苏计学会【2018】第54号
为全面贯彻落实党的十九大精神,深入落实习近平总书记对江苏工作的重要指示要求,贯彻执行江苏省科协系统深化改革实施方案,认真履行学会“四服务一加强”工作职能,尤其是凸显为科技工作者服务乃学会第一要务的办会理念,江苏省计算机学会积极配合第七届江苏省青年科学家年会(江苏科技论坛)活动,遵照江苏省科协的工作部署,以“投身创新争先,建功‘两聚一高'”为主题,于2018年10月20日(周六),在无锡主办“江苏省青年科学家年会‘计算机与软件新进展’分会暨第二届江苏省青年计算机精英论坛”,会期一天。论坛由江苏省计算机学会青年工作委员会、江南大学数字媒体学院和江苏省媒体设计与软件技术重点实验室共同承办,江苏省人工智能学会不确定性专业委员会、江苏省模式识别与计算智能工程实验室参与联办。旨在聚集我省计算机相关领域优秀青年科技工作者,结成相互合作的网络,推进“两聚一高”新实践,激发青年科技工作者的创新热情。论坛邀请省内外知名学者莅临演讲,共同探讨青年科技工作者创新之路。在此,诚邀江苏省计算机学会和相关学会的青年会员们拨冗出席,并欢迎在读博士硕士研究生以及其他青年科技工作者踊跃报名参加。
时间: 2018年10月20日9:00-17:00
地点: 江南大学数媒大楼116报告厅
议程: 见附件二。
论坛日程安排:10月20日上午8时30分开始,代表在报告厅门口签到;上午9时至11时55分,下午14时至16时45分,开会;12时至14时在江南大学长广溪宾馆午餐(有工作人员引导),休息,自由交流;下午17时前论坛闭幕,代表离会;18时,当天不返程的外地代表安排晚餐。论坛会务组可以协助安排外地代表食宿,费用自理。
交通信息:火车站乘坐地铁1号线到达江南大学站。江南大学东大门进门直行200米,然后左转500米到达数媒大楼。
本次论坛不收注册费,请参加本次论坛的代表尽快填写参会回执,于10月15日之前发回到江苏省计算机学会联系人邮箱,以便统计就餐人数和协助安排住宿。
联系人:朱中之 jscs@nju.edu.cn 025-86635622 15365191266
江苏省计算机学会
江苏省计算机学会青年工作委员会
江南大学数字媒体学院
江苏省媒体设计与软件技术重点实验室
江苏省人工智能学会不确定性专业委员会
江苏省模式识别与计算智能工程实验室
2018.9.25
附件一:回执
2018江苏省青年科学家年会“计算机与软件新进展”分会暨
第二届江苏省青年计算机精英论坛参会回执
姓名:
|
单位:
|
职称:
|
职务:
|
邮箱:
|
联系电话:
|
住宿 □19日 □20日 □合住
|
用餐 □19晚 □20午 □20晚
|
说明:外地代表可填写晚餐和住宿需求,不填合住即视为单住。
附件二:会议议程
江苏省青年科学家年会“计算机与软件新进展”分会暨
第二届江苏省青年计算机精英论坛
|
时间:10月20日
地点:江南大学数媒大楼 116报告厅
|
时间
|
报告题目
|
报告人
|
报告人单位
|
9:00-9:10
|
开幕式
|
领导
|
|
9:10-10:00
|
报告1: 待定
|
钱宇华
|
山西大学
|
10:00-10:50
|
报告2: 面向标记分布学习的标记增强
|
耿新
|
东南大学
|
10:50-11:05
|
茶歇
|
11:05-11:55
|
报告3: 面向神经网络压缩的稀疏学习与分布式优化
|
袁晓彤
|
南京信息工程大学
|
12:00-14:00
|
午餐
|
14:00-14:50
|
报告4: 深度强化学习与视觉内容理解
|
鲁继文
|
清华大学
|
14:50-15:40
|
报告5: 脑影像智能分析与脑疾病早期诊断
|
张道强
|
南京航空航天大学
|
15:40-15:55
|
茶歇
|
15:55-16:45
|
报告6: 待定
|
吴小俊
|
江南大学
|
报告和讲者简介
报告一:题目(待定)
讲者简介:钱宇华,博士,教授、博士生导师,山西大学计算机学院副院长,山西大学大数据科学与产业研究院负责人,主要从事人工智能、大数据、复杂网络、数据挖掘与机器学习等方面的研究。国家优秀青年基金获得者,青年三晋学者,山西省中青年拔尖创新人才,教育部新世纪人才,山西省青年学术带头人。中国人工智能学会粒计算与知识发现专委会副主任,中国计算机学会人工智能与模式识别专业委员会委员,中国人工智能学会知识工程与分布智能专委会常务委员,中国人工智能学会机器学习专委会委员。近年来,先后在《Artificial Intelligence》、《IEEE Transactions on Neural Networks and Learning
