曹晓锋

职称:副教授、博士生导师

毕业院校:悉尼科技大学

email:xiaofeng.cao.uts@gmail.com

个人主页:https://xiaofengcaoml.github.io

研究方向:主动学习理论、非欧几何建模、泛化分析

个人简介

曹晓锋,男,澳门人威尼斯官方副教授,机器学习理论统计流派青年学者,获吉林省高层次人才计划奖励,担任吉林省新一代信息技术专家/吉林省科学技术奖评审专家/国家自然基金委评审专家,澳门人威尼斯官方励新优秀青年计划获得者,美国电子电气工程师协会/中国计算机学会/中国人工智能学会会员(IEEE/CCF/CAAI Member),国际/欧洲/亚太(ICML/ECML/ACML)机器学习大会程序委员会委员,长期从事人工智能和机器学习理论的基础研究工作,曾在澳大利亚人工智能研究院|悉尼科技大学(澳洲top 1, 国际top 10 AI Center)取得博士学位并担任研究助理职位,曾访问香港科技大学计算机系从事科研交流活动,累计发表多篇学术论文,含多篇CCF A类顶级国际学术会议和IEEE trans系列中科院一区top期刊,其中以第一作者近四年累计发表IEEE trans系列top期刊6篇,累计影响因子110.511(截止2023年6月统计),包括IEEE T-PAMI, TNNLS, T-CYB,指导课题组首届两名研究生同学对泛函分析和隐式不变推论优化完成封闭求解,并发表在机器学习顶尖会议ICML2023理论track(澳门人威尼斯官方|吉林省首篇)。主要研究方向为机器学习理论的基础问题,具体包括PAC学习理论、非欧几何建模、泛化分析及相关深度学习应用等方面,研究兴趣包括:NP近似论、泛函优化、 凸增量优化、贝叶斯推断、蒙特卡洛积分、李群几何及其拓扑结构图与黎曼ℓp维度空间仿射,长期担任人工智能和机器学习领域旗舰期刊和会议的审稿人,如Journal of Machine Learning Research (JMLR)、Machine Learning Journal (MLJ)、Journal of Artificial Intelligence Research (JAIR)、Artificial Intelligence Journal (AIJ)、IEEE Transactions on Pattern Analysis and Machine Intelligence (T-PAMI)、ICML、NeurIPS等。

前沿探索:从2020年至今,尝试解决机器学习理论大师Corinna Cortes教授(谷歌研究院副总裁,SVM发明人之一,谷歌索引7万+)在主动学习理论中提出的“关于黑盒学习者如何使用误差分歧修剪假设空间”这一难题,合作导师为国际知名统计机器学者Ivor W. Tsang教授(澳大利亚人工智能研究院研究主任,新加坡前沿人工智能研究中心主任,谷歌索引2万+),IEEE Fellow。

一流的研究课题:机器感知课题组正在探索世界领先的高级机器学习理论课题,包括非欧几何、黑盒优化、泛函封闭梯度等,它们可能是极具挑战性的理论基础问题。

最新研究动态:

2023年9月:课题组在非参多学习者机器教学理论问题中取得重要成果,被NeurIPS 2023接收!

2023年8月:与芬兰奥卢大学、美国斯坦福大学同仁合作的Hyperbolic非欧几何跨领域自动驾驶研究工作,被智能交通顶级刊物 IEEE Transactions on Intelligent Transportation Systems录用!

2023年8月:课题组在数据挖掘顶尖期刊IEEE TKDE接收重要图神经网络过平滑优化工作!

2023年7月:受邀担任ECAI2023/ACML2023/WSDM2023/AAAI2024 Program Committee!

2023年6月:课题组在人工智能顶尖期刊IEEE T-PAMI接收重要NP近似优化工作!

2023年6月:课题组在机器学习顶尖会议ECML2023中接收重要半监督优化工作!

2023年4月:课题组在机器学习顶尖会议ICML2023中接收两篇重要理论优化工作!

