结构模式识别与图机器学习—前沿与挑战
图(Graph)是刻画实体间复杂关系的重要结构数据,在自然科学与哲学社会科学领域广泛存在,其特有的复杂性为传统模式识别与机器学习方法带来了前所未有的挑战。结构模式识别与图机器学习以图或复杂网络为主要研究对象,能够有效挖掘与学习图数据内部蕴含的复杂关联关系与结构模式信息,在计算机视觉、金融、社交网络等众多领域获得广泛应用,是新一代人工智能的重要研究方向。然而,该领域现有研究依然面临一系列关键挑战。为促进该领域学者的深入交流,剖析当前面临的理论瓶颈问题,进而提出推动该领域持续发展的新见解与新思考,本论坛拟特别邀请数位国内图机器学习领域的一线知名学者,分享其在基础理论、前沿算法及应用等方面的最新研究成果。
论坛主席:白璐,教授,北京师范大学
白璐,教授,博导,智能技术与教育应用教育部工程研究中心副主任。交叉科学部首届国家优青(2021),教育部国家优秀自费留学生(2015),百度全球高潜力AI华人青年学者(2022),曾入选国际模式识别学会IAPR Newsletter下一代报道(2016,全球每年四位青年学者)。英国约克大学博士(2015),师从皇家工程院院士Edwin R. Hancock教授。研究方向:结构模式识别、图机器学习、金融人工智能、智能教育等。发表TPAMI、TKDE、ICML、NeurIPS等国际权威期刊会议论文130余篇,包括:8篇ESI热点/高被引、3篇IAPR/IEEE国际会议论文奖,2篇CCF中国数字金融大会与中国图机器学习会议优秀海报(TNNLS 2023 & AAAI 2025)。担任权威期刊TNNLS、PR、NN编委。成果曾应用于科大讯飞等实际业务,或形成报告被“国家发改委”采纳。
论坛共同主席:李明,教授,浙江师范大学
李明,教授,博士生导师,入选浙江省高校高层次拔尖人才,浙江省"钱江人才计划",现任浙江全省智能教育技术与应用重点实验室副主任,担任Neural Networks期刊在内的多个国际期刊副主编及编委。 在IEEE TPAMI/AI/IEEE TKDE及ICML/NeurIPS/IJCAI/AAAI/ICDE上发表论文100多篇(含ESI高被引论文7篇、热点论文2篇),入选全球前 2% 顶尖科学家榜单, Google Scholar引用超过4000次,h-index 32,主持国家级及省部级纵向项目7项 (含浙江省“尖兵”“领雁”研发攻关计划项目1项),作为合作单位项目负责人联合承担国自科区域创新发展联合基金重点项目1项, 获第二十五届中国专利优秀奖,入选意大利ICTP研究中心高级访问学者计划。
论坛共同主席:赵中英,教授,山东科技大学
赵中英,教授,博士生导师。山东省泰山学者,山东省青创团队带头人,山东省优秀研究生指导教师,青岛市青年科技奖获得者,CCF杰出会员,CCF YOCSEF青岛主席(20-21)。研究领域包括:图数据挖掘、人工智能等。作为负责人,主持国家自然科学基金面上项目(2项)、青年项目、国家自然科学基金重点项目子课题、以及省部级项目等十余项。在TKDE、TOIS、TBD、TNNLS、TNSE、TOMM、KDD、AAAI、IJCAI 等发表学术论文80余篇。近年来,获山东省科技进步一等奖、山东省高等学校科学技术奖二等奖、山东省人工智能自然科学一等奖等。担任国家自然科学基金委函评专家、国家重点研发计划评审专家等。
论坛共同主席:崔丽欣,副教授,中央财经大学
崔丽欣,副教授,博导,中央财经大学“龙马学者-青年学者”,电子商务系副主任,北京市本科毕设优秀指导教师。香港大学博士,研究方向:图机器学习、运筹优化、智能金融等,拥有国际金融风险管理师FRM一级证书,及香港证券从业资格证书。发表TPAMI、TKDE、TNNLS、TFS、PR、ICML、NeurIPS等权威期刊会议论文近80篇,包括:4篇ESI热点/高被引,1篇CCF中国数字金融大会“优秀海报”(TNNLS 2023)。4篇会议论文获IEEE IEEM 2019“杰出论文奖”、国际模式识别学会IAPR“ICPR 2018最佳科技论文奖”、亚太工业工程及管理系统学会APIEMS“最佳学生论文奖”,及国际工程师学会IAENG“WCE 2011最佳学生论文奖”。曾担任模式识别旗舰期刊PR编委(2019-2025),并作为客座编辑共同组织PR首个金融人工智能主题特刊。
