计算机与软件工程学院2025年研究生学术活动月系列学术报告

张长青，天津大学智能与计算学部教授，博士生导师，国家级高层次人才。主要研究方向为机器学习，在Nature 子刊/IEEE TPAMI /ICML/NeurIPS/ICLR等期刊和国际会议上发表论文50余篇，Google Scholar引用1万4千余次。研究成果获得天津市自然科学一等奖、重庆市自然科学一等奖、中国图象图形学学会自然科学奖一等奖、ICME最佳论文等奖励，连续入选爱思唯尔“中国高被引学者”。受邀担任Pattern Recognition副编辑、《中国图象图形学报》《电子学报》编委及CCF A类会议领域主席。

报告二：鲁棒图基础模型

内容摘要：传统图表征学习方法主要依赖于图神经网络（GNN）及其消息传递机制，获得学术界与工业界的广泛关注。随着大语言模型（LLM）在多个领域取得突破，图表征学习范式也正经历显著变革，主要体现在领域内对图transformer架构的聚焦，以及图神经网络与大模型的结合。本次报告将围绕以上方向，探讨鲁棒图基础模型的关键技术、挑战以及思考。

主讲人简介：

王啸，北京航空航天大学教授，博士生导师，国家级高层次人才。研究方向为人工智能、数据挖掘与机器学习，共发表论文100余篇，谷歌学术引用16000余次，成果多次被写入业界图学习标准库PyG和DGL等。曾获得国家自然科学二等奖，教育部自然科学一等奖，中国电子学会科技进步一等奖，吴文俊人工智能优秀青年奖，ACM中国新星提名奖，入选斯坦福大学发布的全球Top 2%顶尖科学家终身影响力榜单。担任NeurIPS领域主席，WWW/AAAI/IJCAI的高级程序委员会委员，Neural Networks和IEEE TAI期刊编委。CCF高级会员，CCF青工委主任助理，CCF大数据专委会执行委员，CCFAI专委会执行委员，中文信息学会SMP专委会委员。

报告三：复杂图表征学习

内容摘要：图机器学习成为当前人工智能、数据挖掘和网络空间安全的重要方法体系，以图神经网络为代表的学习范式推动了图数据的表示、建模、挖掘及其应用。针对图数据存在的语义信息多元、链接模式多样、演化行为多变、隐私安全缺乏等挑战，研究了复杂图的拓扑统一表征机理、语义融合学习机制、动态协同关联模式以及对抗攻击生成方案，建立了多尺度层次结构的递进式表征学习框架、多粒度异质信息的生成式联合表征体系、多维度时序耦合的跨尺度多任务预测范式、多领域模型泛化的通用攻击策略模式，形成了复杂图表征学习方法体系。

主讲人简介：

焦鹏飞，杭州电子科技大学研究员，特聘教授，数据安全治理浙江省工程研究中心主任。主要研究方向为图机器学习、数据挖掘和网络空间治理安全。以第一/通讯作者在IEEE TPAMI、TIFS、TTKDE、AAAI、ICDE、《计算机学报》等国际顶级期刊会议发表论文60余篇，获中国发明协会二等奖、外交部感谢信及天津市教委咨询一等奖、ACM杭州2024新星奖。承担国家自然科学基金面上项目、青年项目和浙江省自然基金重大项目等。