报告人权重高的论坛

2020运筹信息论坛邀请报告1(11月23日、周一14:00-17:00)腾讯会议ID:15321163914:00-14:55主持:胡晓东赵云彬深圳大数据研究院ABriefIntroductiontoSparseOptimization:AlgorithmDevelopment15:00-15:55主持:张汉勤卢立建香港科技大学FrameworkAgreementsinProcurement:AnAuctionModelandDesignRecommendations16:00-16:55主持:陈旭瑾唐与聪南京航空航天大学AnInformationTheoryVersionofSzemerédisRegularityLemmas邀请报告2(11月24日、周二14:00-17:00)腾讯会议ID:19533880814:00-14:55主持:闫桂英王维凡浙江师范大学LinearArboricityofGraphs15:00-15:55主持:闫桂英康丽英上海大学TheTuránNumberofBlow-UpsofGraphs16:00-16:55主持:姚大成肖皪清华大学深圳国际研究生院OntheRoleofSupplyInformationandInventoryforMitigatingSupplyDisruptionwithCapacitatedSuppliers邀请报告3(11月25日、周三9:00-12:00)腾讯会议ID:5887742729:00-9:55主持:丁超孔令臣北京交通大学OutlierDetectionviaRegularizedHuberRegressionunderMeanShiftModel10:00-10:55主持:丁超陈亮湖南大学SymmetricGauss-SeidelDecompositionBasedProximalADMMsforConvexCompositeProgramming:AUnifiedAlgorithmicFrameworkandComputationalStrategies11:00-11:55主持:丁超林媚霞新加坡国立大学AdaptiveSievingwithPPDNA:GeneratingSolutionPathsofExclusiveLassoModels邀请报告4(11月25日、周三14:00-17:00)腾讯会议ID:18217743814:00-14:55主持:吴凌云程龙中国科学院自动化研究所压电陶瓷执行器的智能控制方法15:00-15:55主持:吴凌云任伟微软亚洲互联网工程院IntroductiontoConversionModeling&AutoBiddinginPaidSearchAds16:00-16:55主持:张俊华刘治平山东大学InferringGeneRegulatoryNetworksfromGeneExpressionData邀请报告5(11月26日、周四9:00-12:00)腾讯会议ID:4496182749:00-9:55主持:张俊华陈兴中国矿业大学大数据+人工智能助力疾病早期检测和药物研发10:00-10:55主持:王勇陈洛南中国科学院上海生命科学研究院AutoreservoirComputingforPrediction11:00-11:55主持:王勇任仙文北京大学基于单细胞转录组测序数据从头重构细胞空间关系邀请报告6(11月26日、周四14:00-17:00)腾讯会议ID:86312457914:00-14:55主持:胡晓东邓小铁北京大学GameTheoryandPracticeattheAIAge15:00-15:55主持:胡晓东张国川浙江大学OnlineAlgorithmswithImperfectInformation16:00-16:55主持:陈旭瑾伏虎UniversityofBritishColumbiaLinearProgramRepresentationsofBayesianMechanismsABriefIntroductiontoSparseOptimization:AlgorithmDevelopment赵云彬,深圳大数据研究院摘要:Seekingsparsitybecomesacommonrequestinvarietyofscientificandengineeringfields.
Thesparseoptimizationisfundamentallyessentialtothemoderntheory,algorithmsandapplicationsofcompressivesensing,signalandimageprocessing,statisticallearningandsoon.
Thistalkwillgiveabriefintroductiontosparseoptimization,focusingonthealgorithmdevelopmentindatareconstruction/recovery/approximation.
Fourtypesofmainstreamalgorithmicframeworkswillbediscussed:L1-minimization,nonlinearoptimization,hardthresholdingandorthogonalmatchingpursuitaswellastheirimportantvariants.
报告人简介:赵云彬于2020年3月出任深圳市大数据研究院高级研究科学家.
