9月25日，由华中科技大学电气与电子工程学院举办“武汉地区复杂系统研讨会”在线上成功举办。数理科学学院江健博士应邀参会并做报告，报告题目为：Geometric graph learning for toxicity prediction。本次会议紧紧围绕生物物理、生物信息和复杂系统动力学为主题展开研讨。来自华中科技大学、武汉大学、中国地质大学、华中师范大学、武汉纺织大学等武汉地区的各大高校、科研院所相关领域专家近百人参会，共有20多位报告人作大会报告。
本次大会，江健博士针对学术领域比如医学、材料学等领域中数据集的样本数目偏小的现状，通过构建提升树辅助的多任务深度学习模型（Boosting tree-assisted multitask deep learning model, BTAMDL）来提高机器学习算法在这些小数据集上的预测能力。该模型结合了深度学习和决策树两种算法的优势，利用迁移学习，通过多任务中大数据集帮助小数据集进行训练，从而提升小数据集上的预测能力。此外，江博士还构建了多尺度的权重着色图模型（multiscale weighted colored graph, MWCG），利用几何图论模型对毒性数据集中的蛋白质分子进行有效的特征提取，再结合传统经典的机器学习模型对标准毒性数据集Tox21进行预测。其预测结果强于目前其他算法的结果。
个人简介：江健，校内特聘教授、阳光学子、硕士生导师。法国曼恩大学获得理学博士学位，韩国亚太理论物理研究中心博士后，美国密歇根州立大学、中山大学访问学者。现任武汉纺织大学数理科学学院信息与计算科学系系主任兼支部书记，研究领域为计算生物信息学、复杂网络及其传播动力学。在国内外重要期刊如Scientific Report、JCIM、JCP、JSTAT等发表学术论文近30篇。主持并完成国家自然科学青年基金1项（项目编号：11401448）、省部级项目2项，厅局级项目2项。多次应邀到法国、韩国、美国等国（境）内外参加国际学术会议并做邀请报告和访问研究。担任Briefings in Bioinformatics、Frontiers in Molecular Biosciences、Scientific Report、Physcia A等国内外重要与权威刊物的审稿人。
点击量排行
发稿排行
