在许多实际问题中，形成差异类的数据数量可能相对不平衡，这可能一定程度上降低大多数机器学习的性能。在数据工程和机器学习领域中，从不平衡数据中学习的问题是具有挑战性的，这也在近年来引起人们越来越多的关注。本次报告将介绍不平衡数据学习及其相关技术，以及它的应用。

报告题目：不平衡数据学习：从类不平衡到长尾数据分类

主讲人：张晓明 教授

时间：2024年6月11日15:00-17:00

地点：教学三号楼411会议室

报告人简介：

张晓明教授，香港浸会大学（HKBU）计算机科学系讲座教授（人工智能）、继续教育研究院（IRACE）院长、计算与理论研究所副所长、教育部长江学者讲座教授、IEEE Fellow、AAAS Fellow、IET Fellow、AAIA Fellow、BCS Fellow、IEEE CIS杰出讲师。曾获香港研究资助局高级研究员奖，得到为期60个月的资助，金额高达780万港元。自2019年以来连续五年被斯坦福大学评为人工智能和图像处理领域的全球前1%顶尖科学家。担任期刊《IEEE Transactions on Emerging Topics in Computational Intelligence》主编。

张晓明教授的研究主要集中在机器学习和视觉计算以及它们在数据科学、模式识别、多目标优化和信息安全方面的应用。在国际权威期刊和会议如TPAMI、TNNLS、TIFS、TIP、TMM、TKDE、TCYB、CVPR、IJCAI、AAAI上发表论文250多篇。创新工作在2017年瑞士日内瓦国际发明展上从40多个国家700多个队伍的1000个新发明和产品中脱颖而出，获得金奖和瑞士汽车俱乐部奖。先后获香港浸会大学2023-2024年度杰出学术工作总统奖、2023年APNNS杰出成就奖、WI-IAT’2020最佳理论论文奖、SEAL’2017、 ISICA’2017、ICNC- FSKD’2014、IEEE IWDVT’2005最佳论文奖等荣誉。

张晓明教授是IEEE香港计算智能学会香港分会的创始主席和IEEE计算机学会智能信息技术社区主席。曾在多个顶级国际会议如IJCAI’2021、ICPR’2020、ICDM’2017和2018、WCCI’2016、WI-IAT’2012、ICDM’2006和WI-IAT’2006等兼任组织委员会主席、程序委员会主席、程序委员会区域主席和财务主席等职务。担任多个国际期刊的编委，包括《IEEE Transactions on Cybernetics》、《IEEE Transactions on Neural Networks and Learning Systems》等。