---

        8月21日，受我校信息科学技术学院邀请，加拿大皇家科学院院士Witold Pedrycz教授来校作题为“Data Privacy, Energy Awareness, Credibility and Interpretability of Models: Challenges in Machine Learning”（数据隐私、能源意识、模型的可信和可解释性：机器学习面临的挑战）的学术报告。 报告中，Witold Pedrycz教授深入探讨了现代机器学习领域的主要方向、取得的成就以及面临的挑战。他阐述了现有机器学习方法的局限，如计算开销大、可解释性差、可信度不足以及数据隐私问题等，并提出了设计全面多标准评估来改善机器学习架构和学习方案的建议。他指出现如今超大模型的训练产生了巨大碳排放，强调了绿色机器学习的概念，主张在追求模型精度提升的同时，注重构建高效的机器学习模型，平衡计算效能与性能提升之间的关系。Witold Pedrycz教授介绍了信息粒与粒计算的概念，指出粒计算的信息粒度定义和特征表示有助于提升模型的可解释性和可信度，通过引入高斯过程模型的概念，将信息粒度转为概率信息粒度以增强模型。针对机器学习中的数据隐私和可信度问题，他还提出了融合信息粒度的迁移学习方法，并就相关问题与我校师生进行了深入交流和探讨。 报告由信息科学技术学院副院长丁卫平教授主持。信息科学技术学院、交通与土木工程学院相关教师、研究生聆听了报告。 专家介绍： Witold Pedrycz教授是加拿大阿尔伯塔大学电气与计算机工程系教授、加拿大皇家科学院院士、波兰科学院外籍院士、电气和电子工程师协会会士。出版专著18本，H指数109。荣获IEEE系统人与控制论学会颁发的诺伯特·维纳奖、IEEE加拿大计算机工程奖章、欧洲软计算中心颁发的基拉姆奖、IEEE计算智能学会颁发的模糊先驱奖，以及IEEE系统人与控制论学会颁发的2019年功勋服务奖。主要研究方向包括计算智能、粒计算、知识挖掘、数据科学，以及基于知识的神经网络等。担任多个国际著名学术期刊主编、编委。 （姜舒 鞠恒荣/文 周天奕/摄）