报告题目 | 面向低空具身智能体的多模态感知与自主决策 |
报 告 人 | 刘新旺,国防科技大学计算机学院教授、博导 |
报告时间 | 2026年11月5日(星期四)上午10:40 |
报告地点 | 台州凤凰山庄 |
报 告 内 容 简 介 | 报告内容简介: 图机器学习作为处理复杂关系数据的核心技术,已广泛应用于社交网络分析、推荐系统与生物医药等领域,展现出显著应用价值。然而,随着人工智能研究的深入,性能不再是唯一值得关注的问题,模型是否安全可靠也是现阶段研究者们探索的重要研究方向。通过调研,不难发现现有图学习方法易受到针对图结构、图属性的后门攻击与对抗样本攻击,进而使其性能受到波动、可靠性下降。针上述问题,本课题组提出如下创新性研究方案:(1)基于自监督学习的防御方法,以应对后门攻击的挑战;(2)重要性驱动的随机采样防御方法,以应对对抗样本攻击的挑战。此外,课题组进一步针对知识图谱,这一更具体、复杂的图数据类型,进行了相关的研究,为实现更安全的图谱学习提供了指导。最后,关于图学习的未来潜在研究方向,本汇报也进行了梳理并展望。
报告人简介: 刘新旺,国防科技大学计算机学院教授、博导。主要研究方向为机器学习、数据挖掘等。国家杰青(2023)、国家优青(2019)获得者。国家自然科学基金委重点项目、科技创新2030重大项目负责人,基金委创新群体A类核心成员。共发表CCF A类期刊/会议论文150余篇, ESI高被引论文20篇, 谷歌学术引用共2.7万余次, 连续4年入选全球2%顶尖科学奖榜单 (2022-2024)。担任IEEE T-KDE, IEEE T-NNLS, IEEE T-CYB等国际顶刊AE, 以及ICML, NeurIPS等国际顶会领域主席。研究成果获中国计算机学会自然科学一等奖(2025)、中国人工智能学会吴文俊自然科学一等奖(2024)、北京市科技进步一等奖(2024)、湖南省自然科学一等奖 (2014, 2021)、湖南省自然科学二等奖(2025),中国图象图形学会自然科学二等奖 (2024, 2025)等。 |
承办学院 | 人工智能学院 |
发布日期 | 2026-11-2 |
欢迎广大教师、学生参加! |
文:冯陈芙 / 图:无 / 审核:林树森 / 责任编辑:孙晓俊