作為機(jī)器學(xué)習(xí)最重要的一個(gè)分支，近年來深度學(xué)習(xí)(Deep Learning)發(fā)展勢頭迅猛，借助龐大的數(shù)據(jù)和計(jì)算能力，深度學(xué)習(xí)已經(jīng)在計(jì)算機(jī)視覺、語音識(shí)別以及自然語言處理方面取得了巨大成就：目前幾乎所有的商用語音識(shí)別算法都是基于深度學(xué)習(xí)，針對(duì)ImageNet數(shù)據(jù)集的算法分類精度已達(dá)95%以上……

在看到深度學(xué)習(xí)對(duì)多個(gè)領(lǐng)域的賦能之后，越來越多人開始了深度學(xué)習(xí)之路。企業(yè)在進(jìn)行人工智能領(lǐng)域人才招聘時(shí)也常常將深度學(xué)習(xí)以及對(duì)深度學(xué)習(xí)框架的掌握程度作為一個(gè)篩選維度。

[[250777]]

大部分人都是從企業(yè)轉(zhuǎn)型中了解AI技術(shù)的火爆，但卻忽略了高校這股不可忽視的力量。部分高校對(duì)人工智能的研究要追溯到上個(gè)世紀(jì)的70-80年代，而在人工智能即將掀起的大潮中，高校責(zé)無旁貸地成為了AI人才培養(yǎng)的源頭。

那么，中國大陸高校AI實(shí)力到底如何?

根據(jù)麻省理工學(xué)院馬薩諸塞校區(qū)計(jì)算機(jī)與信息科學(xué)學(xué)院教授Emery Berger公布的全球院校計(jì)算機(jī)科學(xué)領(lǐng)域?qū)嵙ε琶拈_源項(xiàng)目CSranking排名顯示，清華大學(xué)、北京大學(xué)以及中國科學(xué)院大學(xué)分別排在了榜單的前三名，浙江大學(xué)排在第七名，南京大學(xué)排在11位，北京航空航天大學(xué)和哈爾濱工業(yè)大學(xué)并列16名。

了解了高校在人工智能領(lǐng)域的實(shí)力，那么，這些名校專家在人工智能領(lǐng)域的研究方向有什么不同呢?如何一次性獲取知名高校在人工智能研究領(lǐng)域的精華呢?

BDTC 2018(2018中國大數(shù)據(jù)技術(shù)大會(huì))重磅推出了深度學(xué)習(xí)論壇，來自清華大學(xué)、南京大學(xué)、復(fù)旦大學(xué)、浙江大學(xué)、廈門大學(xué)、電子科技大學(xué)、西安交通大學(xué)、北京交通大學(xué)、天津大學(xué)等國內(nèi)知名高校的知名講師將帶來一整天的精彩技術(shù)分享。在深度學(xué)習(xí)的路上，你需要腳踏實(shí)地的引路人。

深度學(xué)習(xí)論壇引路者

黃萱菁(復(fù)旦大學(xué)教授)

黃萱菁博士，復(fù)旦大學(xué)教授、博士生導(dǎo)師，研究方向?yàn)槿斯ぶ悄?、自然語言處理、信息檢索和社會(huì)媒體分析。她已經(jīng)在SIGIR, IEEE TKDE, ACL, ICML, IJCAI, AAAI, SCIS, CIKM, ISWC, EMNLP, WSDM和COLING等多個(gè)高水平國際學(xué)術(shù)期刊和會(huì)議上發(fā)表了百余篇論文。近年來擔(dān)任2014年ACM 信息與知識(shí)管理會(huì)議(CIKM)競賽主席，2015年ACM 互聯(lián)網(wǎng)搜索與數(shù)據(jù)挖掘會(huì)議(WSDM)組織者，2015年社會(huì)媒體處理大會(huì)程序委員會(huì)副主席，2016年全國計(jì)算語言學(xué)會(huì)議(CCL)程序委員會(huì)副主席，2017年國際自然語言處理與中文計(jì)算程序委員會(huì)主席等學(xué)術(shù)職務(wù)。并多次在人工智能、自然語言處理和信息檢索的國際學(xué)術(shù)會(huì)議IJCAI, ACL, SIGIR, WWW, EMNLP, COLING, CIKM, WSDM擔(dān)任程序委員會(huì)委員和資深委員。

