【KDD2019|讲座推荐】时点过程的建模与应用：Modeling and Applications for Temporal Point Processes

讲座题目

时点过程的建模与应用：Modeling and Applications for Temporal Point Processes

讲座简介

现实世界中的实体的行为，与它们的边信息相关联，经常被记录为异步事件序列。此类事件序列是许多实际应用的基础，包括神经网络尖峰训练研究、地震预测、犯罪分析、传染病扩散预测、基于状态的预防性维护、信息检索和基于行为的网络分析与服务，时间点过程（TPP）是一种用于异步事件序列建模和学习的原理性数学工具，它捕捉事件的瞬时发生率以及历史事件和当前事件之间的时间依赖关系。TPP为我们提供了一个描述事件序列生成机制的可解释模型，有利于事件预测和因果分析。近年来，研究表明，TPP在许多机器学习和数据科学应用中具有潜在的应用价值，可以与其他前沿的机器学习技术相结合，如深度学习、强化学习、对抗学习等。

讲座嘉宾

Junchi Yan是上海交通大学计算机科学与工程系和上海交通大学人工智能研究所的终身制独立研究教授。在2018年4月加入SJTU之前，Junchi自2011年4月起一直在IBM Research从事机器学习和计算机视觉研究及应用。在那段时间。曾任IBM中国研究实验室高级研究人员和工业检验首席科学家，并在工业预防性维修项目中广泛应用时间点过程模型。他还曾是IBM T.J.沃森研究中心（约克敦高地）、日本国家信息学研究所（东京）和腾讯人工智能实验室（深圳）的访问研究员。