报告承办单位:数学与统计学院

报告内容:融合粒计算的深度学习（Granular Computing meets Deep Learning）

报告人姓名:岳晓冬

报告人所在单位:上海大学

报告人职称/职务及学术头衔:教授

报告时间:2026年06月05日15:00-16:00

报告地点:长沙理工大学云塘校区理科楼A-212

邀请人：周杰

报告摘要:深度神经网络擅长数据自适应表示学习，特别是在特征提取与非线性函数拟合方面具有优势。虽然深度神经网络在多个领域获得了成功应用，但是现有深度学习方法在数据依赖、模型解释、语义知识融合、不确定性处理方面仍然存在局限。粒计算方法在知识语义表示与不确定性分析方面具有优势，对于决策风险控制与模型解释性要求较高的应用场景，将粒计算方法与深度神经网络相结合，可以改善深度学习模型性能并显著提升应用成效。因此我们尝试将证据理论、模糊集等粒计算经典理论方法融入多种深度神经网络，并在医学辅助诊断与多媒体领域探索应用，报告内容主要包括：1）融合粒计算知识表示的深度学习及应用，2）融合粒计算不确定性度量的深度学习及应用，报告也将探讨粒计算与深度学习相结合的其它研究议题与并展望领域发展趋势。

报告人简介:岳晓冬，教授、博导，现任上海大学未来技术学院（人工智能研究院）副院长、卓越工程师学院副院长。博士毕业于同济大学，曾于澳大利亚悉尼科技大学任博士后研究员，香港浸会大学、香港理工大学任访问研究员。研究方向为机器学习与不确定性决策。发表论文100余篇，其中70余篇中科院或中国计算机学会（CCF）1-2区期刊、会议论文。主持/完成4项国家自科基金项目，骨干参与/完成3项国家重大科研项目。现为IEEE计算智能学会成员，国际信任函数与应用学会成员，中国人工智能学会（CAAI）粒计算与知识发现专委会副主任、机器学习专委会委员，上海市计算机学会人工智能专委会副主任。担任IJAR等多个高水平学术期刊领域编辑及编委。长期担任AAAI等学术会议程序委员会成员，曾任ICME2012、DSAA2014等会议出版主席，Belief2020与IJCRS2022会议副主席。荣获中国计算机学会科技进步一等奖、中国计算机学会首届教学成果案例奖、上海市优秀教学成果二等奖。