报告1:复杂网络的动力学基础模型
报告人简介:杨博,吉林大学唐敖庆卓越教授,吉林大学计算机学院和软件学院院长,符号计算与知识工程教育部重点实验室主任,科技部2030新一代人工智能重大项目首席科学家。先后入选国家级高层次人才,享受国务院政府特殊津贴专家,教育部新世纪优秀人才,宝钢优秀教师,中国高校计算机专业优秀教师奖励计划。现任中国人工智能学会理事,中国人工智能学会知识工程与分布智能专委会副主任,中国计算机学会杰出会员,《软件学报》和《计算机研究与发展》编委。长期从事人工智能研究,主要方向为图学习、复杂系统学习、神经符号AI、智能推荐系统等。
报告摘要:本报告探索人工智能与复杂性科学的交叉融合,以建立复杂系统的智能建模理论与方法为目标,从科学的角度发现和理解流行病爆发、网络群体行为失控等复杂现象的形成与演化,兼顾表达能力和自适应性,有效融合先验知识,并支持非线性分析与调控决策。复杂动态系统智能建模的核心问题是如何建模与学习网络动力学机制。为了克服现有方法不具备小样本场景的自适应能力,本报告提出了面向网络动力学的神经符号回归基础模型,提供网络动力学的统一表征方法。在大量模拟数据和真实数据上的实验结果展示了所提出的基础模型即使面对稀疏、不规则采样、局部观测和具有噪声的观测数据,也能有效地发现新发网络动力学场景的可解释符号模型。
报告2:攻与防:鲁棒图机器学习
报告人简介:刘新旺,国防科技大学计算机学院教授、博导,国家杰青(2023)、国家优青(2019)获得者,基金委重点项目、科技创新2030重大项目负责人,基金委创新群体A类核心成员。主要研究方向为机器学习、数据挖掘等。共发表CCF A类期刊/会议论文150余篇, 其中包括IEEE T-PAMI 16篇 (含3篇独立作者),谷歌学术引用2万余次, 连续3年入选全球2%顶尖科学奖榜单 (2022-2024)。研究成果获吴文俊人工智能自然科学一等奖(2024, 排1)、北京市科技进步一等奖(2024)、湖南省自然科学一等奖两项 (2014, 2021)、中国图象图形学学会自然科学二等奖 (2024)等。担任IEEE T-NNLS, IEEE T-CYB等国际顶刊AE, 以及ICML, NeurIPS等国际顶会领域主席。
报告摘要:图机器学习作为处理复杂关系数据的核心技术,已广泛应用于社交网络分析、推荐系统与生物医药等领域,展现出显著应用价值。然而,随着人工智能研究的深入,性能不再是唯一值得关注的问题,模型是否安全可靠也是现阶段研究者们探索的重要研究方向。通过调研,不难发现现有图学习方法易受到针对图结构、图属性的后门攻击与对抗样本攻击,进而使其性能受到波动、可靠性下降。针上述问题,本课题组提出如下创新性研究方案:(1)基于自监督学习的防御方法,以应对后门攻击的挑战;(2)重要性驱动的随机采样防御方法,以应对对抗样本攻击的挑战。此外,课题组进一步针对知识图谱,这一更具体、复杂的图数据类型,进行了相关的研究,为实现更安全的图谱学习提供了指导。最后,关于图学习的未来潜在研究方向,本汇报也进行了梳理并展望。
报告3:结构模式识别发展与前沿:图核神经网络
报告人简介:白璐,教授,博导,智能技术与教育应用教育部工程研究中心副主任。交叉科学部首届国家优青(2021),教育部国家优秀自费留学生(2015),百度全球高潜力AI华人青年学者(2022),曾入选国际模式识别学会IAPR Newsletter下一代报道(2016,全球每年四位青年学者)。英国约克大学博士(2015),师从皇家工程院院士Edwin R. Hancock教授。研究方向:结构模式识别、图机器学习、金融人工智能、智能教育等。发表TPAMI、TKDE、ICML、NeurIPS等国际权威期刊会议论文130余篇,包括:8篇ESI热点/高被引、3篇IAPR/IEEE国际会议论文奖,2篇CCF中国数字金融大会与中国图机器学习会议优秀海报(TNNLS 2023 & AAAI 2025)。担任权威期刊TNNLS、PR、NN编委。成果曾应用于科大讯飞等实际业务,或形成报告被“国家发改委”采纳。
