報告主題：How to make better choices? Single performance measure from many parameters

報 告 人：Nandi Asoke Kumer教授

報告時間：2023年9月18日下午16：00-18：00

報告地點：電智學院2B-206

歡迎廣大師生踴躍參加！

科技處 前沿院 電子信息與人工智能學院

2023年9月10日

報告人簡介：

Nandi院士在物理學、統(tǒng)計信號處理、機器學習和生物醫(yī)學信號處理方面均做出了開拓性的理論研究，并在基因組的信號處理和腦電信號處理應(yīng)用方面做出過巨大貢獻。Nandi院士畢業(yè)于享譽世界的劍橋大學圣三一學院，畢業(yè)后留校任教。1983年，Nandi院士與同組研究人員共同發(fā)現(xiàn)了三個基本的粒子被命名為W+, W- 和Z0，該發(fā)現(xiàn)于1984年獲得了諾貝爾物理學獎（該獎授予Nandi院士所在研究組的兩位教授）。在機器學習領(lǐng)域，針對特征選擇難題，Nandi院士發(fā)現(xiàn)特征是影響分類器設(shè)計及性能的重要因素。傳統(tǒng)的特征選擇算法，如順序前序選擇，順序后序選擇，均以線性映射的方式將原始特征空間映射到一個新的特征空間。然而，線性映射的無效性導(dǎo)致最終的分類器性能較低。針對這一問題，Nandi院士發(fā)明了基于非線性映射的特征選擇方法，并將其成功應(yīng)用于多個研究領(lǐng)域，該成果獲得了IEEE海因里?！ず掌潽?。Nandi院士首次證明了循環(huán)平穩(wěn)性在震蕩數(shù)據(jù)分析中的應(yīng)用，并因此獲得了英國the Water Arbitration Prize獎。Nandi院士也是最早將機器學習方法（聚類算法、人工神經(jīng)網(wǎng)絡(luò)，支持向量機和遺傳編程）引入到基因數(shù)據(jù)分析中的先驅(qū)之一。