报告1题目：L2DGCN：用于缓解度偏差的可学习增强与标签选择动态图卷积网络
报告人：张静晓
摘要：图神经网络已广泛应用于节点分类、链接预测和图表示学习等任务，但半监督节点分类通常依赖有限的人工标注数据，且低度节点容易受到信息传播不足和度分布不平衡的影响。本报告将介绍图神经网络在半监督节点分类任务中的研究背景，重点分享可学习增强与标签选择的动态图卷积网络L2DGCN，包括改进标签传播机制、动态可学习图增强策略和标签选择方法，以提升稀疏标注条件下的节点分类性能。
报告人简介：张静晓，中国矿业大学计算机科学与技术学院/人工智能学院2023级博士研究生，研究方向包括图机器学习、深度学习等领域。
报告2题目：移动边缘计算中联邦学习节点的信任评估
报告人：程明龙
摘要：移动边缘计算为智能终端和分布式应用提供了高效的模型训练与服务支撑，联邦学习因具备分布式协作和隐私保护特性，成为其中的重要技术。然而，开放异构的边缘环境中存在节点行为不稳定、推荐信息不确定等问题，给联邦学习系统的可靠性带来挑战。本报告将介绍移动边缘计算中联邦学习节点信任评估的研究背景，重点分享基于多因素融合与模糊逻辑的信任评估方法，包括节点信任、推荐信任和历史交互等因素建模，以及细粒度信任分析与客观推荐机制。
报告人简介：程明龙，中国矿业大学计算机科学与技术学院/人工智能学院2023级博士研究生，导师陈伟教授。研究方向为分布式计算和信任管理，已发表相关学术论文6篇，获得ICIC2025 Best Paper Award。
报告3题目：基于多源数据融合的非编码RNA-疾病关联预测研究
报告人：魏猛猛
摘要：非编码RNA在基因表达调控、疾病发生发展和生物分子相互作用中发挥着重要作用，是生物医学与计算生物学领域的研究热点。由于非编码RNA与疾病之间的关联机制复杂，相关生物数据具有来源多样、结构异构等特点，关联预测仍面临较大挑战。本报告将介绍非编码RNA-疾病关联预测的研究背景，重点分享基于多源数据融合的相关研究进展，包括元图推荐、多跳图嵌入和多层次知识图谱构建等方法。
报告人简介：魏猛猛，中国矿业大学计算机科学与技术学院/人工智能学院2024级博士研究生，主要从事生物信息学、图神经网络与深度学习研究。研究方向为基于深度学习的生物分子相互作用预测与复杂生物网络建模。近年来围绕非编码RNA相互作用预测与疾病关联分析开展研究，在AAAI、Pattern Recognition、Science China Information Sciences、IEEE Journal of Biomedical and Health Informatics、BIBM等国际期刊及会议发表多篇论文。相关研究聚焦多源生物数据融合、图表示学习及生物网络结构建模，为生物分子关系预测和疾病机制研究提供计算方法支持。
报告4题目：基于多模态属性提示的图像美学质量评价
报告人：时聚
摘要：随着智能手机和社交媒体平台的快速发展，图像已成为情感表达、生活呈现和社会互动的重要载体。如何利用计算机技术对图像美学品质进行自动分析与评估，已成为计算机视觉领域的重要研究问题。本报告将介绍图像美学质量评价的研究背景，重点分享基于多模态属性提示学习的相关研究进展，包括视觉属性建模、美学评论理解和用户审美判断过程模拟等内容，以提升图像美学质量评价的准确性。
报告人简介：时聚，中国矿业大学计算机科学与技术学院/人工智能学院2023级硕士研究生，中国图像图形学学会学生会员，研究方向为图像美学质量评价。研究生期间，在ACM MM、IEEE TFS、第二届CSIG情感智能大会上共发表论文3篇，获得软件著作权3项，获国家奖学金、校级学业一等奖学金等奖学金共计10余项。曾担任计算机科学与技术学院/人工智能学院研究生会主席、党支部组织委员等职务，获校级优秀学生党员、校级优秀学生干部等荣誉称号共计10余项。
