第五届大数据、人工智能与风险管理国际学术会议(ICBAR 2025)

 

- 欢迎来到 ICBAR 2025 -

 

作为全球科技创新大趋势中的引领者，中国一直在为科学创新创造越来越开放的环境，增加学术合作的深度和广度，构建造福所有人的创新共同体。这些努力正在为全球化做出新的贡献，创造命运共同体。

 

2025第五届大数据、人工智能与风险管理国际学术会议（ICBAR 2025）将于2025年5月9-11日在中国成都召开。自 21 世纪初以来，大数据、人工智能和风险管理科学的进步促进了社会和经济的繁荣和发展。许多高校和企业开发了许多相关技术和产品，并取得了丰硕的学术成果和应用转化。会议旨在为从事大数据、人工智能和风险管理技术的专家、学者、工程技术人员和研发人员提供分享科研成果和前沿技术、了解学术发展趋势、拓宽研究思路、加强学术研究和探讨、促进学术成果产业化合作平台的途径。大会诚邀国内外高校专家、科研机构、学者、企业界人士等相关人员参加会议。

 

-出版-

所有受邀和投稿的论文都将由来自会议委员会的两到三名专家评审员进行评审。经过仔细的评审过程，所有被 ACM ICPS（ACM 国际会议论文集系列）接受的论文将被出版并提交给 EI Compendex， Scopus 进行索引。国际标准书号：979-8-4007-0975-3。

 

 

 

邀请嘉宾

 

秦晓林教授，副总工程师

中国科学院成都计算机应用研究所

 

中国四川人工智能研究院

 

 

 

研究方向：自动推理、代数视觉、大数据智能分析、自然语言处理技术

 

简介：秦晓林先生目前是中国科学院 （CAS） 和中国科学院大学的教授。他是 CCF 高级成员和 IEEE 成员。他于 2011 年获得中国科学院研究生院计算机软件和理论博士学位。2014 年 5 月至 2015 年 6 月，他在瑞典林雪平大学计算机与信息科学系担任博士后研究员。他的研究得到了中国 973 计划、国家自然科学基金、STS、中国科学院西光基金、中国博士后科学基金和欧盟的部分支持。他在期刊和会议论文集上发表了 70 多篇科学论文。

 

 

 

 

 

 

 

 

 

Ilan Noy 教授

新西兰惠灵顿维多利亚大学

研究领域： 灾害、灾害和气候变化的经济方面

 

简介：Ilan Noy 教授是 2013 年设立的灾害和气候变化经济学 Te Āwhionukurangi 主席。该教席的重点是经济学在自然灾害、灾害和气候变化管理方面的研究和应用。

 

演讲题目：利用大数据计算气候变化的成本

 

摘要：气候变化已经增加了一些极端天气事件的频率或严重性，例如热带气旋期间的降雨。极端天气事件归因是气候科学的一个分支，它量化了人为气候变化已经改变已经发生的特定极端天气事件的频率和强度的程度。我们将这些信息与详细的大量社会经济数据相结合，提供有关气候变化引起的极端天气事件的经济成本的有用见解。我们提供了这种方法的两个示例。在第一篇文章中，我们研究了 2017 年袭击德克萨斯州的飓风哈维，并描述了当前气候变化引发的影响和对哈维案例的援助的微观分布影响。在第二个例子中，使用归因研究的元分析，我们汇总了全球当前气候变化的成本，并表明这些成本通常被低估了。我们估计，在过去二十年中，气候变化引起的极端天气事件每年给世界造成约 1400 亿美元的损失。

 

 

 

A. Vipul Jain 教授

新西兰惠灵顿维多利亚大学

研究领域： 供应链管理， 可持续供应链管理， 循环经济， 供应链管理 4.0， 人道主义物流， 服务运营和医疗保健供应链， 工业 4.0

 

简介：Vipul Jain 博士是新西兰惠灵顿维多利亚大学惠灵顿商业与政府学院供应链与物流管理副教授。他曾担任管理学院博士课程主任和研究主任。Vipul 在运营和供应链管理研究领域被高度引用，在高影响因子期刊上发表了 130 多篇档案出版物，以及会议论文、编辑书籍和书籍章节。Vipul 担任许多著名 Operations and Decision-Making 期刊的主编、副主编、区域编辑和编委会成员。Vipul 一直积极参与为亚洲公共和私营组织的高级经理和高管开展管理发展计划/培训计划，以解决运营、物流和供应链管理中遇到的各种问题和挑战。

 

演讲题目：“真正重要的 SMARTNESS”：通过 SMART 供应链管理达到新的客户满意度水平

 