議題：《基于深度學(xué)習(xí)的自然語言處理》

議題介紹：近年來，深度學(xué)習(xí)技術(shù)廣泛應(yīng)用于自然語言處理，不僅在文本分類、序列標(biāo)注、機(jī)器翻譯和自動(dòng)問答等許多任務(wù)中取得了超越傳統(tǒng)統(tǒng)計(jì)方法的性能，而且能以端到端的方式進(jìn)行訓(xùn)練，避免了繁瑣的特征工程。該報(bào)告將從語言單元建模和神經(jīng)序列模型兩方面介紹基于深度學(xué)習(xí)的自然語言處理的研究現(xiàn)狀，復(fù)旦大學(xué)自然語言處理團(tuán)隊(duì)在詞語、短語、句子和句對(duì)表示學(xué)習(xí)方面的近期研究工作進(jìn)展，基于深度學(xué)習(xí)的中文分詞、文本分類、語篇關(guān)系分析等算法，并對(duì)自然語言處理中深度神經(jīng)網(wǎng)絡(luò)的可解釋性以及未來研究趨勢進(jìn)行初步探討。

程健(中國科學(xué)院自動(dòng)化研究所研究員) 

程健，現(xiàn)為中國科學(xué)院自動(dòng)化研究所南京人工智能芯片創(chuàng)新研究院常務(wù)副院長、人工智能與先進(jìn)計(jì)算聯(lián)合實(shí)驗(yàn)室主任、模式識(shí)別國家重點(diǎn)實(shí)驗(yàn)室研究員。分別于1998年和2001年在武漢大學(xué)獲學(xué)士和碩士學(xué)位，2004年在中國科學(xué)院自動(dòng)化研究所獲博士學(xué)位。2004年至2006年在諾基亞研究中心做博士后研究。2006年9月至今在中科院自動(dòng)化研究所工作。目前主要從事深度學(xué)習(xí)、人工智能芯片設(shè)計(jì)、圖像與視頻內(nèi)容分析等方面研究，在相關(guān)領(lǐng)域發(fā)表學(xué)術(shù)論文100余篇，英文編著二本。曾先后獲得中科院盧嘉錫青年人才獎(jiǎng)、中科院青年促進(jìn)會(huì)優(yōu)秀會(huì)員獎(jiǎng)、中國電子學(xué)會(huì)自然科學(xué)一等獎(jiǎng)、教育部自然科學(xué)二等獎(jiǎng)等。目前擔(dān)任國際期刊《Pattern Recognition》的編委，曾擔(dān)任2010年ICIMCS國際會(huì)議主席、HHME 2010組織主席、CCPR 2012出版主席。

議題：《深度學(xué)習(xí)的高效計(jì)算》

議題介紹：近年來，深度神經(jīng)網(wǎng)絡(luò)在圖像、視頻、語音、自然語言處理等諸多領(lǐng)域取得了突飛猛進(jìn)的發(fā)展，已經(jīng)成為眾多智能系統(tǒng)和應(yīng)用中不可或缺的關(guān)鍵技術(shù)。同時(shí)，這些網(wǎng)絡(luò)的計(jì)算復(fù)雜度和資源消耗也隨精度的提高而不斷增加，這給網(wǎng)絡(luò)模型的部署帶來重大挑戰(zhàn)，特別是在實(shí)時(shí)性要求較高的應(yīng)用或資源受限的設(shè)備中。如何有效地計(jì)算這些網(wǎng)絡(luò)，如加速、壓縮，正成為一個(gè)關(guān)鍵問題。本報(bào)告將首先簡要介紹網(wǎng)絡(luò)加速和壓縮的發(fā)展現(xiàn)狀，然后重點(diǎn)介紹基于量化的高效計(jì)算方法。最后，我們將分享一些未來可能的發(fā)展方向。

潘綱(浙江大學(xué)計(jì)算機(jī)學(xué)院教授) 