报告摘要:结构模式识别与图机器学习能够有效挖掘并学习图数据内部蕴含的复杂关联关系与结构模式信息,已在计算机视觉、金融、社交网络等诸多领域获得广泛应用。本报告首先梳理结构模式识别与图机器学习过往近40年的发展脉络,分析不同阶段相关研究的理论特点。介绍课题组在“图核函数”与“图神经网络”两个相关重要方向的创新研究成果,及其在金融风险分析等场景的交叉应用。此外,着重阐述两者间的理论关联,及两者当前交叉研究“图核神经网络”的现状。最后,结合课题组在量子随机游走等方向的研究内容,对未来结构模式识别与图机器学习的潜在研究进行展望。
报告4:图数据结构模式研究进展:整体结构建模和局部模式发现
报告人简介:赵翔,国防科技大学大数据与决策实验室智能决策技术研究部主任,教授、博导。教育部青年长江学者,湖南省科技创新领军人才,军队青年科技英才。从事大数据知识工程、世界模型等方面的教研工作,主持国家重点研发计划青年科学家项目、国家自然科学面上基金、湖南省杰出青年基金等重要科研项目10余项,出版专著2部,获评国际学术会议论文奖4项,申请专利40余项。湖南省科技创新团队骨干成员,获评军队科技进步二等奖、中国指挥控制学会科技进步一等奖、中国计算机学会自然科学二等奖、ACM SIGMOD中国新星奖、CICC青年科技奖。中国计算机学会杰出会员、信息系统专委副秘书长、大数据专家委员会委员。
报告摘要:图数据日益丰富,且愈来愈复杂和多样化,精准识别与预测图数据中的结构模式成为图数据分析领域的研究热点。本报告聚焦于图数据结构模式识别,将分享从整体结构建模到局部模式发现的若干研究进展。首先,在整体结构建模方面,将介绍基于超边关系的图学习方法,以捕捉多节点间的高阶依赖关系,并结合信息扩散预测任务,实现宏观与微观层面的协同预测。其次,在局部模式发现方面,将介绍学习型子图计数与结构匹配近似算法,以从复杂网络中快速发现关键结构模式,为局部模式的高效识别提供工具支持。本报告旨在为图数据上的结构模式识别研究提供新思路,并为相关方法在社交网络分析等图智能领域的应用提供技术参考。
报告5:图结构学习神经网络及其在视觉结构化建模中的应用
报告人简介:江波,安徽大学教授、博士生导师,安徽大学计算机学院副院长,安徽省多模态认知计算重点实验室副主任。从事结构模式识别、计算机视觉以及医学影像分析等方向的研究。主持安徽省杰青人才项目,获安徽省计算机学会青年科学家奖。在中科院一区、IEEE Trans汇刊和CCF-A类等国际期刊会议上发表论文100余篇,其中第一/通讯作者发表人工智能顶级期刊T-PAMI、IJCV论文8篇。谷歌总引用3300余次,单篇最高谷歌引用为457次。主持国家自然科学基金面上项目、安徽省重点研发计划项目、安徽省优青项目等。获安徽省计算机学会自然科学一等奖、ACM合肥分会新星奖等。获安徽省研究生教学成果特等奖,安徽省优秀青年研究生导师等。
报告摘要:作为结构模式识别领域的重要方法,图表示学习已经得到广泛的应用。在计算机视觉中任务中,视觉结构化信息往往需要从视觉信息中学习得到,因此传统的图神经网络学习方法往往难以直接应用。在本次报告中,我将首先简要概述最近的图神经网络发展,重点介绍图结构学习神经网络模型的一些代表性工作。然后,结合本人近期的一些研究工作,介绍图结构学习神经网络及其在小样本图像分类、多模态视觉学习以及医学影像分析中的应用,并对未来工作进行展望。
Panel嘉宾1:罗斌,教授,安徽大学