他于1998年获中国科学院数学与系统科学研究院运筹与控制论博士学位;1999-2002年间分别担任中科院计算数学与科学工程计算,香港中文大学和加拿大菲尔兹数学研究所博士后研究员;2001-2010年在中国科学院数学与系统科学研究院工作;2007-2020年在英国伯明翰大学数学学院任教.
他长期在应用数学,运筹学,计算优化,信号处理和压缩感知等领域开展研究工作.
在稀疏信号处理和压缩感知领域取得了一系列突出成果,如RSP信号重构理论,凸重构算法的一致稳定性理论,对偶稠密化方法,以及最优Thresholding高性能算法等.
他发表了60篇学术论文和1本稀疏优化领域的英文专著.
他曾担任几个国际数学杂志的编委.
FrameworkAgreementsinProcurement:AnAuctionModelandDesignRecommendations卢立建,香港科技大学摘要:Frameworkagreements(FAs)areprocurementmechanismscommonlyusedbybuyingagenciesaroundtheworldtosatisfydemandthatarisesoveracertaintimehorizon.
ThispaperisoneofthefirstintheliteraturethatprovidesaformalunderstandingofFAs,withaparticularfocusonthecostuncertaintybiddersfaceovertheFAtimehorizon.
WegeneralizestandardauctionmodelstoincludethissalientfeatureofFAsandanalyzethismodeltheoreticallyandnumerically.
First,weshowthatFAsaresubjecttoasortofwinner'scursethatinequilibriuminduceshigherexpectedbuyingpricesrelativetorunningfirst-priceauctionsasneedsarise.
Then,ourresultsprovideconcretedesignrecommendationsthatalleviatethisissueanddecreasebuyingpricesinFAs,highlightingtheimportanceof(i)monitoringthepricechargedattheopenmarketbytheFAwinnertoboundthebuyingprice;(ii)implementingpriceindexesfortherandompartofsuppliers'costs;and(iii)allowingsupplierstheflexibilitytoreducetheirpricestocompetewiththeopenmarketthroughoutthesellinghorizon.
TheseprescriptionsarealreadybeingusedbytheChileangovernmentprocurementagencythatbuysUS$2billionworthofcontractsyearlyusingFAs.
报告人简介:ProfessorLuisanAssistantProfessoratHKUSTSchoolofBusinessandManagement.
Hisprimaryresearchinterestsareintheareaofdata-drivendecision-makingwithafocusonapplicationsine-commerce,pricingandrevenuemanagement,supplychainmanagement,healthcareandservicesystems,finance-operationsinterface.
HisworkhasbeenrecognizedbyworldleadingjournalssuchasManagementScience,Manufacturing&ServiceOperationsManagement,MathematicsofOperationsResearch.
HeisrecipientofFinalistofINFORMSGeorgeNicholsonStudentPaperCompetitionandSecondplaceofPOMSCollegeofSupplyChainManagementStudentPaperCompetition.
PriortojoiningHKUSTBusinessSchool,ProfessorLuwasFounderandCIOatUniQuantCapital,whereheleadquantitativeresearchteamandmanage3billionsquantitativelong-shorthedgefunds;ExecutiveDirectoratChinaInnovationFundleadingPE/VCinvestmentinTMTareawith150billionsAUM;VicePresidentatGoldmanSachsAssetManagementleadingquantitativefactorportfolioresearchandmanagementwith15billionsUSDAUM;ResearchScientistatKnightCapitalGrouponhighfrequencytrading,atAmazon.
comone-commerceandlogisticoptimization,atAppNexus.
comononlinedisplayadvertisingmarket.
AnInformationTheoryVersionofSzemerédisRegularityLemmas唐与聪,南京航空航天大学摘要:Szemerédisregularitylemmaisabasictoolingraphtheory,andalsoplaysanimportantroleinadditivecombinatorics.
Inthistalk,wewillintroduceaslightlystrongervariantofthislemmafromtheperspectiveofprobabilitytheoryandinformationtheoryinsteadofgraphtheory.