浙江大學(xué)計(jì)算機(jī)學(xué)院教授、博導(dǎo)，計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)國家重點(diǎn)實(shí)驗(yàn)室副主任，中國人工智能學(xué)會(huì)常務(wù)理事、腦機(jī)融合與生物機(jī)器智能專委會(huì)主任委員，中國計(jì)算機(jī)學(xué)會(huì)普適計(jì)算專委會(huì)常務(wù)委員。主要研究方向?yàn)榛旌现悄?、腦機(jī)接口、類腦計(jì)算、計(jì)算機(jī)視覺、普適計(jì)算等。獲CCF-IEEE CS青年科學(xué)家獎(jiǎng)、CCF-A類會(huì)議最佳論文獎(jiǎng)1次、CCF-A類會(huì)議最佳論文提名獎(jiǎng)2次。獲國家科學(xué)技術(shù)進(jìn)步獎(jiǎng)二等獎(jiǎng)(第2完成人)、教育部科技進(jìn)步一等獎(jiǎng)(第2完成人)。

議題：《脈沖神經(jīng)網(wǎng)絡(luò)：模型與應(yīng)用》

議題介紹：脈沖神經(jīng)網(wǎng)絡(luò)(Spiking Neural Networks)由于比傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)具有更好的生物逼真性，近年來受到研究人員越來越多的關(guān)注。通過脈沖神經(jīng)網(wǎng)絡(luò)，計(jì)算系統(tǒng)與生物神經(jīng)系統(tǒng)的連接融合有望變得更加有效與自然。本報(bào)告將介紹脈沖神經(jīng)網(wǎng)絡(luò)原理與方法，以及若干脈沖神經(jīng)網(wǎng)絡(luò)的典型應(yīng)用。同時(shí)，也將分享課題組近年在脈沖神經(jīng)網(wǎng)絡(luò)方面的研究進(jìn)展。

紀(jì)榮嶸(廈門大學(xué)智能科學(xué)與技術(shù)系教授) 

紀(jì)榮嶸，廈門大學(xué)教授、博士生導(dǎo)師，福建省“閩江學(xué)者”特聘教授，2014年獲國家優(yōu)青，2016年獲國家萬人計(jì)劃青年拔尖。主要研究方向?yàn)橛?jì)算機(jī)視覺與多媒體技術(shù)。相關(guān)工作發(fā)表于SCI源期刊論文90余篇，包括ACM匯刊與IEEE匯刊近50篇、CCF A類國際會(huì)議長文40余篇。論文的Google Scholar引用次數(shù)5000余次，SCI引用1600余次，H-因子為33，12篇論文入選ESI高被引/熱點(diǎn)論文;近年來主持國家自然科學(xué)基金聯(lián)合重點(diǎn)項(xiàng)目、軍委科技委戰(zhàn)略前沿專項(xiàng)，國家重點(diǎn)研發(fā)計(jì)劃課題/子課題等;獲2007年微軟學(xué)者獎(jiǎng)、2011年ACM Multimedia最佳論文獎(jiǎng)、2012年哈工大優(yōu)秀博士論文、2015年省自然科學(xué)二等獎(jiǎng)、2016年教育部技術(shù)發(fā)明一等獎(jiǎng)。擔(dān)任多個(gè)國際期刊的副編輯，VALSE2017大會(huì)主席、ACM/IEEE高級(jí)會(huì)員。

議題：《緊致化計(jì)算機(jī)視覺分析系統(tǒng)》

議題介紹：報(bào)告主要探索視覺大數(shù)據(jù)搜索識(shí)別系統(tǒng)中的緊湊性問題，將覆蓋紀(jì)榮嶸教授研究組近兩年來在面向視覺終端應(yīng)用的視覺特征緊湊表示和深度網(wǎng)絡(luò)壓縮中所做的一些工作與成果。在視覺特征緊湊表示方面，將介紹通過引入大規(guī)模無監(jiān)督排序信息，學(xué)習(xí)排序敏感的哈希碼，以保持原始高維特征空間中的檢索信息。在深度網(wǎng)絡(luò)壓縮方面，將介紹面向特定任務(wù)(人臉和視覺場景解析)的深度網(wǎng)絡(luò)級(jí)聯(lián)壓縮模型(串行低秩矩陣分解技術(shù))與加速模型(結(jié)構(gòu)化稀疏約束剪枝技術(shù))。

楊一帆(星環(huán)信息科技AI產(chǎn)品部 Chief Product Officer) 

