主题：人工智能前沿技术
时间：2022年8月28日（星期日）上午8: 30至11: 30
腾讯会议链接：https://meeting.tencent.com/dm/Bib6tHkI0Z6z
腾讯会议ID：246-558-133
主办单位：山东省人工智能学会
承办单位：山东省人工智能研究院、山东建筑大学
人工智能作为新一轮科技革命和产业变革的重要驱动力量，正在对社会经济发展、百姓日常生活产生重大而深远的影响。“十四五”规划和2035年远景目标建议明确提出，推动互联网、大数据、人工智能同各产业深度融合，推动先进制造业集群发展。本期山东省人工智能大讲堂活动以“人工智能前沿技术”为主题，着重研讨可解释人工智能、脉冲神经网络、多模态智能以及智能医学处理等前沿技术，欢迎对以上技术的前沿研究动态和最新进展感兴趣的同仁在线参会。
执行主席：高 赞 山东省人工智能研究院
聂秀山 山东建筑大学
会议议程
8:30-8:40 |
致辞 |
8:40 -9:20 |
刘世霞，清华大学 报告题目：以数据为中心的可解释人工智能 |
9:20-10:00 |
潘纲，浙江大学 报告题目：脉冲神经网络：模型方法与硬件实现 |
10:00-10:40 |
何良华，同济大学 报告题目：儿童多动症医学影像分析 |
10:40-11:20 |
邓成，西安电子科技大学 报告题目：多模态智能 |
11:20-11:30 |
总结 |
报告嘉宾：
刘世霞
报告题目：以数据为中心的可解释人工智能
报告摘要： 研究表明，在机器学习中，训练数据的质量决定了数据分析效果的上限，而模型和算法的改进只是不断逼近这个上限。因此，有效的数据质量分析和提升至关重要。本报告将介绍我们提出的基于可视分析的数据质量可解释框架。该框架将机器学习方法和可视化技术紧密集成在一起，帮助数据专家更好地理解训练数据中的错误和不一致，提高数据的可用性。最后，结合具体的应用实例，如标注数据修正和数据集偏差消除等，介绍我们基于该框架研制开发的可视分析方法与技术。
专家简介：刘世霞，清华大学教授，国家级人才计划入选者，IEEE Fellow。主要研究方向是可解释机器学习，文本可视分析和文本挖掘。2020入选可视化名人堂。担任 CCF A类会议 IEEE VIS(VAST) 2016和 2017的论文主席，IEEE VIS 2020-2023指导委员会委员；担任 IEEE Transactions on Visualization and Computer Graphics 副主编、曾任编委；担任CCF A类期刊Artificial Intelligence编委；担任 IEEE Transactions on Big Data 和ACM Transactions on Interactive Intelligent Systems的编委。
报告嘉宾：
潘纲
报告题目：脉冲神经网络：模型方法与硬件实现
报告摘要：近年来，人们在思考下一代计算与人工智能技术时，重新把眼光投向人类的大脑。如何从大脑的结构、功能及运行机制中学习长处，或有望突破现有的计算与人工智能的框架。脉冲神经网络作为“向大脑学习”的一种具体形式，获得越来越多的国内外研究人员的关注。脉冲神经网络不仅在低功耗计算、智能实现等方面有较大潜在优势，而且有望使得计算系统与生物神经系统的连接融合变得更加有效与自然。本报告将介绍我们在脉冲神经网络的模型方法与硬件实现方面的部分研究进展。
专家简介： 潘纲，浙江大学计算机学院教授，获国家杰出青年科学基金资助，兼任中国人工智能学会常务理事、脑机融合专委会主任委员，中国自动化学会机器人智能专委会副主任委员，中国神经科学学会类脑智能分会副主任等。研究方向为脑机接口、类脑计算、人工智能等。担任《IEEE Trans. NNLS》、《IEEE Trans. CDS》等期刊编委。
报告嘉宾：
何良华
报告题目：儿童多动症医学影像分析
