讲座题目: 图表示学习及其应用

讲座摘要: 图表示学习是机器学习的一个重要分支，它旨在处理非结构化数据，在生物信息学、药物研发、推荐系统等领域中有广泛应用。本报告将介绍我们团队在图表示学习及其应用领域的一系列研究成果，包括模体熵图核模型及其在图分类问题中的应用，基于子图的图神经网络模型及其在时间序列预测、手性催化反应预测等问题中的应用。

讲座时间：2023年9月21日（周四）上午10:30

讲座方式：线下举办（综合楼806）

嘉宾简介：周 达，厦门大学数学科学学院副教授，博士生导师。2006年于华中科技大学数学系取得统计学专业学士学位，2011年于北京大学数学科学学院取得概率统计专业博士学位；2011-13年在清华信息国家实验室从事博士后研究工作。长期从事概率统计与生命科学、化学、能源等领域的交叉研究，在包括Nature Biotechnology, Cell子刊Matter，Journal of the American Chemical Society，Advanced Science，Pattern Recognition，PLOS Computational Biology，Physical Review E，Journal of Theoretical Biology, Mathematical Biosciences等刊物发表论文四十篇；先后主持国家自然科学基金2项，国家电网横向课题2项；荣获2021年厦门大学田昭武交叉学科奖；3次参加厦门大学教学技能比赛，获特等奖1次（理工英语组）、一等奖2次（理工组，翻转课堂组各1次）；福建省优秀学术硕士学位论文指导老师。目前兼任厦门大学健康医疗大数据国家研究院副院长、厦门大学概率统计系主任、中国工业与应用数学会数学生命科学专委会理事等职；受邀作为Nature Communications, Physical Review Letters，Pattern，PLOS Computational Biology等权威刊物审稿人。