报告题目：可解释机器学习
报 告 人：彭 珍 教授
工作单位：中国地质大学（北京）
报告时间：2025-5-21 10:00-11:30
报告地点：vwin德赢AC米兰官网211
报告摘要：
机器学习与深度学习在医学、刑事司法系统、金融市场等关键领域的应用不断拓展。基于神经网络的机器学习算法凭借其非线性特性、强大的学习能力、广泛的覆盖范围以及数据驱动的优势，展现出良好的准确率和预测性能。然而，这类模型在输出结果时，往往无法明确说明其决策依据，使得人们难以理解并信任模型的预测结果。一个预测表现看似接近完美的模型，可能引发误导性决策，甚至招致系统性风险，导致模型漏洞被攻击，从而变得不安全可靠。因此，可解释机器学习应运而生。本报告将重点介绍可解释机器学习的两大核心内容：自解释模型与事后解释方法。自解释模型是可解释机器学习的重要分支，它在设计之初就将可解释性纳入考量，通过特定的架构和机制，使其能在预测的同时提供决策依据。事后解释方法则是对已经训练好的复杂模型进行分析和解释，旨在揭示模型的决策逻辑和依据。
报告人简介：
彭珍，女，博士，教授，博士生（后）导师，中国地质大学（北京）经济管理学院管理科学与工程系副主任。兼任北京市大数据协会理事、中国管理科学与工程学会能源环境管理分会学术委员等学术职务。长期从事大数据管理与应用、信息管理与信息系统专业的教学与研究工作。2011年博士毕业于北京科技大学，曾赴澳大利亚科廷大学、北京航空航天大学、德国杜伊斯堡埃森大学访学。主持国家自然科学基金面上项目、国家自然科学基金国际合作交流项目、国家自然科学基金青年项目、北京市自然科学基金与教委联合重点项目等十余项。近五年，第一作者/通讯作者发表在Computers & Industrial Engineering、Knowledge-Based Systems、Energy、IEEE Transactions on Big Data、IEEE Transactions on Fuzzy Systems、系统工程学报等国内外期刊上，独立出版学术专著3部，授权发明专利2项。
