报告题目：可解释的不规则时间序列异常检测和预测

讲座时间：2024年11月21日19:00-21:00

腾讯会议：331 544 695

报告人简介：

孙乐，南京信息工程大学教授，研究方向为时间序列挖掘、智慧医疗、联邦学习、可解释的人工智能，已发表高质量学术论文70余篇，包括CCF-A类和大一区期刊：SCIS、IEEE JSAC、Inf. Sci.、TCYB、TSC、TITS和JBHI、WWWJ等，国际会议PRICAI、PAKDD等，高被引论文5篇。孙乐2016年毕业于澳洲维多利亚大学，2019年直评教授。博士课题为“医疗感应数据流的异常检测”，该课题荣获校长提名最优博士奖；曾赴密歇根州立大学访学，为相关研究奠定了良好的国际合作基础。已申请和授权10余项专利；开发“基于心电图深度分析的心血管疾病智能诊断系统”，获得绍兴“名士之乡”英才计划创业支持，以及2022南京海外高层次人才双创大赛一等奖。另外，于2021年11月，获得江苏省高等学校科学技术研究成果奖二等奖；2022年9月，获得33rd Australasian Database Conference (ADC 2022)，Best Paper Runner-up Award。

报告简介：

目前，针对可解释的不规则时间序列的异常预测的研究已经引起了学术界和工业界的广泛关注。相关研究已广泛应用于多个领域，包括：金融领域的异常交易检测、市场波动检测；工业制造领域的设备故障检测、生产异常检测；医疗保健领域的病人生理数据异常检测、疾病预测；物联网领域的传感器数据中的异常事件检测等。在时间序列异常检测领域，传统方法往往局限于处理规则和周期性的时间序列模式，而对于不规则、复杂的时间序列数据，识别异常变得更加困难。近年来，随着机器学习和深度学习技术的发展，基于这些技术的异常检测方法逐渐成为研究热点。