2018年6月20日，应百富策略bfball手机版邀请，美国密苏里科技大学傅衍杰教授在翡翠湖校区科教大楼第四会议室做了《Collective Representation Learning in Spatial and Temporal Data Environments: Techniques and Applications》的学术报告。来自我院多个专业的教师、研究生和本科生参加了此次学术交流活动。

傅衍杰教授从时空数据的广泛应用前景谈起，总结了使用时空数据的四大特征：空间性、时间性、社会感知性及语义感知性。针对传统时空数据的模型不足，傅教授介绍了表征学习方法在时空数据的重要性。进一步，傅教授介绍了所在研究团队如何针对城市的POI数据，利用表征学习方法进行城市POI点的活力值检测。最后，在上述研究基础上，傅教授阐述了如何在城市POI数据基础上，将用户时序行为数据的连续性融合到表征学习模型中。提问环节中，大家针对傅教授的研究课题进行了广泛深入的讨论。

傅衍杰长期致力于数据挖掘和时空大数据分析，以及这些技术在城市计算，社会计算，移动计算，商务智能上的应用。曾担任KDD、IJCAI, AAAI, ICDM等国际数据科学和人工智能会议的程序委员会委员，是INFORMS ISR, INFORMS JOC, Decision Support Systems(DSS), IEEE TKDE, IEEE ITST等国际期刊审稿人。近年来在IEEE TKDE,IEEE TMC,KDD、AAAI, IJCAI等学术期刊和会议上发表40余篇论文。其发表的论文曾获得ACM KDD Best Paper Finalist和ICDM Best Paper Finalist奖. 2017年获得密苏里大学学术奖（University of Missouri Research Board Award），2018年获NSF pre-Career Award。