CCF@U第819场:杜军平、李文玲、薛哲、邵蓥侠、梁美玉走进河北经贸大学
由中国计算机学会(CCF)主办,CCF石家庄承办,河北经贸大学协办的CCF走进高校活动之走进河北经贸大学学术论坛活动,将于2021年11月24日在河北经贸大学召开。
时间:2021年11月24日(星期三)14:00-15:50
地点:线上报告
参会方式:
1、腾讯会议号:293 262 884
2、免费,CCF会员优先
3、参会须知:实名进入腾讯会议(具体格式:姓名+高校名)
4、联系人:忽丽莎,lishahu1986@163.com
执行主席:
王素贞,河北经贸大学科研处处长,CCF石家庄分部主席
孙立辉,河北经贸大学信息技术学院院长,CCF石家庄分部执委
活动安排:
时间 | 内容 |
14:00–14:10 | 嘉宾介绍 |
14:10–14:30 | 特邀讲者:杜军平 北京邮电大学 |
报告题目:科技大数据理论与技术研究 | |
14:30-14:50 | 特邀讲者:李文玲 北京航空航天大学 |
报告题目:分布式学习与优化 | |
14:50-15:10 | 特邀讲者:薛哲 北京邮电大学 |
报告题目:面向复杂场景的多模态学习技术研究 | |
15:10-15:30 | 特邀讲者:邵蓥侠 北京邮电大学 |
报告题目:面向大图的快速随机游走算法 | |
15:30-15:50 | 特邀讲者:梁美玉 北京邮电大学 |
报告题目:跨模态大数据高效语义表示学习和搜索 |
报告信息
报告题目:科技大数据理论与技术研究
报告摘要:科技大数据作为数字经济的基础性战略资源,在国家科技创新能力、核心竞争力提升以及产学研协同创新发展过程中,发挥着极其重要的战略保障和基础性支撑作用。本报告介绍科技大数据理论与技术的研究背景以及科技服务面临的难题,并着重介绍面向科研人员、企业创新、科研管理等不同场景的科技大数据查询检索最新研究成果,以及团队研发的科技大数据查询检索系统平台。
嘉宾简介:
杜军平,CCF会士。博士,北京邮电大学计算机学院教授、博导,北京邮电大学校学术委员会委员、计算机应用技术中心主任。主要研究方向是数据挖掘、大数据智能分析、社交网络分析。先后主持了国家重点研发计划项目、国家自然科学基金重点项目、973计划课题、863计划项目、国家自然科学基金重大国际合作项目等30余项国家和省部级科研项目。在IEEE TPAMI、TKDE、TNNLS、TCST、TSMC、TIM、TVT、TIFS、ACM MM、IJCAI、ICDE、CVPR等国际重要刊物和国内外学术会议上发表论文400余篇,出版专著6部,申请和授权国家发明专利37项,登记软件著作权15项,获国家技术发明奖二等奖、教育部技术发明奖一等奖、北京市科学技术二等奖、吴文俊人工智能自然科学二等奖等。
报告题目:分布式学习与优化
报告摘要:分布式学习与优化需要解决的一个关键问题是如何设计合适的通信机制将单机优化的结果相融合。本报告首先对单机优化的确定性算法和随机优化算法进行简单回顾;然后介绍通信机制和网络拓扑结构对分布式优化算法的影响,在此基础上介绍一类基于t分布的分布式ADAM算法。
嘉宾简介:
李文玲,北京航空航天大学副教授、博士生导师,主要研究方向是统计学习,多目标跟踪等。发表论文70余篇,SCI论文47篇,授权发明专利5项,出版专著1部,主持国家自然科学基金3项,参与国家重点研发计划项目2项,以第一完成人获吴文俊人工智能自然科学奖二等奖,第四完成人获教育部自然科学奖一等奖。担任SCI期刊IET Signal Processing期刊编委。
报告题目:面向复杂场景的多模态学习技术研究
