讲座时间：2025年6月4日（周三） 15:00

讲座地点：南实验楼108

举办单位：系统科学与统计学院

主 讲 人：马尽文 教授

讲座摘要：在时序大数据的建模和分析中，高斯过程混合（MGP）模型能够有效地解决多峰和非平稳数据建模问题，已成为机器学习研究和应用的热点。然而，由于高斯过程的样本数据之间不独立，使得高斯过程混合模型的EM算法无法直接实现，这给其参数学习带来的极大的困难与挑战。另外，针对给定的实际数据，如何挖掘数据的结构，确定数据的真实聚类个数，并进行预测和分析则是另一个相当困难的问题。本场报告拟针对高斯过程混合模型的参数学习和模型选择进行了深入的分析和系统的研究，建立有效的参数学习算法和模型选择准则，提出双层高斯过程混合模型及其自动模型选择算法，并将其应用于时间序列曲线的聚类分析和预测方面。

主讲人简介：

马尽文教授，1992年于南开大学数学系概率论与数理统计专业博士学位，随后加入到汕头大学数学系、数学研究所工作，1999年获应用数学专业教授资格。2001年9月调入北京大学数学科学学院信息科学系工作，担任应用数学专业教授、博士生导师、系主任等职。

马教授自上世纪九十年代初开始从事人工神经网络和统计学习算法方面的理论及其应用研究，涉及的主要领域包括神经网络、模式识别、机器学习、计算机视觉、大数据处理和大模型等方面。曾先后赴香港中文大学计算机科学与工程学系、日本理化学研究所(RIKEN)脑科学研究所、美国康乃尔大学卫理公会医院生物信息中心进行合作研究和访问，担任研究员或科学家。目前已发表学术论文300余篇，其中发表在国际核心期刊和顶级国际学术会议的论文60余篇，被引用5000余次，主要论文发表在《Neural Computation》、《IEEE Trans. on System, Man and Cybernetics, Part B》、《IEEE Trans. on Image Processing》、《IEEE Trans. on Neural Networks and Learning Systems》、《Neural Networks》、《Pattern Recognition》等国际著名期刊和SIGIR、SIGKDD、CVPR、NeurIPS、ICML、AAAI、IJCAI等顶尖国际学术会议文集上。在高斯和高斯过程混合模型的参数学习和自适应模型选择方面建立了一套系统的理论和有效的学习算法,并被广泛地应用于聚类分析、模型识别和图像处理的等领域。先后主持与承担国家自然科学基金项目8项、国家重大或重点研发计划课题4项和省部级及横行科研基金项目10余项。

在学术服务和交流上，担任中国电子学会会士、中国电子学会信号处理分会副主任委员，国际信息科学学会中国分会教育信息化专委会主任委员，中国工业与应用数学学会理事，《Mathematical Computation》主编、《Computerized Medical Imaging and Graphics》副主编、《Mathematics》、《信号处理》等杂志的编委。并多次担任ISNN, ICIC, ICONIP, ICSP等重要国际学术会议的程序委员会议委员，并且10余次被邀请在国际学术会议上做大会邀请报告。入选Acemap和国搜学术共同出版发布的2017年度AI影响力学者，入选斯坦福大学发布的2020全球前2%顶尖科学家“生涯影响力”榜单。

欢迎广大师生前来交流！