报告题目：网络表征学习的算法、隐藏几何空间及其应用研究
报告人：谷伟伟,北京化工大学，副教授
报告时间：2025年9月12日（周五）上午10:00
报告地点：成人社区 216会议室
报告摘要：
图表征学习作为处理复杂网络的核心方法，能够在保留网络结构信息的同时有效过滤原始数据噪声，在链路预测、节点分类等任务上取得了显著突破，并广泛应用于生物网络中的蛋白质预测和电商网络的推荐系统。相比以往主要聚焦于预测精度的研究，本讲座将进一步探讨图表征学习的几何原理及最优嵌入维度设置方法，系统介绍单层与多层网络的嵌入算法及其在复杂系统中的应用，如多层网络压缩、鲁棒性度量、复杂系统可预测性与网络消息传递等。与此同时，报告人将重点介绍基于图表征学习与强化学习 DQN 的多层网络瓦解算法 MultiDismantler。该方法旨在寻找能最大程度破坏网络连通性的最小节点序列，在防止系统崩溃、疾病防控及军事攻防中具有重要意义。理论上，MultiDismantler 所获序列与暴力破解结果一致，为 NP 难问题提供了数据驱动的解决思路；应用上，它不仅能够识别疾病传播关键节点，为疫苗接种与隔离策略提供指导，还可凭借其动态调整能力在军事攻防中展现出广阔前景。
报告人简介：
谷伟伟，北京化工大学信息科学与技术学副教授。北京师范大学系统科学成人社区 与印第安纳大学信息科学与技术成人社区 联合培养博士。主要研究方向为网络表征学习、图组合优化问题求解。以第一作者或通讯作者在Nature Machine Intelligence、Nature Communications、Neural Networks、Social Networks、 Journal of Social Computing等多个SCI与SSCI期刊发表论文二十余篇。主持国家自然科学基金、博士后基金、基金委原创项目子课题等多项纵向及横向课题。