Systems》、《IEEE Transactions on Knowledge and Data
Engineering》、《IEEE Transactions on Fuzzy Systems》、《IEEE Transactions on Systems, Man and Cybernetics》、《Pattern Recognition》、《中国科学》等国际重要学术期刊发表SCI论文80余篇,获发明专利2 项。2014-2016年,连续入选爱思唯尔中国高被引学者榜单。曾获得山西省科学技术奖(自然科学类)一等奖,教育部宝钢教育基金特等奖,CCF 优秀博士论文奖,山西省“五四青年奖章”,全国百篇优秀博士论文提名奖。
报告二:面向标记分布学习的标记增强
摘要:许多机器学习任务都可以泛化为对给定的示例预测不同标记的描述度(即标记描述示例的程度),而所有标记对一个示例的描述度构成该示例的标记分布,在以标记分布标注的数据集上学习的过程称为标记分布学习。现实世界中存在不少本身就具有标记分布信息的数据,而更多情况下,标记分布信息不完整时,可通过先验知识或者机器学习方法生成完整的标记分布,这一过程称为标记增强。标记分布学习方法配合标记增强方法能够有效匹配大多数有监督学习问题,具有广泛的应用前景。
讲者简介:耿新,国家基金委优青,江苏省杰青,东南大学计算机科学与工程学院教授、博导、副院长,模式学习与挖掘(PALM)实验室主任。主要从事模式识别、机器学习、计算机视觉等方面的研究。在重要国际学术期刊和会议发表论文五十余篇。现为CCF青年工作委员会执委,CSIG视觉大数据专委会副主任,IEEE计算机学会南京分会副主席,江苏省计算机学会理事、青年工作委员会主任,CCF人工智能与模式识别专委会、计算机视觉专委会委员,中国人工智能学会机器学习专委会、模式识别专委会委员,《Frontiers of Computer Science》青年编委。
报告三:面向神经网络压缩的稀疏学习与分布式优化
摘要:以卷积神经网络为代表的深度学习模型往往具有超大的参数规模,在提高学习性能的同时也为模型的稳定性、可解释性和可部署性带来巨大的挑战。在这类高维非凸模型中引入稀疏约束学习机制是解决这类挑战的有效途径之一。同时如何利用分布式计算平台进行高效深度网络压缩训练也是重要问题之一。针对这一系列问题,本报告主要探讨深度神经网络中的结构化稀疏学习及大规模优化方法。将重点介绍一类基于梯度阈值追踪的深度神经网络动态裁剪算法和一类基于近似牛顿估计的分布式神经网络裁剪方法。研究结果表明所提出的稀疏训练方法可以自适应地显著减少卷积神经网络的冗余度,同时保持稠密模型的泛化能力。
讲者简介:袁晓彤,现任南京信息工程大学教授,博导,江苏省大数据分析技术重点实验室副主任。主要从事机器学习和计算机视觉方面的研究和教学,研究方向包括稀疏学习、概率图模型、分布式优化、图像识别等。在国内外学术期刊(包括JMLR, IEEE-TPAMI, IEEE-TIT等)和会议(包括NIPS, ICML, ICCV, CVPR等)上发表论文80余篇。曾获得国家自然科学基金优秀青年基金资助,入选江苏省双创人才;获得过IEEE Transactions on Multimedia最佳论文提名,ImageNet国际竞赛图像检测任务第1名等奖励。
报告四:深度强化学习与视觉内容理解
摘要:报告将介绍清华大学自动化系智能视觉实验室近两年来提出的面向视觉内容理解的多个深度强化学习方法,主要包括多智能体深度强化学习、渐进式深度强化学习、上下文感知深度强化学习、图模型深度强化学习等,以及它们在人脸检测与识别、物体检测与跟踪、图像识别与检索、行为预测与识别等多个视觉内容理解任务中的应用。
讲者简介:鲁继文,清华大学自动化系副教授、博士生导师,主要研究方向为计算机视觉、模式识别和机器学习,发表IEEE Transactions系列论文60余篇(其中PAMI论文11篇),ICCV、CVPR、ECCV和NIPS论文40余篇,ESI热点论文和高被引论文9篇,SCI他引1600余次,谷歌学术引用5800余次,H指数为39,获IEEE 国际会议最佳论文奖2次。作为负责人主持国家重点研发计划课题1项、国家自然科学基金项目2项。曾/现任IEEE Transactions on Circuits and Systems for Video