罗斌,安徽大学计算机科学与技术学院教授、博士生导师、英国约克大学计算机科学博士,二级教授。国际期刊《Visual Intelligence》创刊副主编。首批安徽省“皖江学者”特聘教授、首批安徽省学术技术带头人、安徽省模范教师。现任国际学术组织IEEE南京分会合肥分部主席、中国图象图形学会常务理事、安徽省计算机学会监事长。研究方向为模式识别与数字图像处理。代表性学术论文发表于国际学术期刊和国际学术会议IEEE TPAMI、IJCV和CVPR、NIPS等。《数字图像处理(双语)》国家级“一流课程”负责人。主持过国家自然科学基金国际合作重点项目和面上项目多项。曾获得安徽省科学技术一等奖和安徽省教学成果一等奖等。曾受聘新加坡南洋理工大学TCT交换研究员、澳大利亚新南威尔士大学客座研究员等。
Panel嘉宾2:于剑,教授,北京交通大学
于剑,现任北京交通大学二级教授,人工智能研究院院长,交通数据挖掘与具身智能北京市重点实验室主任。中国计算机学会会士,中国人工智能学会会士,中国人工智能学会副秘书长兼常务理事,中国计算机学会人工智能与模式识别专委会荣誉主任。提出了机器学习公理化问题,著有学术专著《机器学习:从公理到算法》。
Panel嘉宾3:杨博,教授,吉林大学
杨博,吉林大学唐敖庆卓越教授,吉林大学计算机学院和软件学院院长,符号计算与知识工程教育部重点实验室主任,科技部2030新一代人工智能重大项目首席科学家。先后入选国家级高层次人才,享受国务院政府特殊津贴专家,教育部新世纪优秀人才,宝钢优秀教师,中国高校计算机专业优秀教师奖励计划。现任中国人工智能学会理事,中国人工智能学会知识工程与分布智能专委会副主任,中国计算机学会杰出会员,《软件学报》和《计算机研究与发展》编委。长期从事人工智能研究,主要方向为图学习、复杂系统学习、神经符号AI、智能推荐系统等。
Panel嘉宾4:石川,教授,北京邮电大学
石川,北京邮电大学计算机学院教授、博士研究生导师、智能通信软件与多媒体北京市重点实验室副主任,长江学者特聘教授。主要研究方向: 数据挖掘、机器学习、人工智能和大数据分析。近5年以第一作者或通讯作者在CCF A类期刊和会议发表论文60余篇,中英文专著五部,谷歌学术引用过万,连续入选爱思唯尔高被引学者;授权发明专利30余项,相关研究成果应用于阿里、蚂蚁、腾讯、华为、美团等公司。研究成果获得中国电子学会科技进步一等奖和北京市科学技术奖自然科学二等奖等奖励。
Panel嘉宾5:刘新旺,教授,国防科技大学
刘新旺,国防科技大学计算机学院教授、博导,国家杰青(2023)、国家优青(2019)获得者,基金委重点项目、科技创新2030重大项目负责人,基金委创新群体A类核心成员。主要研究方向为机器学习、数据挖掘等。共发表CCF A类期刊/会议论文150余篇, 其中包括IEEE T-PAMI 16篇 (含3篇独立作者),谷歌学术引用2万余次, 连续3年入选全球2%顶尖科学奖榜单 (2022-2024)。研究成果获吴文俊人工智能自然科学一等奖(2024, 排1)、北京市科技进步一等奖(2024)、湖南省自然科学一等奖两项 (2014, 2021)、中国图象图形学学会自然科学二等奖 (2024)等。担任IEEE T-NNLS, IEEE T-CYB等国际顶刊AE, 以及ICML, NeurIPS等国际顶会领域主席。
Panel嘉宾6:曹飞龙,教授,浙江师范大学
曹飞龙,浙江师范大学杰出教授,博士生导师,西北大学特聘教授、宁夏大学贺兰山学者讲席教授,入选浙江省高校中青年学科带头人、浙江省“新世纪151优秀人才”,二级教授。研究方向包括人工神经网络理论与应用、机器学习理论及算法、函数逼近论、图表示学习理论及应用等。在中国科学(中英文)、AI、TPAMI、TIP、ICML等期刊及会议上发表论文300余篇,主持国家自然科学基金项目8项,2022-2024连续三年入选入选全球前 2% 顶尖科学家榜单,曾获吴文俊人工智能科学技术奖。
版权所有:中国计算机学会技术支持邮箱:conf_support@ccf.org.cn