报告题目：图概念认知学习理论及应用
报告时间：2025年10月31日（周五）晚上19:30
报告地点：腾讯会议：599-191-170
报告人：郝飞，陕西师范大学人工智能与计算机学院教授
报告摘要：图作为一种能够有效地描述连接数据的网络结构的表示方法，广泛应用于计算社会系统、生态系统、生物网络、知识图谱等领域。随着图学习技术与认知科学的不断融合，图概念认知学习（Graph Concept-cognitive Learning, GCCL）作为一种新兴范式应运而生，它将概念认知学习（Concept-cognitive Learning, CCL）与图分析相结合，为复杂网络中的模式识别、推理和决策提供了新的理论框架和技术支撑。同时，GCCL能够更好地模拟人类对图结构的认知过程，从而在知识发现、智能推理和系统优化等领域展现出巨大潜力，为人工智能与认知计算的深度融合开辟了新的研究方向。本报告聚焦GCCL理论及应用，首先介绍其基础框架和工作机理，并详细阐述将概念认知学习融入各种图表示的方法及其在相关图结构分析、知识发现和图分类等任务。其次，结合图神经网络，联邦学习，介绍概念结构增强的图联邦学习范式及其在交通流量预测中的应用。此外，介绍GCCL研究的常用数据集及仿真平台。
报告人简介：郝飞，陕西师范大学人工智能与计算机学院教授、博士生导师，欧盟玛丽居里学者，国际融合科学与技术学会（IACST）中国区域主任，CCF高级会员。先后在KAIST与韩国顺天乡大学攻读博士，2016年获计算机科学与工程博士，2020–2022在英国埃克塞特大学从事合作研究。主要研究社会计算、概念认知学习、大数据分析与处理、边缘智能；在IEEE TPDS、TSC、Communications Magazine、Internet Computing等期刊与ACM SIGIR、DASFAA、IEEE GlobeCom等会议发表论文200余篇（其中第一/通讯作者SCI 60余篇），获最佳论文奖7项；入选全球前2%顶尖科学家，获IEEE杰出领导奖4次、杰出服务奖5次。现任HCIS与ICT Express编辑，长期担任TKDD、TSC、Information Sciences等审稿人与多项国际会议PC；主持国家自然科学基金2项及欧盟玛丽居里等项目。
