【校内主页】 【邮箱登陆】 【智慧校园】
公共搜索

第13期模式识别专家讲坛预告


 由中国人工智能学会主办,桂林电子科技大学计算机与信息安全学院承办的第13期模式识别专家讲坛将于2018年5月19日在桂林电子科技大学金鸡岭校区10教516举行。本次讲坛邀请了4位知名学者进行学术报告,欢迎有兴趣的师生参加。

 

模式识别专家讲坛日程表

报告时间:2018年5月19日

报告地点:广西桂林市桂林电子科技大学金鸡岭校区10教516

 

开幕式 (2018年5月19日 上午8:45–9:00)

1.(2018年5月19日 上午9:00–10:10)

鲁棒模式识别的深度原型学习,刘成林,中国科学院自动化研究所副所长、研究员、国家杰青、IEEE/IAPR Fellow

2.(2018年5月19日 上午10:20–11:30)

文字识别:人工智能的一只智慧眼睛,金连文,华南理工大学电子与信息学院教授、教育部新世纪优秀人才,广东省“珠江学者”特聘教授

3.(2018年5月19日 下午2:30–3:40)

基于神经网络的视觉情感计算,杨巨峰,南开大学计算机与控制工程学院副教授

4.(2018年5月19日 下午3:50–5:10)

偏好查询分析与优化,高云君,浙江大学计算机科学与技术学院教授、国家优青

 

报告一

题 目:鲁棒模式识别的深度原型学习

报告人:中国科学院自动化研究所副所长、研究员、国家杰青、IEEE/IAPR Fellow

个人简介:

刘成林,中国科学院自动化研究所副所长,模式识别国家重点实验室主任,研究员、博士生导师。2005年入选中国科学院“百人计划”。2008年获得国家杰出青年科学基金资助。1989年毕业于武汉大学无线电信息工程系,1992年在北京工业大学获电路与系统专业工学硕士学位,1995年在中国科学院自动化研究所获模式识别与智能控制专业工学博士学位。1996年3月到1997年10月在韩国科学技术院(KAIST)从事博士后研究。1997年11月到1999年3月在日本东京农工大学从事博士后研究。1999年3月到2004年12月在日立中央研究所(东京)先后任研究员和主任研究员。研究兴趣包括图像处理、模式识别、机器学习、文字识别与文档分析等。在国际期刊和国际会议上发表论文200余篇,合著英文专著一本。现任国际刊物Pattern Recognition的副主编, Image and Vision Computing, Int. J. Document Analysis and Recognition, Cognitive Computation的编委,国内期刊《自动化学报》的副主编。中国人工智能学会常务理事、模式识别专委会主任,中国自动化学会理事、模式识别与机器智能专委会主任,美国电气电子工程师协会会士 (IEEE Fellow)、国际模式识别学会会士(IAPR Fellow)。

报告摘要:

过去模式分类的研究多数只关心如何提高测试数据的分类正确率(即泛化精度),而对拒识和鲁棒性关注较少。近年来,深度学习方法在模式识别领域取得了巨大的成功,但主流的神经网络模型在小样本泛化性和开放环境鲁棒性方面都表现出明显不足。本报告首先分析模式识别系统的鲁棒性的内涵,然后从拒识的角度总结几种提高模式识别鲁棒性的方法。模式识别中主要有两类拒识:歧义拒识和异常模式拒识。两种拒识方式针对应用中不同的模式,且采用不同的模型和方法。我们回顾两种拒识方式的理论模型和主要方法。最后,介绍我们最近提出的一种面向鲁棒模式识别的深度学习方法:深度卷积原型学习。该方法通过深度卷积神经网络学习具有高判别能力的特征,在特征空间用最近原型分类器进行分类。原型分类器自动具有对异常模式的拒识能力,与特征空间联合学习又能得到很高的分类精度。通过加入最大似然正则,可进一步提高模型的鲁棒性和在小样本训练时的泛化精度。该模型在领域自适应、在线学习、新类别发现等方面有良好潜力。

 

报告二

题 目文字识别:人工智能的一只智慧眼睛

报告人:金连文,华南理工大学电子与信息学院教授、教育部新世纪优秀人才,广东省“珠江学者”特聘教授

个人简介:

金连文,男,1968年出生,1991年本科毕业于中国科技大学无线电系,获无线电新技术专业及计算机软件及应用技术专业双学位,1996年于华南理工大学获博士学位。2006入选教育部新世纪优秀人才,2011年入选广东省“珠江学者”特聘教授。目前为华南理工大学二级教授,博士生导师,曾担任IEEE SPS Guangzhou Chapter主席(2014-2016),目前兼任中国图像图形学学会常务理事、广东省图像图形学会副理事长、中国图象图形学学会“文档图像分析与识别专委会”主任、中国人工智能学会模式识别专委会委员、中国计算机学会(CCF)“计算机视觉专委会”委员、CCF“人机交互专委会”委员等职。主要研究领域为深度学习、机器学习、文字识别、计算机视觉、图像处理、人工智能系统、云计算与移动互联网终端应用等。在IEEE TPAMI、TNNLS、IEEE TCYB、IEEE TSMC、IEEE TMM、IEEE TII、IEEE TCSVT、IEEE TITS、IEEE IS、Pattern Recognition、 Information Science、Pattern Recognition Letter、Neurocomputing等SCI国际期刊上发表学术论文50余篇(其中ESI高引论文4篇),主流国际会议论文90余篇,获得发明专利授权39项,先后主持国家及省部级以上项目20余项,作为主要成员荣获省部级科技奖励5次。

