科研学术

8月12日，法国巴黎萨克雷大学讲席教授(Chair Professor)方一平应邀做客“学者论坛”，为师生作了题为“Decision-Focused Learning and Uncertainty Quantification for Data-Driven Contextual Optimization”的学术讲座。本次学者论坛由教师发展中心主办，机械与电气工程学院和经济与管理学院共同承办，机械与电气工程学院刘宇教授主持，40余位师生参与交流。

讲座中，方一平教授从数据驱动优化中预测与决策相分离的问题切入，结合预测性维护等案例，阐释了决策导向学习以决策损失训练预测模型的基本思路。他指出，统计精度更高的预测模型并不一定带来更优的决策策略，因此应将预测模型训练与实际决策目标相结合。同时，模型不确定性也是影响优化决策稳定性与鲁棒性的重要因素。针对这一问题，方一平教授重点介绍了贝叶斯上下文优化框架。该框架依据候选模型的实际决策表现构建决策导向的Gibbs后验，在充分考虑模型不确定性的基础上综合不同预测模型的信息，从而提升样本外决策的表现与稳定性。

交流环节，现场师生围绕预测性维护、模型结构、标签数据不足及复杂约束等问题提问，方一平教授逐一作出回应，并结合相关研究就研究思路与方法提出了针对性建议。本次讲座内容丰富、重点突出，加深了师生对决策导向学习、模型不确定性及其与贝叶斯优化相结合的理解，为相关领域研究提供了新的思路。