Technology、IEEE Transactions on Biometrics, Behavior,
and Identity Science、Pattern Recognition等7个国际期刊编委,中国工程院院刊Engineering青年通讯专家,IEEE信号处理学会多媒体信号处理技术委员会委员,IEEE信号处理学会信息取证与安全技术委员会委员,IEEE电路与系统学会多媒体系统与应用技术委员会委员。2015年入选国家青年千人计划,2018年获国家优秀青年基金。
报告五:脑影像智能分析与脑疾病早期诊断
摘要:近年来,“脑科学计划”吸引了各国政府和公众的广泛关注。脑影像技术是研究脑科学的重要工具之一, 然而由于脑影像数据所固有的高维度、多模态、异构和时变等特性,对其进行快速有效分析是当前研究的关键问题之一。 在本报告中,我们将首先简要介绍脑影像分析的基本方法,然后重点介绍我们近几年在基于机器学习的脑影像/脑网络智能分析方面的相关工作,并介绍其在脑疾病早期诊断、影像遗传学、脑认知与脑解码中的应用。
讲者简介:张道强,南京航空航天大学计算机科学与技术学院教授,副院长,国家优秀青年基金获得者,“万人计划”青年拔尖人才,江苏省333工程中青年领军人才;担任中国图学学会图学大数据专委会副主任、中国图象图形学会理事、中国人工智能学会机器学习专委会常委、中国计算机学会人工智能与模式识别专委会委员、江苏省人工智能学会医学图像处理专委会主任。近年来围绕脑影像智能分析及其在脑疾病早期诊断中的应用等方面开展研究,发表论文200 余篇,被SCI 收录100 余篇。部分第一/通讯论文发表在领域内重要国际期刊,如IEEE TPAMI、IEEE TMI、IEEE TIP、IEEE TC、IEEE TBME、Neuroimage、Human Brain Mapping、Medical
Image Analysis等,以及重要国际会议,如NIPS、MICCAI、IJCAI、AAAI、CVPR、KDD、SDM、ICDM 等。据Google Scholar 统计,论文已被国际同行引用9000 余次,SCI他引3000余次。目前担任《Journal
of The Franklin Institute》、《PLOS ONE》、《自动化学报》等期刊编委,《Frontiers of Computer Science》青年AE,《IEEE JBHI》客座编辑,担任国际学术会议IDEAL’16、MLMI’13/14程序委员会主席。研究成果获教育部自然科学二等奖(第一完成人),以及一流国际期刊《Pattern Recognition》2006-2010“Most Cited
Article”奖暨2007-08 双年度最佳论文提名奖、国际会议PRICAI’06 、STMI’12和BICS’16 最佳(学生)论文奖。2014-2017 连续4 年入选Elsevier 中国高引学者榜。
报告六:题目(待定)
讲者简介:吴小俊,江南大学二级教授、博导、科研院院长,从事模式识别与人工智能方面的研究,完成包括国防973子课题、IEEE智慧城市国际合作项目、国家自然科学基金和教育部重大科研课题的研究。2006年教育部新世纪优秀人才、江苏省333工程第二层次人才。在国内外表学术论文200余篇,其中SCI论文60余篇、EI论文100余篇,出版学术著作5本(一本英文专著,CRC出版)。研究成果获得省部级以上奖励6项,其中包括IETE Gowri Memorial Award 、2011年教育部科技进步一等奖、合作者Josef Kittler院士获2015江苏省科学技术奖国际科技合作奖和2016中国政府友谊奖;主持国家精品课程《人工智能概论》和国家双语示范课程《人工智能》的建设工作,是计算机科学与技术国家特色专业点建设负责人和江苏省高校科技创新团队负责人,2017年获得江苏省教学成果二等奖。曾在英国、法国和港澳台地区留学和学术访问。曾担任多个国际和国内学术会议主席。现任IEEE智慧城市指导委员会委员、国际期刊International Journal of Computer Mathematics(SCI)和Journal of Algorithm and Computational Technology(EI)、Frontiers in Neurorobotics(SCI)、数据科学与应用国际期刊编委。教育部计算机类教学指导委员会委员、中国航空学会信息融合专委会委员、省人工智能学会副理事长、省计算机学会学术工委副主任和无锡市计算机学会理事长等职。
|