楊一帆，星環(huán)信息科技AI產(chǎn)品部 Chief Product Officer。2008年年中國科學(xué)技術(shù)大學(xué)本科畢業(yè)，后續(xù)在University of Kentucky獲得統(tǒng)計(jì)博士學(xué)位。 曾在Bank of America反洗錢部⻔門和阿⾥里里巴巴搜索事業(yè)部對(duì)抗智能團(tuán)隊(duì)任職。目前就職于星環(huán)科技-人工智能產(chǎn)品部門. 有豐富的反洗錢、反作弊業(yè)務(wù)背景和統(tǒng)計(jì)學(xué)習(xí)、深度學(xué)習(xí)、圖計(jì)算研究經(jīng)歷。

議題：《大數(shù)據(jù)時(shí)代的反欺詐曲率引擎》

議題介紹：在數(shù)據(jù)互聯(lián)、信息爆炸的今天，如何更更好的做好一套大數(shù)據(jù)時(shí)代金金融反欺詐場景的監(jiān)控、預(yù)警、識(shí) 別、管控平臺(tái)是一個(gè)巨大難題。星環(huán)的Sophon AI平臺(tái)經(jīng)過長時(shí)間在各類機(jī)器器學(xué)習(xí)、深度學(xué)習(xí)上的積累和沉淀，形成了了一套針對(duì)反欺詐中復(fù)雜關(guān)系網(wǎng)絡(luò)的深度圖和知識(shí)圖譜解決方案。這套方案結(jié)合了了 大規(guī)模圖查詢、圖模式挖掘、圖嵌入技術(shù)、風(fēng)險(xiǎn)知識(shí)圖譜和深度學(xué)習(xí)框架，構(gòu)建了了一套覆蓋全鏈路路的大數(shù)據(jù)時(shí)代金金融反欺詐場景的智能分析平臺(tái)。

鄭凱(電子科技大學(xué)教授，中組部青年千人獲得者) 

鄭凱，電子科技大學(xué)教授，博士生導(dǎo)師，國家“青年千人”，四川省“千人計(jì)劃”專家。2012年于澳大利亞昆士蘭大學(xué)獲計(jì)算機(jī)科學(xué)博士學(xué)位，2012至2017年在澳大利亞昆士蘭大學(xué)先后擔(dān)任博士后研究員和講師。近年來的主要研究方向涵蓋了時(shí)空數(shù)據(jù)管理、不確定數(shù)據(jù)管理、內(nèi)存數(shù)據(jù)管理、圖數(shù)據(jù)管理以及區(qū)塊鏈數(shù)據(jù)管理等領(lǐng)域的理論基礎(chǔ)與技術(shù)應(yīng)用。在數(shù)據(jù)庫和數(shù)據(jù)挖掘等領(lǐng)域的重要會(huì)議和期刊發(fā)表論文120余篇，谷歌學(xué)術(shù)引用2200余次。曾獲得澳大利亞優(yōu)秀青年基金(2013)，數(shù)據(jù)庫頂級(jí)會(huì)議ICDE最佳論文獎(jiǎng)(2015)，國際會(huì)議APWeb-WAIM和WISE最佳論文獎(jiǎng)(2017)。擔(dān)任數(shù)據(jù)庫國際會(huì)議APWeb2016的程序主席和DASFAA2017的大會(huì)執(zhí)行主席，擔(dān)任國際SCI期刊Distributed and Parallel Databases編委，WWW Journal、Geoinformatica、Frontier of Computer Science客座編委，擔(dān)任數(shù)十個(gè)大數(shù)據(jù)與人工智能領(lǐng)域頂級(jí)會(huì)議的程序委員(TPC member)。

