学术报告:重点实验室系列报告(II)

发布者:发布时间:2019-03-21浏览次数:10

关于人工智能

  

报告人:周志华

报告时间:20193231300-1400

地点:苏州大学理工大楼321

报告摘要:从强人工智能、弱人工智能的概念出发,阐释人工智能的研究内容。机器学习作为当下人工智能的核心研究领域,在当今大数据时代的背景下,提供给我们的更多智能数据处理技术。介绍机器学习、深度学习、深度神经网络、卷积神经网络的基本原理,并通过实例展示了其在图像识别、机器配音等领域的应用进展。

  

报告人简介:国家杰出青年科学基金获得者,教育部长江学者特聘教授。现任南京大学计算机科学与技术系 主任、南京大学计算机软件新技术国家重点实验室 常务副主任、机器学习与数据挖掘研究所 (LAMDA) 所长,校学术委员会委员。美国计算机学会(ACM)、美国科学促进会(AAAS)、国际人工智能学会 (AAAI) 、国际电气电子工程师学会 (IEEE) 、国际模式识别学会 (IAPR)、国际工程技术学会 (IET/IEE) 、中国计算机学会(CCF)、中国人工智能学会(CAAI) 等学会的会士 (Fellow),欧洲科学院外籍院士。南京市政府人工智能产业顾问、证监会科技监管专家咨询委员会委员、江苏省政协委员、江苏省青联副主席等。

  

  

人工智能未来发展

  

报告人:杨小康

报告时间:20193231400-1500

地点:苏州大学理工大楼321

报告摘要:智能时代的三个标志,两个愿景,以及人工智能将更好地服务民生。

  

报告人简介:上海交通大学人工智能研究院常务副院长,教育部人工智能重点实验室主任,教育部长江学者特聘教授、国家杰出青年科学基金获得者、国家万人计划创新领军人才。主要研究图像处理与机器学习。入选科技部中青年科技创新领军人才、上海市优秀学术带头人、上海市东方学者及跟踪计划、上海青年科技英才、微软青年教授奖。任中国电子学会青年科学家俱乐部副主席、上海市图像图形学会理事长、中国图象图形学会常务理事、教育部人工智能科技创新专家组委员,为IEEE Transactions on Multimedia编委、IEEE Signal Processing Letters编委、IEEE Fellow

   

  

Robust Image Representation:From Sparse Representation to Low-rank Regression

  

报告人:杨健

报告时间:20193231515-1645

地点:苏州大学理工大楼321

回归模型在图像表示及分类中的应用,从L2范数约束的ridge regressionL1范数约束的Lasso问题在图像表示中的差异,以及不同范数对于不同噪声分布的刻画。在得到范数与噪声分布之间关系后,在放松噪声分布约束条件下的图像鲁棒表示问题,如结构噪声下的图像表示。在噪声相关性较强模型下,提出了采用低秩刻画噪声分布,并开发了基于核范数的快速ADMM算法进行求解,并在理论上建立了低秩约束与矩阵变量椭圆分布之间的关系。对该模型可能的推广方向进行展望。

  

报告人简介:长江学者,国家杰出青年基金获得者,南京理工大学计算机学院教授。