报告人简介:唐与聪,南京航空航天大学讲师,2016年博士毕业于中国科学院大学运筹学与控制论专业,研究兴趣:超图的Hamilton圈问题,超图极值理论,图神经网络.
LinearArboricityofGraphs王维凡,浙江师范大学摘要:Thelinear-arboricity()ofagraphistheleastintegersuchthatcanbepartitionedintoedge-disjointforests,whosecomponenttreesarepathsoflengthatmost.
Inthistalk,westudythelinear-arboricityofplanargraphs,toroidalgraphsand1-planargraphswhere=2,∞,andpresentabriefsurveyonthistopic.
报告人简介:王维凡,浙江师范大学特聘教授,博士生导师.
1998年7月于南京大学数学系获得博士学位,1999年1月至2000年12月在台湾中央研究院数学研究所从事博士后研究.
主要从事图的结构、图的染色与标号、图的荫度与分解、网络存活率等方面的研究,主持国家自然科学基金10项(其中重点1项)、科技部"中法先进研究计划"项目1项,发表学术论文200余篇,论文被国内外同行引用1500余次;获浙江省科学技术奖二等奖1项、教育部自然科学奖二等奖1项、浙江省自然科学学术奖一等奖1项.
历任中国数学会理事、中国工业与应用数学会理事、浙江省数学会副理事长、浙江师范大学学术委员会副主任、基础数学-省重点学科负责人、计算机科学与技术-省重中之重学科负责人.
现为浙江师范大学数学博士后流动站负责人、数学研究所所长、中国运筹学会图论组合分会理事长、中国数学会组合数学与图论专业委员会常务委员、中国工业与应用数学会图论组合及应用专业委员会常务委员.
TheTuránNumberofBlow-UpsofGraphs康丽英,上海大学摘要:Theblow-upofagraphisthegraphobtainedfromreplacingeachedgeinbyacliqueofthesamesizewherethenewverticesofthecliquesarealldifferent.
Givenagraphandapositiveinteger,theextremalnumber,(,),isthemaximumnumberofedgesinagraphonverticesthatdoesnotcontainasasubgraph.
Akeyring()isa(+)-edgegraphobtainedfromacycleoflengthbyappendingleavestooneofitsvertices.
Inthistalkwedeterminetheextremalnumberandfindtheextremalgraphsfortheblow-upsofkeyrings()(≥3,≥1)whenissufficientlylarge.
Forspecialcaseswhen=0or=0,theextremalnumberoftheblow-upsofthegraph(0)(astar)hasbeendeterminedbyErdsetal.
[Erdsetal.
,J.
Comb.
Theory,Ser.
B.
64(1995)89-100]andChenetal.
[Chenetal.
,J.
Comb.
Theory,Ser.
B.
89(2003)159-171],whiletheextremalnumberandextremalgraphsfortheblow-upsofthegraph0()(acycle)whenissufficientlylargehasbeendeterminedbyLiu[Liu,Electron.
J.
Combin.
20(2013)#P65].
报告人简介:康丽英,上海大学数学系教授,博士生导师.
曾获"上海市三八红旗手","上海市曙光学者"称号.
中国运筹学会常务理事、中国工业与应用数学学会组合图论专业委员会副主任委员、中国数学会组合图论分会理事.
担任国际期刊《DiscreteMathematics,AlgorithmsandApplications》、《JournaloftheOperationsResearchSocietyofChina》、《CommunicationsonAppliedMathematicsandComputation》和国内期刊《运筹学学报》编委.
在《SIAMDiscreteMathematics》、《JournalofGraphTheory》、《EuropeanJournalofCombinatorics》等学术期刊上发表学术论文140篇,主持完成5项国家自然科学基金项目.
曾在美国南卡莱罗纳大学、荷兰蒂尔堡大学、法国巴黎十一大等多所大学进行学术访问和合作研究.
OntheRoleofSupplyInformationandInventoryforMitigatingSupplyDisruptionwithCapacitatedSuppliers肖皪,清华大学深圳国际研究生院摘要:Firmshavebeenincreasinglyexperiencingsupplydisruptionsthatcancausethemsignificantlosses.
