您好,歡迎來到華中科技大學人工智能與自動化學院官網!

聯系我們| English

學術交流

當前位置: 首頁 > 學術交流 > 正文

美國波士頓大學Yannis Paschalidis教授應邀來我院進行學術交流

發布時間:2019-12-06 編輯:呂董奇 來源:

1127日上午,美國波士頓大學(Boston University)教授Yannis Paschalidis應邀來我院進行學術交流,并連續做了三場高質量的學術報告,題為“Distributionally Robust Learning with Applications to Health Analytics”、“Learning from Data to Select Optimal Decisions and Policies”和“(AcademicLife after the PhD…”。報告會由我院袁燁教授主持,我院30余名教師學生參加了此次報告會。

Yannis Paschalidis教授是波士頓大學(BU)電氣與計算機工程,系統工程和生物醫學工程的教授,兼任數據科學研究員。他現任波士頓大學信息與系統工程中心(CISE)的主任,自1996年以來,他一直在波士頓大學任教。同時,他是IEEE的院士,也是IEEE Transactions on Network Systems Control的創始主編。

17C30

Yannis Paschalidis教授的第一場報告是關于分布式魯棒學習方法及其在醫學預測診斷領域的應用。在醫學應用的驅動下,假設訓練數據被污染(未知的)異常點, 這會影響模型的參數。Yannis教授提出的魯棒學習方法能夠防范這些異常,并學習與非外圍數據相一致的模型參數。同時,Yannis教授對該方法的一般性,魯棒性,解釋多種特殊正則化學習方法的能力進行探討,并建立嚴格的樣本外性能保證。建立了嚴格的樣本保證,并開發了非線性模型的擴展,在這種情況下,不同的預測模型用于不同的數據簇, 甚至單個數據點。除了預測之外,還可以利用該魯棒預測模型做出決策,并提供具體的個性化處方和建議。Yannis Paschalidis教授提供了一些該方法的醫學應用實例,包括預測慢性病患者的住院治療,預測外科手術患者的住院時間,以及為糖尿病和高血壓提供治療建議。

18152

第二場報告關于數據驅動選擇最佳決策及其在制定醫療處方的應用。Yannis Paschalidis教授介紹了一個新的基于預測的模型,該模型使用非線性模型預測每個動作下的結果,采用由預測結果確定的策略。預測模型將一種分布魯棒的學習方法與K-NN回歸相結合,應用于提出對高血壓患者和糖尿病患者的治療建議的醫學應用中。在第二種情況下,用馬爾可夫決策過程并開發一種從數據(狀態,動作,下一狀態元組)中學習策略和轉移概率的模型。提出兩種最大似然估計的魯棒算法來分別學習過渡概率模型。結果表明可以用相對較少的訓練樣本進行訓練。Yannis Paschalidis教授討論了該模型在制定治療決策以優化疾病進展以及機器人技術中的應用。

1470C

第三場報告關于對科學研究生涯的建議。Yannis Paschalidis教授提到科研時間分配管理和同時處理多項工作的兩大困難,他形象地將科研時間分配用數學函數形式表示出來,表示需要減少許多個人時間。得到最優結果的建議是明確自己要做出什么,學會拒絕無關工作的干擾。

1BD1A

Yannis教授的報告內容十分充實,講解十分清晰,同學們也積極地提問交流。Yannis教授用中文“謝謝”作為報告會的結束語,并表達了對于此次受邀來訪的感謝。


日本亚洲欧美在线视观看_日本大片免a费观看视频老师_日本精品高清一区二区