报告摘要:在真实的场景中,受到采集条件和用户操作等因素的影响,多模态数据容易出现特征和标注缺失等问题,导致传统的多模态学习方法不能很好地适用。本报告针对复杂场景下多模态数据标签信息不足、特征易缺失等难题,研究不完整多模态数据的半监督分类和聚类问题,提出了基于聚类引导的不完整多模态聚类网络和基于深度预测子空间的半监督多模态分类方法,通过挖掘数据的相关性和潜在的聚类结构,实现不完整多模态数据的类别发现和标注等任务。
嘉宾简介:
薛哲,北京邮电大学计算机学院副教授,硕士生导师。研究方向包括机器学习、人工智能、多媒体信息处理。在人工智能、机器学习等国际重要刊物和著名学术会议上发表论文50余篇,论文发表在IJCAI、AAAI、ACM MM、IEEE TKDE、TCSVT、TNNLS、TCyb、ACM TIST、CVIU等顶级会议和期刊。申请和授权发明专利10余项,出版学术专著1部。主持和参与了10余项科研项目的研究工作,包括国家重点研发计划、国家自然科学基金重点项目、国家自然科学基金青年基金、CCF-百度松果基金等。获2021年云计算与智能系统国际会议(CCIS)最佳论文奖,2019年中国智能自动化大会(CIAC)最佳论文奖。
报告题目:面向大图的快速随机游走算法
报告摘要:随机游走算法是大图分析与学习的一项基本采样技术。利用不同的随机游走策略捕获不同的图结构,学习蕴含不同特性的图特征。相比于一阶随机游走,二阶随机游走可以捕获图节点高阶邻居结构模式,提升下游学习与分析任务性能。然而,二阶随机游走策略的经典实现存在内存爆炸问题,难以高效处理大图。本报告将介绍一种内存自适应的快速随机游走框架,通过综合不同采样算法(如直接采样、拒绝采样、Alias采样等)在时间和内存方面的优劣,建立近似代价模型,实现亿级边图上的快速随机游走。实验表明,在单机节点上新框架支持(二阶)随机游走算法快速处理千万顶点亿级边图,仅使用现有方法内存的10%可获得更快速的随机游走方案,极大地提升大规模图学习与分析的效率。
嘉宾简介:
邵蓥侠,北京邮电大学计算机学院副教授。CCF数据库专委会委员、CCF高级会员。其研究方向为图数据管理、大规模图分析、大规模图学习等方向。主持国家自然科学基金项目2项,CAAI-华为MindSpore学术奖励基金,CCF-腾讯犀牛鸟基金,CCF-百度松果基金,并在数据库和人工智能领域的著名会议和期刊已发表高质量学术论文50余篇,其中CCF A类会议/期刊论文30余篇,涵盖数据库领域的顶级期刊TKDE,VLDBJ和顶级会议SIGMOD、VLDB、ICDE等,出版英文学术专著1部;曾获ACM SIGMOD中国优秀博士论文奖,入选了微软亚洲研究院“铸星计划”,获DASFAA 2020(CCF B类)最佳学生论文奖。
报告题目:跨模态大数据高效语义表示学习和搜索
报告摘要:由于不同模态数据存在特征异质性和语义鸿沟问题,如何通过跨模态语义关联学习获取高效统一的跨模态语义表示空间,是实现跨模态搜索的关键。本报告针对该问题介绍基于多模态图的隐含语义关联学习方法、跨模态细粒度语义关联学习模型和跨模态深度哈希映射机制,实现跨模态大数据的语义融合,获取判别力更强的跨模态统一高效语义表示,并在此基础上实现跨模态高效语义匹配和搜索。
嘉宾简介:
梁美玉,北京邮电大学计算机学院副教授、硕士生导师。主要研究方向是人工智能、数据挖掘、多媒体智能信息处理等。主持国家自然科学基金面上项目、国家自然科学基金青年基金项目、CAAI-华为MindSpore学术奖励基金等。参与国家重点研发计划项目、国家自然科学基金重点项目、973计划课题等10余项科研项目。在IEEE TKDE、TNNLS、ACM MM、IJCAI、WWW等国际重要刊物和国内外学术会议上发表论文50余篇,其中SCI论文20余篇,出版专著1部,申请和授权发明专利9项,登记软件著作权8项。获AIAI国际会议优秀论文奖、CCF BIG DATA最佳学术论文奖等。