中国计算机学会青年计算机科技论坛

CCF Young Computer Scientists & Engineers Forum Dalian

CCF YOCSEF 大连

于2018年6月27日

在辽宁省大连市凌海路1号

大连海事大学百川楼101举行

“计算机视觉与机器学习”报告会

敬请光临

报告会日程

8:00-8:30 签到

8:30-9:30 学术报告

题目：Extreme Classification: Machine Learning with Millions of Labels

特邀讲者：李熙铭，吉林大学计算机科学与技术学院，副教授，硕士生导师。

9:30-10:30 学术报告

题目：Adversarial Cross-Modal Retrieval

特邀讲者：杨阳，电子科技大学计算机科学与工程学院教授、博导，2014年获电子科技大学校百人计划，2016年获中组部青年千人计划、四川省千人计划。

10:30-11:30 学术报告

题目：匹配算法在约束满足问题及网络控制问题中的应用进展

特邀讲者：张锡哲，东北大学计算机科学与工程学院副教授，硕士生导师。

11:30-12:00 交流环节

执行主席

    高健 大连海事大学信息科学技术学院副教授

    CCF YOCSEF大连AC委员

    彭健钧 大连工业大学信息科学与工程学院讲师

    CCF YOCSEF大连AC委员、学术秘书

    杨婷婷 大连海事大学航海学院副教授

    CCF YOCSEF大连AC委员、学术秘书

报名方式：请于2018年6月26日17:00前与彭健钧联系，以便提供会务。Email：pengjj@dlpu.edu.cn; Tel: 139 4206 1732。

学术报告摘要与讲者简介

报告人：李熙铭，吉林大学计算机科学与技术学院，副教授，硕士生导师。 研究领域包括机器学习，文本分析和变分推理等。在相关顶级国际会议及期刊（包括IJCAI, SDM, COLING, the Computer Journal等）发表论文20余篇。目前主持国家自然基金青年项目1项。2016年获吉林省优秀博士论文。

题目：Extreme Classification: Machine Learning with Millions of Labels

报告摘要：在大数据时代背景下，数据的规模呈现爆炸性增长。庞大的数据量为许多传统机器学习任务带来诸多挑战。在这里，我们主要讨论极限分类（extreme classification）任务，即样本数量、特征维度和标签数量均为百万级别的分类任务，主要围绕极限分类的最新科研成果和存在问题展开讨论。

报告人：杨阳，电子科技大学计算机科学与工程学院教授、博导。澳大利亚昆士兰大学博士、新加坡国立大学博士后。研究领域包括多媒体检索、社交媒体分析和机器学习。在计算机领域知名期刊和会议上发表论文百余篇。目前主持国家自然基金面上项目1项、参与重点项目1项。多次任职国际SCI期刊（客座）编委。曾获ACM Multimedia 2017最佳论文奖、ACM Multimedia 2013最佳学生论文、ACM SIGIR最佳论文Honorable Mention、IEEE ICME World's FIRST 10K Best Paper Award、WISE最佳论文等学术奖项。2014年获电子科技大学校百人计划；2016年获中组部青年千人计划、四川省千人计划支持。

题目：Adversarial Cross-Modal Retrieval

报告摘要：Cross-modal retrieval aims to enable flexible retrieval experience across different modalities (e.g., texts v.s. images). The core of cross-modal retrieval research is to learn a common subspace where the items of different modalities can be directly compared to each other. In this talk, I will present a novel Adversarial Cross-Modal Retrieval (ACMR) method, which seeks an effective common subspace based on adversarial learning. Adversarial learning is implemented as an interplay between two processes. The first process, a feature projector, tries to generate a modality-invariant representation in the common subspace and to confuse the other process, modality classifier, which tries to discriminate between different modalities based on the generated representation. We further impose triplet constraints on the feature projector in order to minimize the gap among the representations of all items from different modalities with same semantic labels, while maximizing the distances among semantically different images and texts. Through the joint exploitation of the above, the underlying cross-modal semantic structure of multimedia data is better preserved when this data is projected into the common subspace. Comprehensive experimental results on four widely used benchmark datasets show that the proposed ACMR method is superior in learning effective subspace representation and that it significantly outperforms the state-of-the-art cross-modal retrieval methods.

报告人：张锡哲，博士，2006年毕业于吉林大学计算机学院。东北大学计算机科学与工程学院副教授。美国圣路易斯华盛顿大学访问学者。现任Frontiers of Computer Science青年副主编、辽宁省细胞生物学学会肿瘤精准治疗与大数据管理专业委员会膀胱疾病学组副主任委员、《软件》杂志编委。主要研究方向为基于图论的复杂网络及其相关应用研究，如生物网络、经济网络分析等。

题目：匹配算法在约束满足问题及网络控制问题中的应用进展

报告摘要：二分图的匹配是图论中的基础问题，在许多领域有着诸多重要应用。本报告将介绍二分图匹配在约束满足问题及网络控制问题中的应用进展。首先，针对CSP中alldifferent约束，设计了一种基于二分图匹配的快速过滤算法，相对于目前仍在广泛使用的经典算法(Régin，IJCAI 1994)，新算法在CSP标准测试集上的求解效率提升1-6倍。然后，介绍匹配算法在复杂网络控制问题中的应用，特别是在蛋白交互网络等生物网络方面的应用进展。