为促进与提升信息工程学院青年教师学术科研能力，掌握专业领域内前沿研究动态，追踪学科领域内各科研团队研究现状，了解未来技术发展趋势，2019年1月5日，信息工程学院副院长吴孝银、大数据应用教研室主任崔琳博士、青年教师张志伟博士等青年教师代表一行赴合肥参加由中国计算机学会主办、安徽大学计算机科学与技术学院承办的中国计算机学会青年计算机科技论坛CCF YOCSEF（CCF Young Computer Scientists & Engineers Forum），本期CCF YOCSEF合肥举办了TDS（Theme Discovery Symposium）专题探索班“表示学习的理论、方法及应用”。
表示学习（Representation Learning）是机器学习领域一个新的研究热点，皆在将原始数据表示成低维、实值、稠密的向量形式，使得得到的向量形式可以在向量空间中具有表示以及推理的能力，同时可轻松方便地作为机器学习模型的输入，它避免了手动提取特征的麻烦，允许计算机学习使用特征的同时，也可学习如何提取特征：学习如何学习。近年来，以深度学习为代表的表示学习技术受到广泛关注，在语音识别、图像分析和自然语言处理等领域取得重要研究进展。
会上，来自国内外的重量级学者与专家围绕表示学习的理论、算法及应用做主题报告。其中，来自美国伊利诺伊大学芝加哥分校的Philip S. Yu教授以深度学习Deep Learning为背景，重点介绍了广度学习Broad Learning相关背景、应用及挑战；来自中国科学技术大学的陈恩红教授以深度表示学习为背景、分析语言表示学习目前的研究进展，在此基础之上进一步介绍了表示学习在自然语言处理方面的具体应用；北京邮电大学石川教授介绍了异质信息网络的基本概念和特点，以及异质网络的复杂结构和丰富语义对数据挖掘带来的挑战，并重点介绍了异质网络结构特征的表示学习方面及其在实际问题上的应用；德州大学阿灵顿分校终身教授丁宏强做了L21范数，L12范数，秩范数等理论在机器学习、数据挖掘人工智能领域中的广泛应用；清华大学刘知远教授针对知识指导的自然语言处理的最新进展与趋势进行了重点讲解；清华大学唐杰教授针对面向网络的表示学习理论、网络行为的端到端预测模型以及基于用户反馈的在线学习进行了重点介绍与讲解。
通过本次论坛，信息工程学院青年教师学习了表示学习的基础知识、了解到了数据挖掘领域前沿研究动态以及未来发展趋势，与会老师一致认为要进一步提升自身领域知识、专业技能以及实践能力，并积极和同事们分享本次学习心得，把信息工程学院的学术与科研做得更好。（撰稿：张志伟 审核：宋启祥）
信息工程学院
