当前位置: 首页 > 因公出国 > 交流园地 > 正文
交流园地

熊涛赴日本参加第27届遗传算法国际学术会议和第23届遗传计算学术年会

发布日期:2018-07-23

自攻读研究生学位以来的近10年时间里,我主要聚焦于时间序列分析与预测。众所周知,时间序列预测过程中的多个重要环节需要进行优化分析,例如输入变量选择和模型参数寻优,目前的主流解决方案是运用以遗传算法和进化计算为代表的计算智能方法。而当今学术界,计算智能领域最权威和盛大的学术会议就是遗传算法和进化计算国际学术会议 国际计算机学会(Association for Computing Machinery , 简称ACM) 遗传算法和进化计算协会负责每年的遗传算法和进化计算学术会议。该协会致力于推动遗传算法和进化计算理论与方法在多领域的传播与应用。聚焦遗传算法和进化计算领域的理论与应用问题,通过组织一系列的主题演讲、学术研讨会、社会项目和竞赛等,本次遗传算法和进化计算国际学术会议提供众多学术交流的机会。我有幸能够参加这一学术盛宴,进行分会场论文汇报(Forecasting Soybean Futures Price Using Dynamic Model Averaging and Particle Swarm Optimization;基于动态模型平均和粒子群优化算法的大豆期货价格预测方法),并与多位学者进行交流讨论。

本次会议是Association for Computing Machinery每年举办的国际最高水平的进化计算领域年会,具体分为业界视角和学术视角。其中在业界视角,邀请了国际知名公司的业界从业人员介绍优化理论与方法在业界的应用与研究,比如Hitachi(日立株式会社公司的高级科学家Kazuo Yano介绍了在人工智能是如何改变人类生活,进而提升人类的幸福感。DENSO(电装株式会社公司的人工智能研发部分主管Tatsuya Okabe介绍了如何捕捉和利用人类生物信息去理解和检测人类活动与状态。Google公司的高级科学家David Ha介绍了进化算法对深度学习的促进作用。ThreeJoy公司David E. Goldberg工程师介绍如何将学术成果运用到工业界,以造福人类。总体而言,以上国际知名企业的业界从业人员对大家奉献了一场盛宴,使得我们这些学术界的研究人员能够了解业界面临的实际优化问题是什么,应该如何解决,这不仅丰富了学术界的现有理论与应用场景,更打开了学术界的眼界和思维方式,使得学术界的研究工作能够更加脚踏实地,能与业界相结合,而不是闭门造车,仅仅停留在论文的写作和发表上,研究工作最终都是服务社会和业界。

在学术视角方面,会议要求了诸多国际预测领域最知名的学者参会,并进行主题报告,如日本东京大学Naoko Yamazaki教授以其作为学者和宇航员的经历,介绍了在外太空领域,如何将人类与技术相结合以更有效地探索外太空。伯明翰姆大学Per Kristian Lehre教授介绍进化计算算法的耗时性能分析结果。宾夕法尼亚大学Ryan Urbanowicz介绍基于进化计算的分类器的基本原理。麻省理工学院Una-May O’Reilly教授介绍遗传规划的前世今生。德克萨斯大学奥斯汀分校Risto Miikkulainen教授介绍了神经网络算法近年来的主要进展与突破。法国国家信息与自动化研究院Alberto Tonda解释为什么在进行进化计算时要保持种群的多样性。比勒陀利亚大学Christopher Wesley Cleghorn教授粒子群优化算法的基本原理和业界应用。中国香港城市大学Qingfu Zhang教授介绍如何对多目标优化问题进行有效地分解。以上学术界的主题演讲更加偏向于学术,和业界的演讲有明显的差异,但都信息满满,收获颇多。

在本次学术会议上,我见到了多位之前所阅读的论文的作者,因为这些国际知名学者的高水平、创新性研究工作深深吸引和激励着我,是他们的研究工作将我带到全新的研究领域。在与这些知名学者交流的过程中,发现他们非常和蔼和无私,针对我的研究中存在的问题,能毫无保留的指出解决方向与方向,并给出重要的参考文献,让我收益匪浅。特别是,在我的口头报告的提问环节时,北海道大学的Masaharu Munetomo教授指出,从时间序列建模与预测的视角,输入选择或者属性选择方法主要分为过滤法(Filter method)和装箱法(Wrapper method),前者需要预先指定一个指标,用于评价各输入变量与输出变量的关系,进而挑选最优的输入变量纳入到模型中,最大的特点是输入选择过程独立于预测建模过程,耗时短。后者以预测模型最终的预测准确度作为指标,根据预测准确度来评价各输入变量的价值,最终挑选出最优的输入变量,最大的特点是输入选择过程与预测建模过程融合在一起,耗时长,但一般预测准确度会更高些。Munetomo教授进一步指出我采用的是filter方法,在进行Wrapper方法耗时过长的背景下,Munetomo教授建议我构建基于filter方法和Wrapper方法的混合输入选择方法,该方法可以吸收两者的优点,在耗时可以接受的前提下,尽可能地获得更高地预测准确度。更为难得的是,他指出了解决该问题的有效途径,并毫无保留的推荐了若干篇相关研究的高水平论文,让我受益匪浅,最后我们愉快的合影留恋。在和Masaharu Munetomo教授的交流过程中,我体会到高水平学者对于治学的严谨性,同时对于年轻研究人员的关怀和帮助,让我颇为感动。

在会议期间,我全程聆听与学习了主题报告和分会场报告,结识了诸位研究学者,收获颇多。感谢学校能够提供如此棒的机会,让我能够出国参加如此高水平的会议。希望以后还有机会参加高水平的国际学术会议。

 

照片1:熊涛进行分会场口头报告照片

 