报告摘要：儿童多动症因其特征隐蔽而对家人与个体影响深远，目前临床诊断手段复杂。随着深度神经网络在图像分析上的大获成功，医疗影像的儿童多动症智能分析备受期待。随着我国人工智能国家战略与健康中国国家战略的稳步实施，人工智能在医学影像上的落地应用突破似乎已成为必然。本报告将从儿童多动症神经机理出发，探讨智能影像分析中的难点、瓶颈与挑战。以此为基础，介绍本课题组在此方面的思考与部分研究工作。
专家简介：何良华，同济大学电子与信息工程学院计算机科学与技术系教授，博士生导师，入选教育部国家重大人才计划，中国自动化学会、中国图像图形学会青工委委员、中国计算机学会计算机视觉专委会委员。研究兴趣包括基于图像的认知计算、脑机接口、机器学习、无线通信等。已发表论文70余篇，授权发明专利12项。以第一完成人获教育部科技进步二等奖1项，参与获得省部级一等奖3项，二等奖2项。
报告嘉宾：
邓成
报告题目：多模态智能
报告摘要：媒体大数据时代，图像、视频、文本和音频等多模态数据大量涌现，类型多样、关系复杂。此外，人类的信息获取、环境感知、知识学习，都是以多模态方式来进行。多模态智能被视为从限定领域的弱人工智能走向通用人工智能的关键所在，而多模态数据的表征、理解与推理又是多模态智能的瓶颈问题，研究并解决这些问题将极大推动新一代人工智能的发展。报告首先介绍多模态智能的发展历程、面临的机遇与挑战，并从多模态感知表达、知识学习和认知推理等三个方面介绍近年来团队的最新研究进展。
专家简介：邓成，西安电子科技大学教授、博导。教育部长江学者特聘教授、国家“百千万人才工程”有突出贡献中青年专家；中国计算机学会杰出会员、IEEE高级会员。长期从事多模态智能、机器学习等领域的研究。主持国家自然科学基金重点项目等项目近30项。在国际TOP期刊和CCF A类国际会议上发表论文150余篇。担任《Pattern Recognition》等国际刊物副编辑；担任计算机视觉国际顶级会议CVPR 2021、ICCV 2021领域主席，人工智能顶级国际会议IJCAI 2018~2021高级程序委员，以及多个国际会议的程序委员会委员。获2016年国家自然科学二等奖、2019年陕西省自然科学一等奖。
执行主席：
个人简介：高赞，山东省人工智能研究院教授，博士生导师，国家青年人才计划人选、山东省有突出贡献的中青年专家、天津市高校中青年骨干人才，学术带头人，山东省高等学校优秀青年 “智能媒体分析与视觉感知”创新团队负责人和济南市高校院所 “社交网络虚假媒体智能分析与理解” 创新团队负责人，先后获山东省科技进步一等奖和天津市科技进步二等奖各1项。目前兼任计算机学会高级会员，山东省人工智能学会常务理事，计算机学会多媒体技术专委会、计算机视觉专委会、模式识别与人工智能委员会委员，中国图形图象学会多媒体技术专委会委员。主持国家自然科学基金项目和省级项目多项，在国际高水平会议和期刊上发表论文100余篇，其中包括TIP，TMM，TKDE，TCYBE，TNNLS，TCSVT，TOMM，CVPR，SIGIR， ACM MM，WWW和AAAI等， 4篇论文入选ESI高被引，1篇入选热点论文，2021年获CCF A类会议SIGIR 2021最佳学生论文，获授权发明专利15项。主要研究方向：人工智能、智能媒体分析、社交网络舆情分析、计算机视觉和机器学习及其应用。
个人简介：聂秀山，教授，山东省泰山学者青年专家，山东省杰出青年基金获得者，山东省高校青创人才引育计划团队 “机器学习与智慧城市数据挖掘”负责人，以第一或通讯作者发表高水平论文50余篇；主持国家自然科学基金项目和省级项目多项；获得山东省科技进步奖、吴文俊人工智能科学技术奖等多项奖励。目前担任中国人工智能学会青年工委常委、山东省人工智能学会常务理事、学术工委秘书长等学术兼职。曾担任第七届中国数据挖掘大会和CCF第一届国际人工智能会议组织主席、第一届山东省人工智能大会程序主席等。
