学术与产业的碰撞：AI TIME 走进浙大专场活动

AITIME论道

于 2021-07-22 18:30:00 发布

阅读量469

点赞数

文章标签：人工智能算法大数据编程语言 python

本文链接：https://blog.csdn.net/AITIME_HY/article/details/119013454

版权

2021年7月，「AI TIME 走进浙大」论坛举行，探讨了AI领域的多个热点议题。浙江大学、阿里巴巴集团等机构的专家分享了时序图数据挖掘、因果推理、大规模多模态预训练模型和群体智能的研究进展。活动中，嘉宾们就大规模预训练模型如何影响AI研究进行了深入讨论，强调了学术与产业合作的重要性。

摘要由CSDN通过智能技术生成

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

2021 年 7 月 13 日，「AI TIME 走进浙大」论坛在浙江大学公共管理学院隆重举行。

此次活动得到了浙江大学计算机学院人工智能研究研究所、浙江大学计算社会科学研究中心、浙江大学工程师学院、阿里巴巴集团、中软国际教育集团等机构的大力支持。

在本次论坛中，AI TIME 负责人何芸老师首先对 AI TIME 的起源、定位、使命、系列活动进行了介绍。

接着，中软国际教育集团“未来杯”大赛事业部总经理张喆先生发布了 2021“未来杯”高校 AI 挑战赛。

随后，浙江大学计算机学院人工智能系主任杨洋副教授、浙江大学计算机系况琨副教授、阿里巴巴集团资深算法总监杨红霞博士、浙江大学公共管理学院研究员吴超分别带来了时序图数据挖掘、因果推理与因果学习、大规模多模态预训练模型、群体智能与数据资产四个方向的学术报告。

最后，本次论坛的嘉宾与现场观众就「大规模预训练模型如何改变 AI 研究」这一话题展开了精彩的讨论。

主题报告

杨洋：Time2Graph

浙江大学计算机学院人工智能系主任杨洋介绍了其团队在融合时间序列和图数据，进行时间序列建模方面的研究进展——Time2Graph。杨洋教授团队的团队主要从事基于图数据的异常检测、图表示学习、计算社会学等方面的研究，相关成果被应用于国家电网、中国电信、海康威视、阿里巴巴等企业。

时序数据大量存在于我们的日常生活和业务场景下，股票价格波动、交通流量变化、癫痫患者的脑电数据都属于时序数据。为了对时序数据的模式进行识别和分析，我们往往需要具备一些领域的先验知识。为此，杨洋教授团队提出考虑构造时序数据波形的「基因」，将某些行为与特定的时序数据中的模式关联起来。

具体而言，时序数据中具有代表性的子序列被称为 Shapelets，该片段具有很强的可解释性。我们需要找出一些 Shaplets 能够将正负样本的空间距离拉开。

杨洋教授团队利用该技术成功地帮助国家电网识别出了用户的窃电行为。由于 Shapelets 在不同的时间段代表的物理意义有所差别，杨洋教授团队提出了「Time-aware Shapelets」。当我们挖掘出每个片段波形对应的 Shapelets 后，就可以将原始数据转化为 Sharpelets 的索引序列，从而将原始时间序列转化为更低维空间中的离散表征。