![](/__local/3/38/55/50969D4C2E7A15431A823C5BE85_DFE17108_1D72E.png)
报告主题:
城市时空数据建模与预测方法:从异质性到泛化性
报告时间:
2024年5月10日10:00
报告地点:
人工智能与计算机学院B310会议室
报告摘要:
时空数据挖掘是赋能智慧出行、环境治理、城市安全等城市智能应用的关键技术,是大数据时代下城市智能的新质生产力。然而,由于时空数据与城市发展息息相关,通常具有异质性、动态性等典型属性,使得现有时空智能模型在实际部署中存在数据融合能力弱、泛化性能差等问题,难以适应城市经济发展与城市动态扩张的应用场景。本报告将从数据与模型两个视角探讨面向数据异质性的协同建模方法及面向时空预测模型的迁移-泛化机理,以提升模型在城市应用中的可部署能力与扩展性。此外,报告还将以城市增长为案例探究模型泛化问题在真实城市应用场景中的实际价值,讨论时空计算的未来研究趋势。
主讲人:
周正阳,中国科学技术大学苏州高等研究院/软件学院特任副研究员,2023年6月在中国科学技术大学计算机学院获得博士学位。主要研究领域是时空数据挖掘及数据赋能的城市科学,致力于提升时空预测精准性、可靠性和泛化性,赋能交通、环境、电力等多领域城市时空智能场景与城市可持续发展目前,已累计发表高水平同行评审学术论文30余篇,其中第一/通讯作者发表CCF-A/清华A类论文14篇,谷歌学术引用400余次、谷歌学术百引论文1篇,担任ICML、NeurIPS、ICLR、KDD、AAAIIJCAI、CVPR、TKDE、TITS、TVT等|国际顶级学术会议/期刊审稿人获得中国科学院院长奖、ACM SIGSPATIAL中国分会优博提名奖、中国科大优博论文提名奖、之江国际青年人才基金等荣誉及奖励。