2022年12月:课题组在黑盒泛化理论与封闭泛函梯度求解问题中取得重要研究成果,欢迎讨论!


招生要求:期望候选人在数学或CS领域有热情或特长,有强烈的科研动力!

培养目标:亚太地区顶尖、国际一流的机器学习青年学者!


注:课题组招生条件严格,无意从事科研活动的同学不建议联系!


 


工作经历

2020.03 —— 至      今    澳门人威尼斯官方  副教授

2021.01 —— 至      今    悉尼科技大学  研究助理

教育经历

2017.09 —— 2021.01 澳大利亚人工智能研究院|悉尼科技大学计算机科学 博士

2014.09 —— 2017.06 郑州大学计算机科学与技术 硕士

2010.09 —— 2014.06 郑州大学计算机科学与技术 本科

科研项目

2023.01-2025.12 面向黑盒的机器教学收敛研究,国家自然基金项目,在研,负责人。

2023.01-2025.12 澳门人威尼斯官方励新青年教师计划,在研,负责人。

2023.01-2024.12 飞秒激光永久光存储数据写入过程的智能化研究,省科技厅面上项目 在研,主要参与。

论文选

你可能对以下一个或多个主题感兴趣,部分主题可能涉及机器学习理论、黑盒优化等较为数学化的内容:

§ Hyperbolic   Geometry (双曲空间和黎曼几何的建模与优化)

[1] Xiaofeng Cao, Ivor W. Tsang. Distribution Disagreement via Lorentzian Focal Representation, IEEE Transactions on Pattern Analysis and Machine Intelligence. (T-PAMI为模式分析旗舰期刊,IF=24.314, CCF A类期刊)

[2] Xiaofeng Cao, Ivor W. Tsang. Hyperbolic Fréchet Mean. Pattern Recognition. IF=8.518. (独著工作,研究非欧空间下的Fréchet Mean优化与求解)

[3] Xiaofeng Xu, Ivor W. Tsang, Xiaofeng Cao, et al. Learning image-specific attributes by hyperbolic neighborhood graph propagation. International Joint Conference on Artificial Intelligence 2019.(非欧树结构, CCF A 类会议)

[4] Yang Tao and Xiaofeng Cao. Perturbation Elimination via Homeomorphic Manifold Tubes, IEEE Transactions on Neural Networks and Learning Systems, review. (黎曼通管优化)

[5] Bike Chen, Wei Peng, Xiaofeng Cao, Röning Juha, Hyperbolic Uncertainty Aware Semantic Segmentation. IEEE Transactions on Intelligent Transportation Systems, 2023.(智能交通顶级刊物)

§ Machine Teaching/Black-Box Solving/Convex Optimization/Non-Convex Approximation (机器教学/黑盒求解/凸优化/非凸近似)

[1] Xiaofeng Cao, Ivor W. Tsang. Distribution-based Machine Teaching for a Black-box, IEEE Transactions on Neural Networks and Learning Systems, IF=14.255.(黑盒机器教学优化理论)

[2] Xiaofeng Cao, Ivor W. Tsang. On the Geometry of Deep Bayesian Active Learning, IEEE Transactions on Emerging Topics in Computational Intelligence, revision, IF=4.851.

[3] Chen Zhang, Xiaofeng Cao. Pseudo-Iterative Machine Teaching. Pseudo-Iterative Machine Teaching, Artificial Intelligence (人工智能旗舰期刊,国际人工智能会刊), review. IF=14.05.(封闭梯度优化,CCF A类会议)

[4] Xiaofeng Cao# and Yaming Guo#. Black-box Teaching an Active Learner, Journal of Machine Learning Research, revision (机器学习领域旗舰期刊). 这可能是黑盒泛化理论重要的研究成果!