議題：《深度學(xué)習(xí)在時(shí)空數(shù)據(jù)管理中的應(yīng)用》

議題介紹：近年來，深度學(xué)習(xí)的模型與技術(shù)在音視頻分析等多媒體領(lǐng)域取得了巨大的成功，在大量的產(chǎn)品和應(yīng)用中已經(jīng)逐漸取代傳統(tǒng)機(jī)器學(xué)習(xí)模型成為數(shù)據(jù)分析的主流工具。相比之下，深度學(xué)習(xí)技術(shù)在其它數(shù)據(jù)類型中的應(yīng)用則處于起步階段，有許多開放性的問題亟待研究。另一方面，作為傳統(tǒng)關(guān)系型數(shù)據(jù)的重要擴(kuò)充，時(shí)空數(shù)據(jù)管理由于其在交通、氣象、城市規(guī)劃、國土資源等關(guān)鍵行業(yè)的應(yīng)用而成為了學(xué)術(shù)界和業(yè)界共同關(guān)注的課題。在此次報(bào)告中，我將結(jié)合時(shí)空數(shù)據(jù)的來源、分類以及主要特點(diǎn)，來介紹深度學(xué)習(xí)技術(shù)應(yīng)用在時(shí)空數(shù)據(jù)管理領(lǐng)域時(shí)的挑戰(zhàn)與機(jī)遇。此外，我還將分享深度學(xué)習(xí)技術(shù)在時(shí)空預(yù)測場景中的應(yīng)用案例。

魯繼文(清華大學(xué)自動(dòng)化系副教授) 

魯繼文，清華大學(xué)自動(dòng)化系副教授、博士生導(dǎo)師，中組部青年千人計(jì)劃入選者，國家優(yōu)秀青年基金獲得者。主要研究方向?yàn)橛?jì)算機(jī)視覺、機(jī)器學(xué)習(xí)和智能機(jī)器人，發(fā)表IEEE 匯刊論文60余篇(其中PAMI論文11篇)，谷歌學(xué)術(shù)引用6100余次(H指數(shù)為40)，獲IEEE 國際會(huì)議最佳論文獎(jiǎng)2次。主持國家重點(diǎn)研發(fā)計(jì)劃課題1項(xiàng)、國家自然科學(xué)基金項(xiàng)目2項(xiàng)。曾/現(xiàn)任IEEE Transactions on Circuits and Systems for Video Technology、IEEE Transactions on Biometrics, Behavior, and Identity Science、Pattern Recognition等7個(gè)國際期刊編委，中國工程院院刊Engineering青年通訊專家，ACCV、ICIP、ICME等20多個(gè)國際會(huì)議的領(lǐng)域主席。擔(dān)任IEEE信號(hào)處理學(xué)會(huì)多媒體信號(hào)處理技術(shù)委員會(huì)委員，IEEE信號(hào)處理學(xué)會(huì)信息取證與安全技術(shù)委員會(huì)委員，IEEE電路與系統(tǒng)學(xué)會(huì)多媒體系統(tǒng)與應(yīng)用技術(shù)委員會(huì)委員。

議題：《深度強(qiáng)化學(xué)習(xí)與視覺內(nèi)容理解》

議題介紹：深度強(qiáng)化學(xué)習(xí)是人工智能領(lǐng)域的研究熱點(diǎn)，被認(rèn)為是人類邁向通用人工智能的重要技術(shù)。深度強(qiáng)化學(xué)習(xí)通過將深度學(xué)習(xí)的感知能力與強(qiáng)化學(xué)習(xí)的決策能力相結(jié)合，以端對(duì)端的方式實(shí)現(xiàn)從輸入到輸出的感知與決策，在許多視覺內(nèi)容理解任務(wù)中取得了重要突破。報(bào)告簡述深度強(qiáng)化學(xué)習(xí)的基本思想和回顧近年來的研究進(jìn)展，并介紹課題組近年來所提出的多個(gè)深度強(qiáng)化學(xué)習(xí)方法，主要包括多智能體深度強(qiáng)化學(xué)習(xí)、漸進(jìn)式深度強(qiáng)化學(xué)習(xí)、上下文感知深度強(qiáng)化學(xué)習(xí)、圖模型深度強(qiáng)化學(xué)習(xí)等，以及它們?cè)诘榷鄠€(gè)視覺內(nèi)容理解任務(wù)中的應(yīng)用。

郝建業(yè)(天津大學(xué)智能與計(jì)算學(xué)部副教授，CCF青年人才托舉計(jì)劃獲得者) 