摘要：最近世界各地发生的动态事件经常提醒我们，我们生活在一个不可预测和不断变化的世界中。渠道实体必须将风险管理工具纳入其供应链管理中。此外，无法保证供应链参与者会遵守环境规范和合规标准，即使越来越多的这些标准被强制执行到实践中，最有可能陷入困境的组织是那些只想削减供应链成本的组织。可以从不同的角度考虑智能运营、数字供应链和可持续性，这意味着工业工程、商业信息学、管理和运筹学能力的整合。本次演讲将讨论新兴的研究方法，这些方法旨在为集成供应链网络的绩效/风险分析提供和开发有效的解决方案，使其更加智能。本次演讲还将讨论新兴的通用建模和优化方法，这些方法集成了各种供应链功能;捕获所有与流程相关的信息，包括活动、资源和组织单位及其相互依赖关系，以支持复杂、动态和分布式的供应链智能运营。考虑到供应链网络的动态特性，所讨论的研究方法可以用作建模和优化工具，以研究不同智能供应链战略和政策的影响，并将帮助管理人员在供应链合作伙伴之间建立信任。简而言之，本次讲座总结了供应链文献中所做的工作，提供了关键见解和未来的研究方向，同时解决了复杂和动态的智能供应链环境中的几个新兴研究问题，从而为学术界和供应链从业者提供了强大的影响。

 

 

 

 

 

A. Dalin Zhang 教授，IEEE 丹麦计算机学会分会主席

丹麦奥尔堡大学

研究方向： 基于数据和学习的智能与新颖应用

 

简介：我目前是丹麦奥尔堡大学计算机科学系的副教授。我还是 Christian S. Jensen 教授的数据密集型系统 中心 （Daisy） 的教员。从 2020 年到 2023 年，我在丹麦奥尔堡大学担任终身助理教授。在 2020 年 8 月加入奥尔堡大学之前，我于 2017 年 4 月至 2020 年 4 月在澳大利亚新南威尔士大学悉尼分校计算机科学与工程学院攻读博士学位。我在 2017 年至 2020 年期间是澳大利亚政府研究培训计划 （RTP） 奖学金获得者（于 2016 年颁发）。我的研究兴趣在于时间序列数据挖掘的各个方面及其在健康管理中的应用。我发表了 40 多篇同行评审出版物，包括 SIGMOD、PVLDB、ICDE、AAAI、IJCAI、IMWUT、TMC、TKDE、TCYB 等。2020 年至 2022 年，我一直担任丹麦 IEEE 计算机学会的分会主席。我还担任过 KDD、AAAI、IJCAI、SDM、CIKM 等顶级会议的 PC 成员。

 

演讲题目：用于相关时间序列预测的深度学习

 

摘要：相关时间序列 （CTS） 预测在金融、气候科学和医疗保健等各个领域都面临着错综复杂的挑战。传统的预测方法通常难以捕捉 CTS 数据中细微的依赖关系和错综复杂的模式，因此难以实现准确的预测。近年来，深度学习已成为解决这种复杂性的有力工具。本次研讨会重点介绍了 CTS 预测的两个关键方面：自动深度学习和轻量级深度学习。Automated Deep Learning 简化了深度学习模型的设计和配置，同时最大限度地减少了人工干预。这包括架构搜索和超参数调整等自动化任务，旨在提高从业者模型开发的效率和可访问性。相反，轻量级深度学习专注于打造专为 CTS 预测量身定制的资源高效型深度学习模型。我们的探索深入探讨了如何创建有利于边缘计算应用的紧凑型神经架构。这些轻量级模型在计算资源有限的场景中大放异彩，即使在资源受限的环境中也能确保生成准确的预测。

 

 

征文

 

2025第五届大数据、人工智能和风险管理国际会议 （ICBAR 2025） 将汇集来自世界各地的相关领域的领先研究人员、工程师和科学家。

 

提交的主题包括但不限于：

 

◕ 大数据、人工智能和风险管理

 

·数据分析

 

·数据挖掘

 

·建 模

 

·自然语言处理 （NLP）

 

·风险管理系统

 

·数据集成和可视化

 

·数据管理、分析和信息检索

 

·物体检测和识别

 

·网络安全

 

·开放知识计算

 

·分布式数据处理和集成

 

·风险识别

 

·人工智能算法

 

·分布式人工智能

 

·大数据驱动的管理和决策

 

·基于大数据的科学研究

 

·决策管理

 

·风险和应急治理系统

 

·可靠性工程

 

·大数据驱动的风险分析和管理

 

·风险治理和大数据

 

·大数据在疫情风险管理中的应用

 

·基于人工智能技术的风险分析和管理

 

联系我们

 

李美玲（会议秘书）

 

电话：+86-13922157154 （微信同号）

 

电子邮件： icibar@163.com