 

照片2:熊涛与北海道大学Masaharu Munetomo教授合影

 

自攻读研究生学位以来的近10年时间里,我主要聚焦于时间序列分析与预测。众所周知,时间序列预测过程中的多个重要环节需要进行优化分析,例如输入变量选择和模型参数寻优,目前的主流解决方案是运用以遗传算法和进化计算为代表的计算智能方法。而当今学术界,计算智能领域最权威和盛大的学术会议就是遗传算法和进化计算国际学术会议 国际计算机学会(Association for Computing Machinery , 简称ACM) 遗传算法和进化计算协会负责每年的遗传算法和进化计算学术会议。该协会致力于推动遗传算法和进化计算理论与方法在多领域的传播与应用。聚焦遗传算法和进化计算领域的理论与应用问题,通过组织一系列的主题演讲、学术研讨会、社会项目和竞赛等,本次遗传算法和进化计算国际学术会议提供众多学术交流的机会。我有幸能够参加这一学术盛宴,进行分会场论文汇报(Forecasting Soybean Futures Price Using Dynamic Model Averaging and Particle Swarm Optimization;基于动态模型平均和粒子群优化算法的大豆期货价格预测方法),并与多位学者进行交流讨论。

本次会议是Association for Computing Machinery每年举办的国际最高水平的进化计算领域年会,具体分为业界视角和学术视角。其中在业界视角,邀请了国际知名公司的业界从业人员介绍优化理论与方法在业界的应用与研究,比如Hitachi(日立株式会社公司的高级科学家Kazuo Yano介绍了在人工智能是如何改变人类生活,进而提升人类的幸福感。DENSO(电装株式会社公司的人工智能研发部分主管Tatsuya Okabe介绍了如何捕捉和利用人类生物信息去理解和检测人类活动与状态。Google公司的高级科学家David Ha介绍了进化算法对深度学习的促进作用。ThreeJoy公司David E. Goldberg工程师介绍如何将学术成果运用到工业界,以造福人类。总体而言,以上国际知名企业的业界从业人员对大家奉献了一场盛宴,使得我们这些学术界的研究人员能够了解业界面临的实际优化问题是什么,应该如何解决,这不仅丰富了学术界的现有理论与应用场景,更打开了学术界的眼界和思维方式,使得学术界的研究工作能够更加脚踏实地,能与业界相结合,而不是闭门造车,仅仅停留在论文的写作和发表上,研究工作最终都是服务社会和业界。

在学术视角方面,会议要求了诸多国际预测领域最知名的学者参会,并进行主题报告,如日本东京大学Naoko Yamazaki教授以其作为学者和宇航员的经历,介绍了在外太空领域,如何将人类与技术相结合以更有效地探索外太空。伯明翰姆大学Per Kristian Lehre教授介绍进化计算算法的耗时性能分析结果。宾夕法尼亚大学Ryan Urbanowicz介绍基于进化计算的分类器的基本原理。麻省理工学院Una-May O’Reilly教授介绍遗传规划的前世今生。德克萨斯大学奥斯汀分校Risto Miikkulainen教授介绍了神经网络算法近年来的主要进展与突破。法国国家信息与自动化研究院Alberto Tonda解释为什么在进行进化计算时要保持种群的多样性。比勒陀利亚大学Christopher Wesley Cleghorn教授粒子群优化算法的基本原理和业界应用。中国香港城市大学Qingfu Zhang教授介绍如何对多目标优化问题进行有效地分解。以上学术界的主题演讲更加偏向于学术,和业界的演讲有明显的差异,但都信息满满,收获颇多。

在本次学术会议上,我见到了多位之前所阅读的论文的作者,因为这些国际知名学者的高水平、创新性研究工作深深吸引和激励着我,是他们的研究工作将我带到全新的研究领域。在与这些知名学者交流的过程中,发现他们非常和蔼和无私,针对我的研究中存在的问题,能毫无保留的指出解决方向与方向,并给出重要的参考文献,让我收益匪浅。特别是,在我的口头报告的提问环节时,北海道大学的Masaharu Munetomo教授指出,从时间序列建模与预测的视角,输入选择或者属性选择方法主要分为过滤法(Filter method)和装箱法(Wrapper method),前者需要预先指定一个指标,用于评价各输入变量与输出变量的关系,进而挑选最优的输入变量纳入到模型中,最大的特点是输入选择过程独立于预测建模过程,耗时短。后者以预测模型最终的预测准确度作为指标,根据预测准确度来评价各输入变量的价值,最终挑选出最优的输入变量,最大的特点是输入选择过程与预测建模过程融合在一起,耗时长,但一般预测准确度会更高些。Munetomo教授进一步指出我采用的是filter方法,在进行Wrapper方法耗时过长的背景下,Munetomo教授建议我构建基于filter方法和Wrapper方法的混合输入选择方法,该方法可以吸收两者的优点,在耗时可以接受的前提下,尽可能地获得更高地预测准确度。更为难得的是,他指出了解决该问题的有效途径,并毫无保留的推荐了若干篇相关研究的高水平论文,让我受益匪浅,最后我们愉快的合影留恋。在和Masaharu Munetomo教授的交流过程中,我体会到高水平学者对于治学的严谨性,同时对于年轻研究人员的关怀和帮助,让我颇为感动。

在会议期间,我全程聆听与学习了主题报告和分会场报告,结识了诸位研究学者,收获颇多。感谢学校能够提供如此棒的机会,让我能够出国参加如此高水平的会议。希望以后还有机会参加高水平的国际学术会议。

 

照片1:熊涛进行分会场口头报告照片

 

 

照片2:熊涛与北海道大学Masaharu Munetomo教授合影