[5] Chen Zhang, Xiaofeng Cao*, Weiyang Liu, Ivor Tsang, James Kwok, Nonparametric Iterative Machine Teaching, ICML 2023. (CCF A类会议).(泛函梯度优化理论,CCF A类会议)

[6] Cong Wang#, Xiaofeng Cao#*, Lanzhe Guo, Zenglin Shi. DualMatch: Robust Semi-Supervised Learning with Dual-Level Interaction. ECML 2023.

§ Learning Theory and Generalization Analysis (学习理论与泛化分析)

[1] Xiaofeng Cao, Ivor W. Tsang. Shattering distribution for active learning, IEEE Transactions on Neural Networks and Learning Systems, 2020, IF=14.255. (分布破碎)

[2] Xiaofeng Cao, Ivor W. Tsang, Jianliang Xu. Cold-start Active Sampling via $\gamma$-Tube, IEEE Transactions on Cybernetics, 2021. IF=19.118.(通管采样)

[3]Yaming Guo#, Kai Guo#, Xiaofeng Cao*, Tieru Wu*, Yi Chang, Out-of-Distribution Generalization of Federated Learning via Implicit Invariant Relationships, ICML 2023. (CCF A类会议)

§ Learning on Small Data (新主题:Small data is the future of AI)

[1] Xiaofeng Cao, Weiyang Liu, Ivor W. Tsang. Data-Efficient Learning via Minimizing Hyperspherical Energy.IEEE Transactions on Pattern Analysis and Machine Intelligence, 2023.(最小能量球优化问题, CCF A类期刊)

[2] Learning on Small Data: Transfer the Future of Artificial Intelligence to Now, Survey work, IEEE Transactions on Pattern Analysis and Machine Intelligence, review. (小数据学习)

§ General AI Applications: Data, Image, Graph.

[1] Xiaofeng Cao et al. Multidimensional Balance-Based Cluster Boundary Detection for High-Dimensional Data, IEEE Transactions on Neural Networks and Learning Systems, 30(6): 1867-1880, 2019. IF=14.255. (边界检测)

[2]Yu Wang, Liang Hu, Xiaofeng Cao*, Yi Chang,Ivor W. Tsang,Enhancing Locally Adaptive Smoothing of Graph Neural Networks via Laplacian Node Disagreement, IEEE Transactions on Knowledge and Data Engineering, 2023. (CCF A类期刊)

[3] Zenglin Shi, Le Zhang, Yun Liu, Xiaofeng Cao et al. Crowd counting with deep negative correlation learning. Computer Vision and Pattern Recognition Conference (CVPR) 2018. (CCF A类会议)

[4]Yu Wang, Liang Hu, Wanfu Gao*, Xiaofeng Cao*, Yi Chang, AdaNS: Adaptive Negative Sampling for Unsupervised Graph Representation Learning, Pattern Recognition, 2022.IF=8.518. (图表征)

[5]Kai Guo, Xiaofeng Cao*, Zhining Liu, Yi Chang*, Taming Over-Smoothing Representation on Heterophilic Graphs, Information Sciences, 2023. (IF=8.1)


注:如果你有意与我一同工作,并且拟攻读硕士研究生,你可能会直接参与以上课题。如果你有意攻读博士,我们将一起探索更为基础和前沿的机器学习内容,可能包括Meta-Learning、Distribution Optimization, 等。你可能与我、Ivor Tsang、James Kwok等权威教授一起工作。他们是是国际知名人工智能/机器学习领域权威学者,是各大人工智能旗舰期刊/会议的编辑/主席,如JMLR、MLJ、T-PAMI、JAIR、NeurIPS、 IJCAI,等。课题组已经与剑桥大学、斯坦福大学的一流同行建立合作,欢迎有志青年加入我们!

社会兼职

Conference Reviewer/Program Committee: ACML 2021, ICML 2021-2023, NeurIPS 2021-2023, ECAI2023/ACML2023/WSDM2023/AAAI2024.

Journal Reviewer: T-PAMI, AIJ, JAIR, MLJ, TNNLS, etc.

返回上一层