Inthispaper,westudytheoperationalandeconomicroleofinventoryandsupplyinformationonafirmsourcingfromtwocapacitatedsuppliers,oneofwhichissusceptibletodisruption,overamulti-periodplanninghorizon.
Dualsourcingisawidelyadoptedstrategyinpracticetomitigatetheriskofsupplydisruption.
Althoughtheexistingrelatedresearchabounds,theroleofsupplyinformationandinventorywhensuppliersarecapacitatedseemhavenotyetbeenwellstudied.
Weformulateandsolvetheproblemsusingdynamicprogrammingwhilemodelingthestateofunreliablesupplieranditstransition(thesupplyinformation)asafinite-stateMarkovchain.
Weanalyzethestructuralpropertiesofoptimalorderingpoliciesunderbothdynamicnewsvendorandmulti-periodinventorymodels,someofwhichexploittheresultsfromstochasticordering.
Inthedynamicnewsvendormodelwherethefirmdoesnotcarryinventory/demandbacklogbetweenperiods,wederivetheoptimalorderquantitiesfrombothsuppliersinclosed-formanddiscusstheirstructuralpropertieswithrespecttothestateofunreliablesupplier.
Wefurtherexaminehowthevalueofsupplyinformationisaffectedbythesuppliers'capacitiesandprovideananalyticupperboundonsuchvalue.
Inthemulti-periodinventorymodelwherethefirmcarriesinventory/demandbacklog,wecharacterizetheoptimalorderingpoliciesforthecaseswithandwithoutsupplyinformation.
Thestructuralpropertiesofthepolicyparametersonthestateofunreliablesupplierandthecapacitiesofthesuppliersareanalyzed.
Numericalstudiesareusedtoexaminethevalueofsupplyinformationtothefirminbothsettingsandcomparativeanalysisisconductedtodiscusstheroleofinventory.
First,optimalorderingpolicieshavedifferentstructureswithandwithoutsupplyinformation.
Second,supplydisruptioncouldstillcausesignificantlossestothefirmevenwithdualsourcing.
Third,thevalueofsupplyinformationissignificanttothefirmanditismorevaluableunderdualsourcingthansinglesourcing.
Fourth,carryinginventory/demandbacklogcanhelpmitigatethenegativeimpactofsupplydisruptionunderdualsourcingbutmaynotbebeneficialundersinglesourcing;anditcansometimesgreatlyincreasethevalueofsupplyinformation.
ThisisajointworkwithSeanZhou(CUHK).
报告人简介:LiXiaoisanassistantprofessorinTsinghuaShenzhenInternationalGraduateSchool,TsinghuaUniversity.
ShereceivedherBSininformationandcomputingsciencefromWuhanUniversity,MScinoperationsresearchandcyberneticsfromChineseAcademyofScience,andPhDindecisionsciencefromNationalUniversityofSingapore.
SheworkedaspostdoctoralfellowandresearchassistantprofessorintheChineseUniversityofHongKongfortwoyears.
Herresearchinterestsincludesupplychainmanagement,servicemanagement,andstochasticoptimization.
OutlierDetectionviaRegularizedHuberRegressionunderMeanShiftModel孔令臣,北京交通大学摘要:Manyhighdimensionaldatasetswithhundredsorthousandsofcovariatessufferfromthepresenceofoutliers.
Theproblemsofoutlierdetectioninahighdimensionalsettingarefundamentalinstatisticsandmachinelearning,andfacehugechallengesforstate-of-the-artmethods.
Inthispaper,weconsidertheproblemoflinearregressioninthepresenceofoutliers.
WeproposeanovelprocedurecombiningHuberlossandconvexregularizationunderthemeanshiftmodeltoachievebetterestimationandprediction.
Wederivetheriskboundsandexactsupportrecoveryforoutliersundersomemildconditions.
