亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

題目： Hyperbolic Heterogeneous Information Network Embedding

摘要： 異構信息網絡嵌入(Heterogeneous information network, HIN)以將其投射到低維空間為目標，已經引起了相當多的研究關注。現有的HIN嵌入方法主要是在歐幾里得空間中保留內部網絡結構和語義相關性。然而，一個基本的問題是歐幾里得空間是否是HIN的合適的或內在的等距空間?。近年來的研究認為，復雜網絡的底層可能具有雙曲幾何，因為底層的雙曲幾何可以自然地反映復雜網絡的一些特性，如層次結構和冪律結構。在本文中，我們首次嘗試將HIN嵌入到雙曲空間中。我們分析了兩個實際HIN的結構，發現HIN中也存在冪律分布等性質。為此，我們提出了一種新的雙曲異構信息網絡嵌入模型。具體地說，為了捕獲節點之間的結構和語義關系，我們采用元路徑引導隨機游走對每個節點的序列進行采樣。然后利用雙曲空間中的距離作為近似度量。雙曲距離能滿足三角不等式，并能很好地保持HIN中的傳遞性。我們的模型使節點及其鄰域具有小的雙曲線距離。進一步推導出有效的優化策略，迭代更新雙曲嵌入。實驗結果表明，該模型不僅在網絡重構和鏈路預測任務上具有優越的性能，而且在HIN中通過可視化顯示了捕獲層次結構的能力。

 本課程的目的是提供非漸近方法的介紹，以研究在高維隨機結構出現的概率，統計，計算機科學，和數學。重點是開發一套已被證明在不同領域的廣泛應用程序中有用的公共工具。根據時間和聽眾的興趣，主題可能包括:措施的集中;功能性，運輸成本，鞅不等式;isoperimetry;馬爾可夫半群，混合時間，隨機場;hypercontractivity;閾值和影響;斯坦的方法;隨機過程的最高原則;高斯和拉德馬赫不等式;通用的鏈接;熵和組合維數;選擇應用程序。

主題： RNA Prediction Algorithm for 2019 Novel Coronavirus

摘要： 針對2019年新型冠狀病毒（2019 nCoV）爆發，中國科技巨頭百度已開放其RNA（核糖核酸）預測算法LinearFold。該工具可以顯著加快病毒RNA二級結構的預測時間，為一線研究人員在危機時刻更好地了解病毒、開發靶向疫苗提供了機會。百度的人工智能科學家已經將LinearFold應用于2019年的nCoV，將預測時間從55分鐘縮短到27秒。

題目： Link Prediction via Community Detection inBipartite Multi-Layer Graphs

摘要：

隨著多關系網絡數量的不斷增加，在多層框架中解決經典圖問題的方法(如鏈接預測)的發展帶來了新的挑戰。在這項工作中，我們將現有的二部局部模型方法與來自社區的鏈接預測方法相結合來解決多層圖的鏈接預測問題。為此，我們將現有的基于社區發現的鏈路預測方法擴展到二部多層網絡設置中。我們得到了一個新的二部圖中鏈接預測的通用框架，它可以集成任何社區發現方法，能夠處理任意數量的網絡，而且相當便宜(取決于社區檢測技術)，并且能夠自動調整其參數。我們使用兩種最常見的社區檢測方法，Louvain算法和光譜劃分來測試我們的框架，這兩種方法很容易應用于二部圖。我們評估我們的基準數據集的方法，以解決一個常見的藥物目標交互預測任務的計算藥物設計，并在經驗上證明，我們的方法是有競爭力的、最先進的。

邀請嘉賓：

Albrecht Zimmermann目前在卡昂-諾曼底大學擔任會議主任。在研究方面，參加了CoDaG小組的活動，又是GREYC研究實驗室的一部分。2014年2月2日至2015年8月31日，我是法國里昂里昂大學LIRIS實驗室的一員。在德國弗萊堡大學的計算機科學系完成了博士學習。

Bruno Crémilleux主要研究興趣是數據庫中的數據挖掘和知識發現，重點是模式發現:模式(集合)發現、約束滿足問題和數據挖掘、自然語言處理和數據挖掘、偏好查詢(如skypatterns)、來自幾種模式語言的無監督和監督方法(如序列、圖形)。這項研究工作得益于在化學信息學、生物醫學文本分析、生物信息學等領域的緊密合作。Bruno Crémilleux還是GREYC實驗室的約束、數據挖掘和圖形團隊的成員。

