2026年1月6日下午，应28预测 邀请，南京航空航天大学陈松灿教授为我院师生作题为“时间序列的通用表示学习”的学术前沿报告。报告会由孙忠贵教授主持，众多师生参加。

　　时间序列数据广泛存在于金融、医疗、气象、工业监测等诸多领域，其分析涵盖预测、分类、补全、异常检测等多种任务。传统方法大多针对单一任务设计，缺乏通用性和迁移能力。如何构建一个能够灵活适应多种下游任务的统一分析框架，已成为当前研究的重要目标，而实现这一目标的核心关键在于学习时间序列的通用、高效表示。报告中，陈松灿教授系统地阐述了这一前沿方向的研究脉络与挑战。他从经典的规则采样时间序列场景切入，逐步深入到更具现实复杂性的不规则采样时间序列场景，详细介绍了其团队在两类数据上探索通用表示学习的深度学习方法，包括深度特征提取网络的设计与自监督对比学习策略的运用。报告内容丰富，层层递进，既有理论深度，又紧密结合实际应用。　

　　专家简介：陈松灿，南京航空航天大学计算机28预测 /人工智能28预测 二级教授，享受政府特殊津贴专家，国际模式识别学会会士（IAPR　Fellow）和中国人工智能学会会士（CAAI　Fellow）。已发表学术论文300余篇，Google　Scholar引用超21800次，H指数69，2014至2024年连续11年入选Elsevier中国高被引学者榜单。现任中国人工智能学会机器学习专业委员会主任、中国人工智能学会常务理事、江苏省人工智能学会理事长等学术职务。曾于2011年和2013年分别荣获教育部自然科学一等奖和国家自然科学二等奖（排名均为第二）。已培养博士毕业生40余名，其中7人获江苏省优秀博士学位论文，2人获全国百篇优秀博士学位论文提名奖；2018年带领团队入选江苏省首届“十佳研究生导师团队”。