Then,wedesignanovelalgorithmcombiningthealternatingminimizationmethodandacceleratedproximalgradientmethodtosolvetheproposedmodel.
Finally,extensivecomparisonsonsimulationandrealdatasetdemonstratetheefficiencyoftheproposedprocedure.
报告人简介:孔令臣,北京交通大学理学院,教授,博士生导师,中国运筹学会数学规划分会副秘书长.
2009年9月入职北京交通大学数学系,2010年晋升为副教授,2014年晋升为教授.
主要从事对称锥互补问题、统计优化与学习、医学成像等方面的研究.
近年来,在《MathematicalProgramming》、《SIAMJournalonOptimization》、《IEEETransactionsonSignalProcessing》、《Technometrics》、《StatisticaSinica》等期刊发表论文40余篇.
主持国家自然科学基金面上项目"高维聚类的结构矩阵优化理论与算法"、"高维约束矩阵回归的优化理论与算法"、"矩阵秩极小问题的松弛理论与算法研究"和专项基金项目"统计优化与人工智能天元数学交流项目""机器学习与优化天元数学交流项目"等,参与国家自然科学基金重点项目"大规模稀疏优化问题的理论与算法"以及973课题等.
2005年获山东省高等教育教学成果三等奖,2012年获中国运筹学会青年奖,2018年获得北京市高等教育教学成果一等奖.
SymmetricGauss-SeidelDecompositionBasedProximalADMMsforConvexCompositeProgramming:AUnifiedAlgorithmicFrameworkandComputationalStrategies陈亮,湖南大学摘要:Inthistalk,Iwillfirstintroduceaunifiedalgorithmicframework,whichisafairlyaccessiblegeneralizationofseveralsymmetricGauss-Seideldecompositionbasedproximalalternatingdirectionmethodsofmultipliers(ADMMs),forsolvingconvexcompositeoptimizationproblems.
Specifically,themajorizedaugmentedLagrangianfunctions,theindefiniteproximalterms,theinexactsymmetricGauss-Seideldecompositiontheorem,thetolerancecriteriaofapproximatelysolvingthesubproblems,andthelargedualstep-lengths,areallincorporated.
Then,Iwillshowthatan(inexact)symmetricGauss-Seidelbasedmajorizedmulti-blockADMMisequivalenttoaninexactproximalaugmentedLagrangianmethod,whichnotonlyprovidesnewperspectivesforunderstandingADMMsbutalsosuppliesmeaningfulguidelinesonimplementingthem.
Finally,Iwillillustratesomenumericalstrategiesthatweexploitedtotacklethecomputationalburdensthatwewereconfrontedwithwhenapplyingtheproposedalgorithmstosolvingthelarge-scaleproblems.
报告人简介:陈亮博士目前是湖南大学数学学院助理教授,信息与计算科学系副主任.
他先后于2009年和2016年在湖南大学数学学院获学士学位和获博士学位,博士在读期间在新加波国立大学(国家公派)联合培养.
2017-2019年先后在新加坡国立大学数学系和香港理工大学应用数学系进行博士后研究,研究方向是数值最优化.
目前已在《MathematicalProgramming》、《MathematicalProgrammingComputation》等优化领域主流期刊发表论文数篇,受国家自然科学基金、湖南省自然科学基金和湖南大学青年教师托举计划专项基金资助,担任湖南省计算数学与应用软件学会理事.
AdaptiveSievingwithPPDNA:GeneratingSolutionPathsofExclusiveLassoModels林媚霞,新加坡国立大学摘要:Theexclusivelasso(alsoknownaselitistlasso)regularizationhasbecomepopularrecentlyduetoitssuperiorperformanceonstructuredsparsity.
Itscomplexnatureposesdifficultiesforthecomputationofhigh-dimensionalmachinelearningmodelsinvolvingsucharegularizer.
Inthispaper,weproposeanadaptivesieving(AS)strategyforgeneratingsolutionpathsofmachinelearningmodelswiththeexclusivelassoregularizer,whereinasequenceofreducedproblemswithmuchsmallersizesneedtobesolved.
