基金优秀青年基金资助;其中代表作发表在《Bioinformatics》《PLOS Computational Biology》《RNA》等知名学术期刊上.相关论文被《Nature》子刊引用;率先采用MapReduce并行框架和字符串算法突破了多序列比对难题的计算瓶颈,相关软件被美国、欧洲、印度科学院院士高度评价,并被中国科学院官网、新浪科技等媒体报道;提出的集成分类算法不但是学术期刊Neurocomputing官网下载次数最多的热点论文之一,而且得到产业化应用,用于百度贴吧的反作弊系统,受到百度主题研究项目资助和百度公司官方报导.

通讯作者:

陈恩红,E-mail:cheneh@ustc.edu.cn;李宇峰,E-mail:liyf@nju.edu.cn;邹权,E-mail:zouquan@nclab.ne

中图分类号:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    近年来, 随着学术界与工业界在机器学习和人工智能领域越来越多的投入和关注, 相关技术获得飞速发展, 机器学习已经被应用到社会生活的方方面面, 并产生巨大社会价值. 机器学习模型主要依赖大量高质量数据的封闭训练, 随着机器学习模型付诸于开放场景, 例如, 数据分布的变化、数据特征的变化、数据标记的偏差、任务目标的变化、恶意样本的攻击、设备能力的受限等, 其往往面临模型失效、性能不佳等风险隐患. 基于此, 研究人员亟需探索开放场景下的鲁棒机器学习模型. 具体而言, 包括分布变化的机器学习、弱监督学习、模型复用、表示学习、强化学习、对抗学习、迁移学习以及更多实际领域问题中的应用等. 为此, 我们组织了面向开放场景的的鲁棒机器学习专刊. 通过两轮征稿共收到投稿53篇. 特约编辑先后邀请了60余位国内机器学习领域的知名专家参与审稿工作, 每篇投稿至少由2位专家进行评审. 最终有23篇论文被本专刊录用. 录用论文涉及开放域机器学习、任务关系利用与优化、新型特征表示与聚类、面向特定领域的机器学习模型等, 一定程度上反映了我国在该专题下的研究水平. 根据主题, 本专刊论文大致可分为4组.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

陈恩红,李宇峰,邹权.面向开放场景的鲁棒机器学习专刊前言.软件学报,2022,33(4):1153-1155

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-09-28
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-04-09
  • 出版日期: 2022-04-06
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号