主題： A framework for pattern mining and anomalydetection in multi-dimensional time series andevent logs

摘要： 目前，傳感器數據和文本日志是由許多設備生成的。分析這些時間序列數據，可以發現有趣的模式和異常。近年來，人們開發了許多算法來發現時間序列數據中有趣的模式以及檢測異常行為的周期。然而，這些算法在現實環境中的應用具有挑戰性。我們提出了一個框架，由通用轉換組成，它允許結合最新的時間序列表示、模式挖掘和基于模式的自動檢測算法。使用早期或后期集成，我們的框架處理多維連續序列和事件日志的混合。最后，我們提出了一個開源的、輕量級的、交互式的工具，它幫助模式挖掘和領域專家選擇算法、指定參數和視覺檢查結果，同時屏蔽了實現框架的底層技術復雜性。

作者簡介： Vincent Vercruyssen，在魯汶大學攻讀人工智能（專業數據挖掘和機器學習）博士學位。

Boris Cule，Jan De Nul unlimited CoC總工程師。等

論文題目： Graph Convolutional Networks with Motif-based Attention

論文摘要：

深度卷積神經網絡在計算機視覺和語音識別領域的成功，使得研究人員開始研究該體系結構對圖結構數據的泛化。最近提出的一種稱為圖卷積網絡的方法能夠在節點分類方面取得最新的成果。然而，由于所提出的方法依賴于spectral圖卷積的局部一階近似，因此無法捕獲圖中節點間的高階相互作用。在這項工作中，我們提出了一個motif-based的圖注意力模型，稱為Motif Convolutional Networks，它通過使用加權多跳motif鄰接矩陣來捕獲高階鄰域，從而泛華了過去的方法。一個新的注意力機制被用來允許每個單獨的節點選擇最相關的鄰居來應用它的過濾器。我們在不同領域(社會網絡和生物信息學)的圖上評估了我們的方法，結果表明它能夠在半監督節點分類任務上勝過一組有競爭力的基準方法。其他結果證明了attention的有用性，表明不同的節點對不同的高階鄰域進行了優先排序。

論文作者：

John Boaz Lee于2015-1019年在伍斯特理工學院計算機科學系的攻讀博士學位。研究領域包括深度學習、數據挖掘、信息與社會網絡分析、強化學習等。2020年1月，將加入Facebook研究的核心數據科學團隊作為研究科學家。

Ryan A. Rossi目前在Adobe Research工作。研究領域是機器學習，從社會和物理現象跨越理論、算法和大型復雜關系(網絡/圖)數據的應用。在普渡大學獲得了計算機科學的博士和碩士學位。Ryan A. Rossi的論文主要研究關系機器學習和動態網絡數據的挖掘，并且獲得了國家科學基金研究生獎學金(NSF GRFP)、國防科學與工程研究生獎學金(NDSEG)、普渡大學弗雷德里克·n·安德魯斯獎學金以及比爾斯蘭博士學位論文獎學金。還是網絡存儲庫項目的聯合創始人，該項目是第一個具有交互式可視圖形分析功能的數據存儲庫，可以幫助研究人員通過web實時查找、探索和理解圖形數據。

孔祥南的研究興趣集中在數據挖掘和機器學習上，重點在于解決生物醫學和社會應用中的數據科學問題。孔博士對設計算法以解決各種研究領域中的數據多樣性問題特別感興趣，這些領域包括生物醫學研究，社會計算，神經科學和商業智能。他一直致力于神經科學，生物醫學信息學和社交網絡領域的圖形數據挖掘，并且在數據挖掘的頂級會議和期刊上發表了論文，包括KDD，ICDM，SDM，WWW，WSDM，CIKM，TKDE。