Inordertosolvethesereducedproblems,weproposeahighlyefficientdualNewtonmethodbasedproximalpointalgorithm(PPDNA).
Asimportantingredients,wesystematicallystudytheproximalmappingoftheweightedexclusivelassoregularizerandthecorrespondinggeneralizedJacobian.
Theseresultsalsomakepopularfirst-orderalgorithmsforsolvingexclusivelassomodelspractical.
VariousnumericalexperimentsfortheexclusivelassomodelshavedemonstratedtheeffectivenessoftheASstrategyforgeneratingsolutionpathsandthesuperiorperformanceofthePPDNA.
报告人简介:2016年毕业于南京大学数学系.
同年开始在新加坡国立大学数学系攻读博士(指导老师:孙德锋教授和TohKim-Chuan教授).
2020年10月获博士学位.
其后继续在新加坡国立大学数学系做ResearchFellow(hostedbyProf.
TohKim-Chuan).
研究方向:大规模复合凸问题的算法设计与研究.
压电陶瓷执行器的智能控制方法程龙,中国科学院自动化研究所摘要:压电陶瓷执行器具有迟滞、蠕动、输入频率相关等非线性特性,实现压电陶瓷执行器的精准控制是纳米级定位的核心技术.
我们提出了几种压电陶瓷执行器的智能建模与控制方法,实现了堆叠式压电陶瓷执行器的高精度控制.
同时,利用"粘滞-滑动"原理,实现了粘滑式压电陶瓷执行器的跨尺度控制,取得了较好的实验效果.
最后介绍我们在脑切片自动收集装置方面准备开展的工作.
报告人简介:程龙博士,中国科学院自动化研究所研究员,博士生导师,中国科学院大学岗位教授.
2004年于南开大学自动化系获得工学学士学位,2009年于中国科学院自动化研究所获得工学博士学位.
目前已发表SCI论文50余篇.
目前担任《IEEETransactionsonCybernetics》、《自动化学报》、《控制与决策》、《InternationalJournalofSystemsScience》等国内外刊物的编委.
入选国家优秀青年基金项目、中组部万人计划青年拔尖人才计划,北京市杰青,中国科学院卓越青年科学家计划、北京市科技新星计划、国际神经网络学会INNSAharonKatzirYoungInvestigatorAward获得者,亚太神经网络APNNSYoungResearcherAward获得者.
获得2017年度国家自然科学二等奖(排名第四),北京市科学技术一等奖(排名第五),中国自动化学会自然科学一等奖(排名第二)等科技奖励,学术论文获得IEEE神经网络汇刊的最佳论文奖以及三个学术会议的最佳论文奖.
IntroductiontoConversionModeling&AutoBiddinginPaidSearchAds任伟,微软亚洲互联网工程院摘要:AdvertisinghasbeenthemainrevenuedriverforbigtechcompanieslikeGoogleandBing.
Traditionallyinpaidsearch,advertisersneedtospecifyalistofkeywords,eachwithitsbidpriceforanyadsclicks.
Ultimatelyadvertiserscaremoreaboutconversionthanclicks,typicallytheytrytoachieveconversiongoals.
Apparentlyit'sveryhardtoachieveconversiongoalsbyspecifyingbidpriceforclicks.
SearchengineslikeGoogle,Bing,Baiduarenowofferingproxybiddingproductsinwhichsearchenginesautomaticallysetupbidpriceforeachadstoachieveyourconversiongoal.
Autobiddingproductscaningeneralbeformulatedasintegerprogrammingproblem.
Forthistowork,advertisersneedtosetupconversiontrackingintheirwebsite.
Searchenginescanusetheconversiondatatoestimatetheconversionprobability,conversionvalueandsetbidpriceautomatically.
Inthistalk,Iwillgiveanoverviewtoproblemsinconversionmodeling,conversionvalueestimationandconversionattribution.
报告人简介:任伟,2009年博士毕业于中科院数学与系统科学研究院,研究图论以及复杂网络.
