信息工程学院高质量发展之学术报告第十讲

为了进一步加强学院学术氛围，跟踪学科前沿，与国内外优秀同行建立良好合作关系，提高学院学术影响力，同时扩大师生视野，提高师生学术创新能力，提高学院发展质量，我院将开展系列学术报告，本次报告为系列报告第十讲。

报告主题：基于学习-推理的约束求解方法及两个实例

报告大纲：机器学习与自动推理的融合是当前人工智能研究的新趋势. 约束满足问题是人工智能研究的经典问题, 现实世界中大量的调度、规划和配置等问题均可以建模为约束满足问题, 高效的求解算法一直是研究热点. 近年来涌现出众多将机器学习应用于约束满足问题求解的新方法, 这些基于“学习-推理”的新方法为约束满足问题求解开辟了新方向并展示出巨大发展潜力, 方法的突出优点是适应性强、可在线优化并具有更强的可扩展性. 将当前的 “学习-推理”方法分为基于消息传递神经网络、基于序列到序列和基于最优化等 3 类进行比较研究, 详细分析各类方法的特点和在不同的问题集上求解效果, 尤其对每类方法所涵盖的相关工作进行多角度的对比分析。在此基础上，我们提出了两种学习-推理模型的约束求解方法实例，并与相关工作进行了对比分析。

报告时间：2023年7月10日下午15:30

报告地点：信息工程学院会议室514

主讲人简介：张永刚，吉林大学计算机科学与技术学院教授、博士生导师、副院长，符号计算与知识工程教育部重点实验室副主任，计算机科学技术研究所副所长，华为信息与网络技术学院执行副院长，吉林大学数学研究所博士后，法国蒙彼利埃大学、意大利特伦多大学、加拿大纽布伦斯威克大学访问学者。研究方向为约束求解与优化、学习推理方法、知识图谱等。在国内外重要会议和期刊发表学术论文50余篇，主持国家自然科学基金面上项目3项。中国计算机学会高级会员， ACM中国长春分会秘书长，中国计算机学会人工智能与模式识别专委会通讯委员，中国人工智能学会知识工程与分布智能专委会委员，中国人工智能学会人工智能基础专委会委员，中国人工智能学会人工智能逻辑专委会委员。

诚挚邀请感兴趣的老师和学生参加本次报告！