讲座1：利用物理信息神经网络估算土壤有机碳
演讲者：James Sargeant
时间：2025年9月26日（周五）14:30（全英文）
地点：澳联大信息工程学院C506室
演讲者:
James Sargeant以一等荣誉学位毕业于莫纳什大学电子工程专业，主修计算机系统工程和通信工程。他拥有丰富的行业经验，曾担任程序员、计算机硬件设计师、通信工程师、项目经理和全球合规总监。近年来，他转向学术，专注于跨学科研究和教学。
摘要:
土壤有机碳（SOC）对保证土壤健康和提高粮食产量至关重要。传统的测量方法既昂贵又耗时。本研究提出了一种利用神经网络和卫星图像快速、经济有效地估算SOC的新方法。与仅挖掘数据模式的传统神经网络不同，该研究创新性地将不精确的科学知识集成到轻量级神经网络中，赋予模型学习能力和部分可解释性。利用欧洲LUCAS数据集的模拟卫星数据，该模型的决定系数（R²）高达0.98，显示出卓越的预测精度和应用潜力。
讲座2：图学习中的可靠性挑战与改进方法
主讲人：Falih Febrinanto博士
时间：2025年9月26日（周五）15:15（全英文）
地点：澳联大信息工程学院C506室
演讲者:
Falih Febrinanto博士于2025年获得澳大利亚联邦大学信息技术博士学位。他的研究兴趣包括图学习、深度学习和异常检测。在IEEE CIM、TCSS、ACM TIST、Artificial Intelligence Review等顶级期刊和会议上发表多篇学术论文。
摘要:
图学习是一种先进的图形数据建模技术，已广泛应用于网络物理系统、医疗保健和网络安全等各个领域的异常检测和分类任务。然而，它的可靠性面临着几个挑战：在图中注释未知交互的高成本，使用单一关系类型对重要信息的疏忽，模型中的信息瓶颈，由于有限的标签而导致的过拟合，以及模型适应新数据时的灾难性遗忘。本讲座将探讨解决这些挑战的方法，并在各种检测任务中提高图学习的可靠性。