郝建業(yè)，現(xiàn)任天津大學(xué)智能與計(jì)算學(xué)部副教授，博士生導(dǎo)師。哈爾濱工業(yè)大學(xué)本科，香港中文大學(xué)博士，麻省理工學(xué)院博士后研究員。2015年入選天津市“青年千人計(jì)劃專家”，2016年入選天津大學(xué)“北洋青年學(xué)者”，2017年入選中國計(jì)算機(jī)協(xié)會(huì)(CCF)“青年人才托舉計(jì)劃”。主要研究方向?yàn)槎嘀悄荏w系統(tǒng)、深度強(qiáng)化學(xué)習(xí)、 博弈論等。目前已發(fā)表高水平學(xué)術(shù)論文60余篇，專著2部。先后主持參與國家基金委、軍科委、科技部、工信部及天津市科技項(xiàng)目10余項(xiàng)。曾多次擔(dān)任強(qiáng)化學(xué)習(xí)會(huì)議及研討會(huì)聯(lián)合主席，擔(dān)任20余個(gè)知名國際會(huì)議程序委員會(huì)委員和知名期刊審稿人。曾榮獲ANAC國際頂級(jí)談判比賽2012年度冠軍、2015年度亞軍、澳大利亞教育部 Endeavor Fellowship、香港中文大學(xué)全球杰出研究者等。

議題：《多智能體深度強(qiáng)化學(xué)習(xí)》

議題介紹：隨著AlphaGo的出現(xiàn)，近幾年深度強(qiáng)化學(xué)習(xí)技術(shù)成為人工智能領(lǐng)域及工業(yè)界的研究熱點(diǎn)，并在機(jī)器人、推薦搜索、游戲AI等一系列智能決策領(lǐng)域廣泛應(yīng)用。多智能體強(qiáng)化學(xué)習(xí)(群體智能+深度強(qiáng)化學(xué)習(xí))是實(shí)現(xiàn)通用人工智能的重要途徑之一。本報(bào)告將首先介紹多智能體強(qiáng)化學(xué)習(xí)的背景及基礎(chǔ)，然后重點(diǎn)介紹多智能體深度強(qiáng)化學(xué)習(xí)的最新研究進(jìn)展及其應(yīng)用。

沈超(西安交通大學(xué)教授) 

沈超，博士，西安交通大學(xué)電子與信息工程學(xué)院教授/博士生導(dǎo)師，網(wǎng)絡(luò)空間安全學(xué)院副院長。國家優(yōu)秀青年科學(xué)基金獲得者，陜西省青年科技新星，中國計(jì)算機(jī)學(xué)會(huì) YOCSEF西安副主席，中國自動(dòng)化學(xué)會(huì)工業(yè)控制系統(tǒng)信息安全專委會(huì)委員。目前主要研究方向?yàn)閿?shù)據(jù)驅(qū)動(dòng)的網(wǎng)絡(luò)空間安全、人工智能安全、信息物理融合系統(tǒng)安全，在IEEE TDSC、IEEE TIFS、ACM CCS、IEEE DSN等權(quán)威刊物上發(fā)表論文 40余篇。主持和參與國家自然科學(xué)基金、重點(diǎn)研發(fā)計(jì)劃、基金委創(chuàng)新群體、裝備預(yù)研基金等課題20余項(xiàng)，研制多個(gè)系統(tǒng)并應(yīng)用于國家大型企業(yè)和國防單位。獲得2013年全國特征識(shí)別大會(huì)最佳論文獎(jiǎng)，2015年全國盲信號(hào)處理大會(huì)最佳論文獎(jiǎng)，2018年IEEE ICCSS會(huì)議最佳論文獎(jiǎng)。

議題：《深度學(xué)習(xí)系統(tǒng)與應(yīng)用的安全初探》

議題介紹：深度學(xué)習(xí)技術(shù)引領(lǐng)的人工智能浪潮正在為人類生產(chǎn)和生活帶來深刻的技術(shù)變革，基于“深度學(xué)習(xí)+大數(shù)據(jù)+高性能計(jì)算”的端到端解決方案為許多復(fù)雜任務(wù)提供了有效解決途徑，在某些特定領(lǐng)域其能力已經(jīng)接近甚至超越人類。但是在美好藍(lán)圖之下，深度學(xué)習(xí)系統(tǒng)及應(yīng)用在數(shù)據(jù)安全、模型安全和代碼安全等方面的安全問題也逐漸暴露出來，智能安全已經(jīng)成為一個(gè)不容忽視的問題。本次報(bào)告將從安全研究人員角度探討深度學(xué)習(xí)與安全之間的關(guān)系，分析深度學(xué)習(xí)在網(wǎng)絡(luò)空間安全領(lǐng)域的應(yīng)用潛力，以及深度學(xué)習(xí)系統(tǒng)所面臨的安全風(fēng)險(xiǎn)與威脅。

