深度预测学习：模型与应用

**报告题目：**深度预测学习：模型与应用

**报告摘要：**时空数据分布于连续空间，并且随着时间动态变化，具有复杂的模式规律，在强对流天气预报、交通流量预测和智能体环境建模等领域都有着重要的应用。时空数据存在时间上的非平稳性和空间上的高维相关性两大技术特性，给现有的机器学习方法带来严峻的挑战。本报告将介绍时空预测学习的基础模型与学习算法，重点介绍时空特征统一建模、时空运动分解建模、复杂时序平稳化建模等关键技术，并介绍冬奥会场馆气象预报等成功的落地应用。

**个人简介：**龙明盛，清华大学软件学院副教授，国家优秀青年科学基金获得者，入选北京市科技新星。主要研究领域为机器学习理论与算法，专注于迁移学习、深度学习、知识学习及在人工智能和工业数据软件中的应用。以第一/通讯作者发表CCF-A类论文70余篇，谷歌引用超过16000次，三篇论文入选ICML和NIPS最具影响力论文。担任TPAMI编委、ICML/NIPS/ICLR领域主席。获中国人工智能学会优秀博士学位论文奖、教育部技术发明一等奖、北京市科技进步一等奖、IJCAI-FTL时间检验奖等荣誉。