毕业后在微软工作至今,现在微软亚洲互联网工程院开发经理.
在工作期间对于计算广告中的点击率预测、转化模型预估应用等具有丰富经验,具有深厚的大数据处理的知识和经验,对于算法中常见的工业大规模的深度学习、特征工程、线上服务底层实现等具有深厚了解,深刻理解算法和工程的结合对于广告商业化的巨大促进作用.
目前负责微软必应搜索广告中的转化率模型的各项工作.
InferringGeneRegulatoryNetworksfromGeneExpressionData刘治平,山东大学摘要:Transcriptionalregulationplaysvitalrolesinmanyfundamentalbiologicalprocesses.
Reverseengineeringofgeneregulatorynetworksfromhigh-throughputtranscriptomicdataprovidesapromisingwaytocharacterizetheglobalscenarioofregulatoryrelationshipsbetweenregulatorsandtheirtargets.
Inthistalk,wewillsummarizeandcategorizethemainframeworksandmethodscurrentlyavailableforinferringtranscriptionalregulatorynetworksfromgeneexpressionprofilingdata.
Weovervieweachofstrategiesandintroducesomerepresentativemethodsrespectively.
报告人简介:刘治平,男,教授,博士生导师,齐鲁青年学者.
2008年获中国科学院数学与系统科学研究院博士学位,曾在美国和日本从事博士后研究工作.
2010年任中国科学院上海生命科学研究院副研究员,2013年至今任职山东大学.
目前主要从事生物信息与机器学习的教研工作,在Cell,EuropeanHeartJournal,Bioinformatics等国际知名期刊发表论文60余篇.
大数据+人工智能助力疾病早期检测和药物研发陈兴,中国矿业大学摘要:我将报告我们团队这些年来在大数据+人工智能助力疾病早期检测和药物研发上的一点研究进展和成果.
具体包括大数据+人工智能在以下重要问题上的应用案例:1)复杂疾病相关非编码RNA生物标志物识别;2)尘肺病早期检测;3)癌症早期检测和癌症风险评估;4)药物靶点相互作用预测;5)抗真菌增效药物组合预测;6)抗癌增效药物组合预测等内容.
报告人简介:陈兴,中国矿业大学人工智能研究院副院长,教授、博士生导师(均为31岁时直接破格,2016-至今),2019年科睿唯安全球高被引科学家,2017年全球排名前十万科学家(排名全球第12060位),斯坦福大学发布的世界前2%科学家,中国矿业大学人工智能研究院大数据研究中心主任,中国矿业大学生物信息研究所所长,中国矿业大学首批越崎学者,江苏省六大人才高峰高层次人才,中国工业与应用数学学会数学生命科学专业委员会秘书长,中国计算机学会生物信息学专业委员会委员,中国人工智能学会青年工作委员会委员,江苏省双创团队核心成员.
JournalofCellularandMolecularMedicine、BMCBioinformatics、BMCSystemsBiology等四家SCI杂志副主编,InternationalJournalofBiologicalSciences、BriefingsinFunctionalGenomics、InternationalJournalofMolecularSciences等八家SCI杂志编委,FrontiersinMicrobiology、CurrentTopicsinMedicinalChemistry等六家SCI杂志首席特约编委,十四家国际生物信息学会议程序委员会成员.
以一作或通讯发表SCI论文100余篇,以一作或通讯在Bioinformatics、PLoSComputationalBiology、BriefingsinBioinformatics、NucleicAcidsResearch四大生物信息顶级期刊发表论文21篇.
论文被引共计7830次,16篇论文入选最新一期ESI高被引论文,H-因子为44,单篇最高引为690.