霍靜(南京大學(xué)助理教授) 

霍靜，南京大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系助理研究員。2017年于南京大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系獲得博士學(xué)位并獲得南京大學(xué)優(yōu)秀畢業(yè)生稱號(hào)。主要研究方向?yàn)闄C(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺，重點(diǎn)關(guān)注通過度量學(xué)習(xí)，深度學(xué)習(xí)以及生成對(duì)抗學(xué)習(xí)等技術(shù)解決跨模態(tài)數(shù)據(jù)下的人臉識(shí)別、行人重識(shí)別的問題。主持國家自然科學(xué)基金項(xiàng)目以及江蘇省自然科學(xué)基金項(xiàng)目各1項(xiàng)。目前在國際會(huì)議和期刊上發(fā)表了學(xué)術(shù)論文10余篇，包括ACM MM、TNNLS、TCYB等。

議題：《多模態(tài)深度學(xué)習(xí)及其視覺應(yīng)用》

議題介紹：多模態(tài)數(shù)據(jù)在現(xiàn)實(shí)生活中廣泛存在，目前很多的視覺應(yīng)用涉及到對(duì)多模態(tài)數(shù)據(jù)的分析，檢索查詢和識(shí)別。隨著深度學(xué)習(xí)的不斷發(fā)展，目前深度學(xué)習(xí)在多模態(tài)數(shù)據(jù)處理中也起到了越來越重要的作用，包括多模態(tài)數(shù)據(jù)的特征抽取，多模態(tài)數(shù)據(jù)相似性度量以及多模態(tài)數(shù)據(jù)生成。本報(bào)告將首先介紹多模態(tài)數(shù)據(jù)分析的背景以及回顧多模態(tài)深度學(xué)習(xí)的近期研究進(jìn)展，然后重點(diǎn)介紹課題組近年來提出的多模態(tài)深度學(xué)習(xí)方法以及相關(guān)的計(jì)算機(jī)視覺應(yīng)用。

?；w(北京交通大學(xué)計(jì)算機(jī)科學(xué)系教授) 

桑基韜，教授，博士生導(dǎo)師，北京交通大學(xué)計(jì)算機(jī)科學(xué)系副主任。曾獲ACM中國新星獎(jiǎng)、中科院院長特別獎(jiǎng)、中科院百篇優(yōu)博等?，F(xiàn)任中國計(jì)算機(jī)學(xué)會(huì)多媒體專委會(huì)副秘書長、人工智能與模式識(shí)別專委會(huì)委員(秘書處成員)、SIGMM中國執(zhí)委會(huì)委員等。主要研究方向?yàn)槎嗝襟w計(jì)算、網(wǎng)絡(luò)數(shù)據(jù)挖掘等。已出版Springer英文專著一部，發(fā)表論文70余篇，其中包括會(huì)議獲獎(jiǎng)?wù)撐?篇(CCF-A類2篇)、IEEE/ACM匯刊近30余篇(第一作者10+篇)。擔(dān)任SCI期刊Neurocomputing和KSII TIIS編委，國際多媒體會(huì)議ACM Multimedia 2018和國際模式識(shí)別會(huì)議ICPR 2018領(lǐng)域主席，曾擔(dān)任國際會(huì)議PCM2015(CCF-C類)和ICIMCS2015(SIGMM China旗艦會(huì)議)程序委員會(huì)主席。主持多項(xiàng)國家級(jí)課題，擔(dān)任國家自然科學(xué)基金重點(diǎn)項(xiàng)目負(fù)責(zé)人，獲2016年北京市科學(xué)技術(shù)獎(jiǎng)(基礎(chǔ)研究類，排名第二)。

議題：《深度學(xué)習(xí)解釋性：從“能”到“不能”》