报告摘要:

人工智能无疑是近年来IT领域最受瞩目的热门话题之一,视觉感知是人工智能领域中非常重要的问题之一,而文字作为信息记录、交流与传播的最重要载体,是我们感知这个世界最重要的手段,是人工智能的一只重要的“眼睛”。在此报告中,我将简要介绍汉字识别领域的技术现状、目前存在的一些主要问题及挑战,介绍我们在手写体文字识别、印刷体文字识别、场景文字检测与识别、古籍文献OCR等方面的一些研发进展及成果,并展示基于深度学习的几个应用演示系统。

报告三

题 目基于神经网络的视觉情感计算

报告人:杨巨峰,南开大学计算机与控制工程学院副教授

个人简介:

杨巨峰,南开大学副教授,2009年于南开大学获得博士学位,2015-2016年在美国加州大学默塞德分校视觉与学习实验室进行访问研究。研究方向包括计算机视觉、机器学习、多媒体计算。是中国计算机学会计算机视觉专委会委员、中国图象图形学学会机器视觉专委会委员、天津市图象图形学会理事。是中国计算机视觉大会(CCCV 2017)和可视媒体计算大会(CVM 2017)的组织委员会主席,是CVPR、AAAI、IJCAI、ECCV等国际会议的程序委员会委员及多种IEEE Trans期刊的审稿人。

报告摘要:

随着社交媒体的兴起,越来越多人通过网络表达观点和情感。其中,网络图像作为一种重要的媒介,蕴含的情感信息非常丰富。从网络图像情感自动识别的需求出发,介绍我们最近发表在CVPR、AAAI、IJCAI、ICME、TMM上的一组研究成果。主要包括:情感区域检测及在单标签分类中的应用,基于增广式条件概率神经网络的情感标签分布学习,及情感分类、检索和标签预测多任务协同学习等。

报告四


题 目偏好查询分析与优化

报告人:高云君,浙江大学计算机科学与技术学院教授、国家优青

 

个人简介:

高云君,教授,博士生导师,国家优青。2008年3月获浙江大学计算机科学与技术专业工学博士学位,而后在新加坡、加拿大、香港等高校做博士后/访问研究,并于2010年3月以“海外引进”人才到浙江大学计算机科学与技术学院任教。研究方向为数据库、大数据管理与分析、DB驱动的AI技术等。已在国内外顶级/重要学术期刊或会议TODS、VLDBJ、TKDE、TOIS、SIGMOD、VLDB、ICDE、SIGIR等发表论文90余篇,其中CCF A类期刊/会议论文40余篇,以第一/通讯作者发表SCI期刊论文的影响因子累计超150,SCI他引400余次(近五年),授权发明专利7项,出版或待校对出版中英文学术专著4部;部分成果被国内外学术专著、博/硕士学位论文、数据库原型系统和高校研究生课程引用/使用,部分技术应用于网易LOFTER与云音乐,并获“CCF优秀博士学位论文奖”(2017,导师)、“浙江省优秀硕士学位论文”(2017,导师)、教育部高等学校优秀成果科技进步一等奖(2016)、国家优秀青年科学基金项目(2015)、SIGMOD 2015最佳论文提名、ICDE 2015优秀论文、浙江省科学技术一等奖(2011)等。先后主持国家优秀青年科学基金、国家重点研发计划、973计划项目、国家自然科学基金面上项目、NSFC-浙江两化融合联合基金等国家和省部级纵向项目10余项。现为CCF数据库专委委员,CCF高级会员,ACM、IEEE会员,DAPD、WWWJ、IJDSN等SCI期刊编委(副主编)/专刊特邀编辑,TODS、VLDBJ、TKDE、TMC、TKDD等20余个国内外顶级/重要学术期刊评审专家,SIGMOD、VLDB、ICDE、CIKM、ER、SIGSPATIAL GIS、DASFAA、WISE等60余个顶级/重要学术会议(共同/出版/宣传/本地)主席/程序委员会委员/评审员,浙江省大数据智能计算重点实验室副主任及方向带头人,浙江省计算机学会大数据专家委员会副主任。

报告摘要:

数据库可用性已受到越来越多专家学者的关注,尤其是面向查询结果的可用性分析。本报告将汇报报告人所在团队近三年内在偏好查询分析与优化方面的研究成果(主要包括Causality & Responsibility问题、Why-not & Why问题、Why-few & Why-many问题三方面),以帮助用户更好地了解查询并得到期望的查询结果,进而提高数据库可用性。

 



下一条:南京航空航天大学赵洪涌教授讲学通知

【打印新闻】 【关闭】