大数据知识工程发展现状及展望

大数据知识工程是人工智能的“基础设施”、诸多行业和领域面临的共性需求、信息化迈向智能化的必由之路。本文阐述了大数据知识工程产生的背景与概念内涵,提出了“数据知识化、知识体系化、知识可推理”的研究框架;梳理了知识获取与融合、知识表征、知识推理等大数据知识工程关键技术和智慧教育、税务风险管控、智慧医疗等典型场景中的工程应用;总结了大数据知识工程面临的挑战,研判了大数据知识工程的未来研究方向,包括复杂大数据知识获取、知识+数据混合学习、脑启发知识编码记忆等。研究建议,引导多学科交叉融合,设立重大和重点研发专项,推动大数据知识工程基础理论与技术攻关;加强企业和研究机构间交流合作,推广前沿研究成果并形成应用示范,建立大数据知识工程行业标准体系;以重大需求应用为导向,探索校企协同育人模式,加快大数据知识工程技术在重要行业的落地应用。

基于α混合序列的在线算法的推广性能（英文）

近年来,在线算法的理论研究得到相应的重视.以前在线算法的推广界都是基于独立同分布的样本建立的.在本文中,我们跳过这个框架来研究基于α混合序列的在线算法的推广界.我们用全变差来定义α混合序列,而且在分析时只要求鞅收敛参数.结果是:"遗憾"可以度量在线算法的性能.与β混合序列比较,我们得到更紧的推广误差估计.