获教育部高等学校科学研究优秀成果奖自然科学奖二等奖(排名第3)、江苏省科学技术奖三等奖(排名第1)、中国自动化学会自然科学奖二等奖(排名第1)、江苏省教育教学与研究成果奖高校自然科学研究类一等奖(排名第1)、淮海科技英才奖、多个国际会议的最佳论文奖、世界华人数学家大会新世界数学奖等荣誉,主持国家自然科学基金面上项目(2项)、青年基金、江苏省和中国矿业大学的高层次人才项目等,以主要成员身份参与国家自然科学基金重点项目(2项,1项为子课题负责人)、重大研究计划培育项目、数学天元基金、江苏省"双创计划"团队项目等项目.

AutoreservoirComputingforPrediction陈洛南,中国科学院上海生命科学研究院摘要:Thisworkdevelopsanauto-reservoircomputingframework,Auto-ReservoirNeuralNetwork(ARNN),toefficientlyandaccuratelymakemulti-step-aheadpredictionsbasedonashorttermhigh-dimensionaltimeseries.
Differentfromtraditionalreservoircomputingwhosereservoirisanexternaldynamicalsystemirrelevanttothetargetsystem,ARNNdirectlytransformstheobservedhigh-dimensionaldynamicsasitsreservoir,whichmapsthehighdimensional/spatialdatatothefuturetemporalvaluesofatargetvariablebasedonourspatiotemporalinformation(STI)transformation.
Thus,themulti-steppredictionofthetargetvariableisachievedinanaccurateandcomputationallyefficientmanner.
ARNNissuccessfullyappliedtobothrepresentativemodelsandreal-worlddatasets,allofwhichshowsatisfactoryperformanceinthemulti-step-aheadprediction,evenwhenthedataareperturbedbynoiseandwhenthesystemistime-varying.
Actually,suchARNNtransformationequivalentlyexpandsthesamplesizeandthushasgreatpotentialinpracticalapplicationsinartificialintelligenceandmachinelearning.
报告人简介:LuonanChenreceivedBSdegreeintheElectricalEngineering,fromHuazhongUniversityofScienceandTechnology,andtheM.
E.
andPh.
D.
degreesintheelectricalengineering,fromTohokuUniversity,Sendai,Japan,in1988and1991,respectively.
From1997,hewasanassociateprofessoroftheOsakaSangyoUniversity,Osaka,Japan,andthenafullProfessor.
Since2010,hehasbeenaprofessorandexecutivedirectoratKeyLaboratoryofSystemsBiology,ShanghaiInstituteofBiochemistryandCellBiology,ChineseAcademyofSciences.
HewasthefoundingdirectorofInstituteofSystemsBiology,ShanghaiUniversity.
HewaselectedasthefoundingpresidentofComputationalSystemsBiologySocietyofORChina,andChairofTechnicalCommitteeofSystemsBiologyatIEEESMCSociety.
Inrecentyears,hepublishedover350journalpapersandtwomonographs(books)intheareaofbioinformatics,nonlineardynamicsandmachinelearning.
基于单细胞转录组测序数据从头重构细胞空间关系任仙文,北京大学摘要:单细胞转录组测序(scRNA-seq)是一项革命性的生物技术,在生物医学中的诸多领域得到了广泛应用.
但在组织分离过程中,单个细胞的空间信息会丢失.
虽然基于成像的技术如原位测序显示了巨大的前景,但目前的技术挑战限制了它们的广泛应用.
在这里,我们提出了名为CSOmap的计算工具,可以只基于单细胞转录组测序数据从头重构细胞的空间关系.
在人和小鼠的十多个器官的五种单细胞转录组测序平台上,我们对CSOmap进行了验证,证明了其有效性.
特别地,CSOmap可以在计算水平上模拟基因或细胞类型的干扰实验,来检验其对细胞空间关系的影响,从而获得新的生物学认识.
我们把CSOmap用于研究肿瘤微环境,做出了一系列新的发现.
报告人简介:任仙文,副研究员,国家自然科学基金优秀青年项目获得者.
2004年毕业于南开大学,获生物科学、信息与计算科学双学位;2007年毕业于军事医学科学院,获遗传学硕士学位;2010年毕业于中国科学院数学与系统科学研究院,获得运筹学与控制论博士学位.