首页>综合新闻

【智能天大】世界智能大会“大数据与智能”海棠论坛在天津大学举办

2018-05-14       

  本站讯(通讯员 杨柳)5月12-13日,世界智能大会“大数据与智能”海棠论坛在津举办,论坛由天津市教育委员会主办,天津大学、天津市海河教育园管理委员会、中国计算机学会(CCF)天津分部、中国计算机学会青年计算机科技论坛(CCF YOCSEF)天津承办。

  论坛于5月12日在天津大学北洋园校区杏荪楼报告厅开幕,开幕式由天津大学计算机学院副院长胡清华教授主持。

  论坛开幕后,西安电子科技大学教授、智能感知与图像理解教育部重点实验室主任焦李成教授作了题为《人工智能创新人才培养的探索与实践》的报告。焦李成主要从培养体系、教育理念、实践真知三个方面谈了对人工智能人才培养的看法,他提到,人工智能是解决国民经济建设、国家安全与社会发展中一系列重大需求问题的共性基础。报告中,焦李成点明了人才培养对人工智能发展的重要性,讲述了西安电子科技大学目前在人工智能方面对研究生的本-硕-博一体化培养体系和方案,对各阶段需要开设的课程做了介绍。

  日本智能软件系统岩手县立大学教授Hamido Fujita博士作了题为《Data Analytics for Clouds Health-Care and Risk Predictions based on Ensemble Classifiers and Subjective Projection》的报告。Hamido Fujita认为,大数据分析面临的挑战是数据表示的高维和复杂性。报告中,Hamido Fujita对这些挑战与大家进行了讨论,并为集成学习提供了关于健康护理风险预测的新方法。决策支持系统中的大多数模型都假定标准是独立的。不同类型的数据(时间序列、语言值、区间数据等)给数据分析带来了一些困难,这是由于预处理和规范化过程非常昂贵而且数据集的原始和不平衡难以处理。Hamido Fujita博士目前通过合并各种指标,为家庭老年人提供健康护理预测服务,将项目应用于老年人保健项目,以为解决这些问题提供思路和方法。

  重庆邮电大学教授王国胤博士作了题为《数据驱动的粒认知计算》的报告。人工智能理论技术的突破和成功应用于解决现实生活中的诸多挑战和问题,使得人类社会正在向智能时代迈进。许多人工智能理论模型是在人类智能、自然智能和社会智能的启发下设计的。认知科学的研究成果很大程度上启发了人工智能研究。认知计算是以人类认知为启发而提出的一致的、统一的、普遍的智能计算机制。王国胤在报告中介绍了一种受人类的多粒度思维与问题求解机制以及“大范围优先”的人类认知规律启发而提出的认知计算模型----数据驱动的粒认知计算模型(DGCC模型),并且讨论了DGCC模型中需要研究的几个科学问题和几个相关的案例。

  5月13日,论坛继续进行,北京交通大学教授、中国人工智能学会机器学习专业委员会副主任于剑博士作了题为《深度学习的能和不能》的报告。深度学习目前是机器学习领域最引人注目的研究方向,其应用极其广泛。但“没有免费午餐”定理告诉我们,没有万能的学习算法。因此,于剑在报告中分析了深度学习的适用范围,简述了深度学习的发展历程,并在此基础之上,理论分析了深度学习的应用范围和失效领域,讨论了深度学习面临的问题及其对策。

  IEEE Fellow、南方科技大学计算机科学与工程系讲席教授、教育部长江讲座教授姚新博士作了题为《Ensemble Approaches to Class Imbalance Learning》的报告。许多现实世界分类问题具有高度不平衡性和偏离的数据分布。例如在故障诊断和状态监测中,正常等级的数据非常丰富,但故障数据总是非常有限且成本高昂的。在不牺牲多数阶层表现的情况下,提高少数群体的分类表现常常是一项挑战。姚新博士在报告中讨论了一些针对阶层失衡学习而开发的技术和算法,特别是通过集成学习的技术和算法。姚新介绍了集成学习背后的动机,并强调了多样性的重要性。他还介绍了多级失衡学习和潜在解决方案的一些挑战。例如什么可能适用于二进制情况不适用于多个类,尤其是当类的数量增加时。他讨论了在线课堂失衡学习,这可以看作是在线学习与课堂失衡学习的结合。他提到在线课堂失衡学习带来了新的研究挑战,但仍然没有得到很好的理解,更不用说将其解决,特别是对于具有概念漂移的不平衡数据流来说更是如此。他还提到了多目标学习对班级失衡学习的自然契合,讨论了多目标学习和集成学习之间的关系。姚新还指出了未来的研究方向。

  西北工业大学教授、德国洪堡学者、国家杰出青年科学基金获得者於志文博士作了题为《人机共融智能》的报告。人机物融合正成为新一代计算技术的重要特征与主要趋势,人机共融智能是计算机领域未来重要发展方向,意为利用人类智能和机器智能的差异性和互补性,通过个体智能融合、群体智能融合、智能共同演进等实现人类和机器智能的共融共生,完成复杂的感知和计算任务。在报告中,於志文介绍了人机共融智能的基本概念、研究挑战,并分享了团队在人机智能融合领域的一些研究成果。

  吉林大学教授、中国人工智能学会知识工程与分布智能专委会副主任委员杨博博士作了题为《大规模网络机器学习和数据挖掘方法》的报告。杨博认为,数据之间不是孤立的,而是相互关联的,大数据通常以复杂关联的网络形式存在,对数据网络的提取、分析和挖掘是释放大数据价值的关键所在。在报告中,杨博围绕网络结构分析和传播动力学分析两方面介绍了团队在大规模网络机器学习和数据挖掘方面的一些研究进展。

  天津大学教授吴偶博士作了题为《文本情感计算中的“标不准”分析与算法》的报告。文本情感计算是用户观点挖掘、舆情监测的重要基础。其可以看做是一个标准的文本分类问题,在给定标准训练集的情况下,已有诸多的成熟算法。吴偶博士在实践中发现,构建一个标准的训练集几乎已经成为文本情感计算理论应用于实际的最大挑战。其主要障碍就是情感的主观性非常大,导致难以获取一个样本的标准标签。类比于“测不准”原理,我们称其为“标不准”现象。报告中,吴偶回顾了文本情感计算的基本算法,介绍了团队对于“标不准”现象的分析、思考与情感分类的最新进展。

  天津大学副教授朱鹏飞博士作了题为《复杂数据环境下的度量学习》的报告。度量学习是机器学习和计算机视觉中的研究热点之一。传统的度量学习方法主要集中在欧氏空间中的单标记学习任务。报告中,朱鹏飞介绍了欧式空间中的回归度量学习框架,它可应用在单标记学习、多标记学习、标签分布学习以及多任务回归学习中。朱鹏飞也介绍了黎曼流形上的度量学习框架,它可应用SPD流形、Grassmann流形等非线性流形上。朱鹏飞教授还对复杂数据环境下度量学习面临的挑战进行了展望。

  世界智能大会·大数据与智能海棠论坛在天津大学举办,是国内外同行对天津大学人工智能领域工作的高度肯定。丰富的论坛内容、国际水平的学术报告,吸引了国内众多知名学者、企业界人士和学生等200多名学生代表参会。

  (编辑 赵习钧 郑文婧)