論文題目： Privacy-Preserving Gradient Boosting Decision Trees

論文作者： Qinbin Li, Zhaomin Wu, Zeyi Wen, Bingsheng He

論文摘要： 梯度提升決策樹（GBDT）是近年來用于各種任務的流行機器學習模型。在本文中，我們研究如何在保留差異性隱私的有力保證的同時提高GBDT的模型準確性。敏感度和隱私預算是差異化私人模型有效性的兩個關鍵設計方面。現有的具有差分隱私保護的GBDT解決方案由于過于寬松的敏感性界限和無效的隱私預算分配（尤其是GBDT模型中的不同樹）而導致嚴重的準確性損失。松散的靈敏度范圍導致更多的噪聲以獲得固定的優先級。無效的隱私預算分配使準確性降低，尤其是在樹的數量很大時。因此，我們提出了一種新的GBDT訓練算法，該算法可實現更嚴格的靈敏度范圍和更有效的噪聲分配。具體而言，通過研究梯度的屬性和每棵樹在GBDT中的貢獻，我們提出針對每個迭代和葉節點修剪自適應地控制訓練數據的梯度，以收緊敏感度范圍。此外，我們設計了一種新穎的增強框架，可以在樹之間分配隱私預算，從而可以減少準確性損失。我們的實驗表明，與其他基準相比，我們的方法可以實現更好的模型準確性。

題目： Online long-term trajectory prediction based on mined route patterns

簡介：

在這篇論文中，我們提出了一個大數據框架來預測流軌跡數據，利用挖掘的軌跡模式，允許準確的長期預測和低延遲。特別地，為了達到這個目標，我們遵循兩步的方法。首先，我們以離線的方式有效地識別隱藏的移動模式。隨后，軌跡預測算法利用這些模式來延長有用預測的時間范圍。實驗研究基于真實的航空和海事數據集。

作者簡介：

Panagiotis Tampakis是比雷埃夫斯大學在讀博士研究生，研究重點是數據管理、數據挖掘、大數據、移動數據管理、礦山軌跡數據。

Harris Georgiou是信息系統工程師(理學學士，理學碩士)，機器學習和醫學成像研究員(博士)，專業從事信息系統/信息技術和研發顧問，私營部門的學術教師，兼職軟件開發人員，全年潛水潛水員和水下攝影師。研究重點是機器學習，信號處理，醫學成像，預測分析，博弈論。

主題： Adaptive Influence Maximization

簡介：

在當今的網絡生態系統中，信息擴散和社會影響越來越多。對于所有在網絡上做廣告的參與者(媒體公司、政黨、公司等)來說，擁有優化社交媒體存在和信息傳播的算法確實至關重要。由于需要有效的病毒式營銷策略，因此影響估計和影響最大化成為重要的研究問題，導致了方法的過剩。然而，這些方法中的大多數是非自適應的，因此不適用于可能在多個回合中運行和觀察影響活動的場景，也不適用于不能假定對擴散網絡和其中的信息傳播方式具有充分知識的場景。

在本教程中，我們打算介紹自適應影響最大化的最新研究，旨在解決這些限制。這可以被視為一種特殊情況下的影響最大化問題(種子在社會圖選擇最大化信息傳播),一個決策作為影響運動的展開,在多個回合,知識圖拓撲結構和影響過程甚至可能部分或完全缺失。這種設置，取決于基本的假設，導致變量和原始的方法和算法技術，正如我們在最近的文獻中看到的。我們將回顧這一領域最相關的研究，按照幾個關鍵維度進行組織，討論這些方法的優點和缺點，以及開放式研究問題及其實施的實際方面。

邀請嘉賓：

Bogdan Cautis，法國巴黎大學計算機科學系教授，2013年9月至今。在此之前，他是巴黎電信ParisTech的副教授(2007-2013)。2007年，他獲得了法國巴黎大學的博士學位。他目前的研究興趣是數據管理和數據挖掘的廣泛領域，特別是社會網絡和信息擴散。

Silviu Maniu，法國巴黎大學計算機科學系副教授，2015年9月至今。在此之前，他曾任華為諾亞方舟實驗室研究員(2014-2015)。2012年，他獲得了ParisTech電信公司的博士學位。他的研究興趣主要集中在圖形數據挖掘的一般領域，側重于處理不確定性的模型和算法。

Nikolaos Tziortziotis是法國巴黎Tradelab項目平臺的數據科學家研發人員。在此之前，他是法國巴黎南部大學計算機科學系的博士后研究員(2018年11月至12月)。他也是法國巴黎理工學院計算機科學實驗室(LIX)的博士后研究員(2015-2018)。他獲得了希臘約阿尼納大學計算機科學與工程系的博士學位。他的研究興趣跨越了機器學習和數據挖掘的廣泛領域，主要集中在強化學習、貝葉斯學習、影響最大化和實時競價。