LOGS第2023/04/16期|| 中国科学技术大学周正阳：时空深度学习--从异质性到分布外泛化

独行速，众行远。图学习研讨会（LOGS）公众号不定期地举行图学习以及机器学习相关的研讨会，邀请相关领域的专家，一线科研人员和顶会论文作者进行分享，希望能够给大家提供一个相互交流，研讨，和学习的平台。如果您有相关的研究， 想要研讨与分享，或者有感兴趣的topic和论文也欢迎给我们留言。

本期的嘉宾是来自中国科学技术大学的周正阳，他会为我们带来时空深度学习：从异质性到分布外泛化的相关内容。

报告内容

摘要

近年来，随着移动感知技术的进步，城市时空数据日趋增长，而在数据挖掘技术蓬勃发展的今天，数据即价值，对城市时空数据进行挖掘和利用是城市现代化与治理精细化的必经之路。因此，本报告将围绕“动态性与异质性”，分别从宏观观测、模型行为、分布变化等方面归纳了时空数据的四种具体特点：时空异质性、多源稀疏性、不确定性及分布偏移特性，同时针对性地突破“时空图上自适应聚合”、“多源稀疏数据协同预测”、“时空预测不确定性量化”、“时空预测分布外泛化”四个关键问题，致力于提升时空预测的精准性、可靠性和泛化性。

分享嘉宾

周正阳：中国科学技术大学计算机科学与技术学院2020级博士研究生。研究方向包括时空数据挖掘、时空图学习、城市计算等。截至目前，以第一作者/通讯作者身份发表论文十余篇， 其中ICLR、AAAI、WWW、TKDE、电子学报等CCF-A类或JCR-Q1区6篇，CCF-B类2篇，谷歌学术引用超150次。在读期间获国家奖学金、姑苏优秀学生奖学金特等奖，曾获2020年之江国际青年人才基金资助。

也欢迎大家扫码关注图学习研讨会视频号以及B站账号。