报 告 人：Nikhil R. Pal 院士

工作单位：印度统计研究所

报告题目：用于可视化、系统识别和流形学习结构保持的模糊降维方法

报告时间：2022年7月16日（周六）上午10:30-11:30

报告链接：

https://teams.microsoft.com/l/meetup-join/19%3aB4gmRcUATAMA2iJqi-xXvtfPFfTbxVJPxSW_pcAPBao1%40thread.tacv2/1638719716825?context=%7b%22Tid%22%3a%2222804ebb-30d5-47df-942f-f3a3722f0225%22%2c%22Oid%22%3a%2216a60c03-ad7a-4b85-a403-8ebd947e010c%22%7d

内容摘要：

 在这个大数据/人工智能/机器学习时代，当我们用约1750亿个自由参数训练网络时，降维有多重要？即使如今所有问题都不是大数据问题，不涉及文字和（或）图像，或很多问题不能依赖于黑盒模型，降维仍具有相关性和重要性。此外，通常这些黑盒系统无法应对现实生活中决策系统的开放世界性质。因此，降维、数据可视化、决策系统的透明度及其应对开放世界问题的能力非常重要。下面将讨论模糊系统对于这些问题的方法设计：降维保持数据的几何结构；一种独特的综合特征选择和系统识别的方法；当高维数据基本上位于低维流形上时的一种流形学习方法，其中一些方法是首次尝试。接下来将阐述这样的模糊系统如何能够轻松地避免在它应该做出决定的时候做出决定。最后，将讨论一些需要进一步研究的问题。

个人简介：

 Nikhil R. Pal，印度统计研究所电子与通信学部教授、IEEE Fellow, 印度科学院院士、印度工程院院士、发展中国家科学院院士，现担任印度统计研究所人工智能与机器学习中心主任。Nikhil R. Pal 院士研究方向包括脑科学、计算智能、机器学习和数据挖掘。2005年1月至2010年12月期间，担任IEEE Transactions on Fuzzy Systems的主编。他曾/一直在多个期刊的编辑/顾问委员会/指导委员会任职，包括International Journal of Approximate Reasoning,Applied Soft Computing,International Journal of Neural Systems, Fuzzy Sets and Systems, IEEE Transactions on Fuzzy Systems和IEEE Transactions on Cybernetics。Nikhil R. Pal院士是2015年IEEE计算智能学会(CIS)模糊系统先锋奖和2021年IEEE CIS卓越服务奖的获得者。他在计算智能领域的不同主要国际会议上做了多个大会主题报告。曾担任多个会议的总主席、项目主席和联合项目主席。曾是IEEE CIS的杰出讲师（2010-2012、2016-2018、2022-2024），并且是IEEE CIS管理委员会委员（2010-2012）。Nikhil R. Pal 院士曾担任 IEEE CIS 出版副主席（2013-2016）和 IEEE CIS主席（2018-2019）。 

(www.isical.ac.in/~nikhil)

【编辑：刘晓涵】