应威尼斯87978797邀请，新西兰奥克兰大学高级讲师刘佳谋博士于2023年4月7日来我校进行题为“Some Recent Progress on Robust Graph Representation Learning”报告，香港浸会大学计算机系助理教授韩波博士于2023年5月5日进行题为“Towards Trustworthy Learning and Reasoning under Noisy Data”报告。报告均由威尼斯87978797礼欣老师主持，学院相关研究方向的教师和研究生参加了学术报告。

刘佳谋老师介绍了鲁棒图表示学习和符号图表示学习，前者主要研究抵抗图数据噪声的图学习算法，而后者重点研究具有正负边关系的图表示学习算法。在此次报告中，刘老师还介绍了团队最新的研究成果：基于结构熵的无监督鲁棒图表示学习方法USER，用于二部有符号图的对比学习框架SBGCL等。

韩波老师的介绍了存在噪声数据的情况下，如何实现可信赖学习与推断。报告从噪声标签、噪声特征、噪声交互、噪声数据四个方面出发，介绍了近年来韩老师团队的相关研究成果，包括：基于神经网络记忆效应的Co-teaching+、为决策边界数据赋予高权值的GAIRAT等多种模型。

通过这两次学术报告，学院师生对鲁棒图表示学习和可信赖表示学习有了更加深入的理解。报告内容也进一步拓宽了研究生的视野，为图学习和表示学习后续的学术研究和进一步交流合作奠定了基础。

报告人简介：

刘佳谋，新西兰奥克兰大学的高级讲师，奥克兰大学博士，曾在德国莱比锡大学和巴黎第七大学迪德罗担任研究助理。研究兴趣包括多图数据分析、多智能代理系统、以及自然语言处理。在AAAI、IJCAI、AAMAS、NEURIPS、ICML等知名期刊和会议上发表多篇同行评议的研究论文。

韩波，香港浸会大学计算机系助理教授，兼任RIKEN人工智能项目梅峰访问科学家，曾兼任Microsoft研究院访问科学家。研究方向包括机器学习的诸多理论和实践领域，目前研究关注重点包括可信赖表示学习、因果表示学习和基础模型等方法，以及这些方法在自然科学和交叉学科的应用。