位置采集和无线通信技术的进步使得时空(ST)数据的可用性更加广泛。深度神经网络(DNNs)已成功地应用于各种问题，如计算机视觉、语音识别、自然语言理解。与这些领域不同，ST数据具有独特的空间属性(即地理层次和距离)和时间属性(即紧密程度、时期和趋势)。同时获得所有这些ST特性是非常具有挑战性的。
张钧波
京东智能城市研究院 人工智能实验室主任，京东科技数字城市群 高级总监
讲者简介：张钧波，博士，京东智能城市研究院人工智能实验室主任、京东科技数字城市群高级总监，主管面向智能城市的人工智能技术研发、产品打造与应用落地。主要从事时空人工智能、城市计算、深度学习、联邦学习等领域的研究，担任AI领域国际权威期刊《ACM Transactions on Intelligent Systems and Technology》编委。2021年，获教育部自然科学奖二等奖、中国专利优秀奖。在AI Journal、IEEE TKDE、KDD、AAAI、IJCAI、WWW、UbiComp等国内外权威期刊和会议上发表论文50余篇（引用4000多次，H-Index：31），申请发明专利10余项，出版专著1部。他是CCF高级会员、CCF人工智能与模式识别专委会委员。加入京东后，他带领团队研发时空智能引擎系统、联邦数字网关系统等产品，已在北京、南通、成都等智慧城市项目中得到应用落地。
专知便捷查看
便捷下载，请关注专知
公众号（点击上方蓝色专知关注）
专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取100000+AI(AI与军事、医药、公安等)主题干货知识资料！
欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！点击“阅读原文”，了解使用专知，查看获取100000+AI主题知识资料
