计算机学科建设前沿论坛“基于动态数据的贝叶斯张量学习”学术讲座成功举行

 

　　本次讲座中，方博士介绍了张量分解的背景、传统张量分解方法和存在的问题，诸如CP、Tucker分解等传统张量方法,在分析流式张量、时序张量等动态数据时，存在根本上的缺陷。

 

　　他在随后的报告中介绍了他对这个问题的前沿工作主要专注于两个主题:1.流式张量分析2.时序张量建模。前者将涵盖对于如何将在线学习和序列推断等方法应用到流式数据的分析中，使得张量模型能够高效地适用于大规模的实时性的数据场景。第二部分将介绍如果把时序特征嵌入到传统的张量建模中来，使得学习到的低秩具有连续性与动态性。报告还简单介绍了动态张量学习和时间序列、图序列、LLM等领域的一些拓展和联系。报告过程中方博士积极和现场观众互动，讲座取得了良好效果。

 

　　方榯楷，美国犹他大学在读的计算机博士生。他在2018于中国科技技术大学少年班学院取得统计与计算机的本科学位，在2019年与美国天普大学取得计算机硕士学位。他的研究领域为贝叶斯机器学习，概率模型，张量学习，序列推断，和物理启发的机器学习。目前他有十余篇研究成果发表在机器学习和数据挖掘的顶级会议。

 

　　“计算机学科建设前沿论坛”是计算机科学与技术学院的系列学术交流活动。讲座以系列讲座、联合论坛、研讨会等形式进行，邀请计算机科学领域知名专家学者和青年才俊，旨在搭建国际学科交流合作平台、扩宽学术人才学术视野、促进学科发展和国际交流，欢迎各位老师同学积极参与。