返回首页
CNCC | 网络时空大模型
CNCC2024
论坛简介：
网络时空大模型
举办时间：10月25日13:30-17:30
地点：夏苑-谐奇趣三楼
注：如有变动，请以官网(https://ccf.org.cn/cncc2024)最终信息为准
在大数据和人工智能技术的推动下，网络时空模型已成为解析和预测复杂网络系统不可或缺的工具，广泛应用于智慧城市、智能交通、数字能源、网络安全、智能运维、社交网络以及AI for Science等多个关键领域。
然而，传统的时空数据处理技术仍面临着效率低下、特征挖掘不足、算法迁移困难等挑战，导致现有的时空模型在处理多领域、多任务（如预测、检测、分类、推断等）、多细分模态（包括一元、多元、图结构、表结构等）以及数据和样本不足的问题时，存在诸多难题。
为了应对这些挑战，网络时空数据基础模型（时空大模型）——Foundation Model of NETS (Network of Time Series）的研究有望实现重大突破。本次研讨会将深入探讨网络时空大模型的研究问题、数据基础、方法论与实践技术，覆盖动态图大模型的理论与实践、时空大数据的智能管理与分析方法、以及时空基础模型的构建和应用落地。讲者们将从时空大数据的高效采集与智能计算，到数据治理、分析决策，再到时空基础模型的自适应与泛化建模，以及大小模型协同和多智能体的编排落地，全面讨论时空数据分析与建模方法的通用性、自动化、鲁棒性、可解释性和轻量化等技术。
论坛日程
顺序 | 主题 | 主讲嘉宾 | 单位 |
1 | 动态时空图神经网络、大模型及应用 | 朱文武 | 清华大学 |
2 | 时空大数据智能计算 | 高云君 | 浙江大学 |
3 | 细粒度网络监控时序数据低开销采集和传输 | 谢鲲 | 湖南大学 |
4 | 时间序列和时空数据驱动的决策智能 | 杨彬 | 华东师范大学 |
5 | 网络空间中的时间序列智能 | 裴丹 | 清华大学 |
6 | Panel环节 | 朱文武 | 清华大学 |
高云君 | 浙江大学 | ||
谢鲲 | 湖南大学 | ||
杨槟 | 华东师范大学 | ||
李勇 | 清华大学 | ||
裴丹 | 清华大学 |
论坛主席及嘉宾介绍
论坛主席
孙永谦
南开大学软件学院副教授
南开大学软件学院副教授、博导。清华大学计算机系博士毕业，CCF高级会员，CCF互联网、软件工程、服务计算、体系结构等专委执行委员。从事智能运维（AIOps）领域研究，研究基于多模态数据的故障识别与诊断，在JSAC、WWW、ASE、FSE、TC、TSC、TOSEM等CCF推荐国际会议或期刊发表论文50余篇。主持国自然青年项目1项、天津市青年基金1项，与华为、阿里、腾讯、字节跳动、快手等合作校企共研项目10余项。获得中国电子学会科技进步一等奖。
论坛讲者
朱文武
CCF会士、大数据专委会副主任，清华大学教授、信息科学与技术国家研究中心副主任
清华大学计算机系教授，信息科学与技术国家研究中心副主任，大数据算法与分析国家工程实验室副主任，清华大学人工智能研究院大数据智能研究中心主任, 国家973项目首席科学家, 国家基金委重大项目负责人。3次获国家自然科学二等奖。现任IEEE Transactions on Circuits and Systems for Video Technology主编，曾任IEEE Transactions on Multimedia指导委员会主席、IEEE Transactions on Multimedia主编。获2023年ACM SIGMM技术成就奖、2024年IEEE电路与系统学会Charles A. Desoer技术成就奖。ACM Fellow、AAAS Fellow、IEEE Fellow、SPIE Fellow，欧洲科学院外籍院士。
报告题目：动态时空图神经网络、大模型及应用
报告摘要：报告将介绍动态图机器学习的基本概念、面临挑战、研究进展和未来研究方向。首先介绍动态图嵌入表征学习和动态图神经网络。 然后介绍动态图机器学习研究新进展，1）动态开放环境下时空图神经网络，包括自动图机器学习、分布外泛化动态图机器学习，即针对训练与测试数据非独立同分布情况下挖掘时变与不变模式使模型能自适应与泛化；2）动态图大模型，即通过大模型适应不同场景不同需求统一建模动态图任务。 最后介绍未来研究方向。