導覽
近期變更
隨機頁面
新手上路
新頁面
優質條目評選
繁體
不转换
简体
繁體
18.220.187.223
登入
工具
閱讀
檢視原始碼
特殊頁面
頁面資訊
求真百科歡迎當事人提供第一手真實資料,洗刷冤屈,終結網路霸凌。
檢視 人工智能与模式识别专业委员会 的原始碼
←
人工智能与模式识别专业委员会
前往:
導覽
、
搜尋
由於下列原因,您沒有權限進行 編輯此頁面 的動作:
您請求的操作只有這個群組的使用者能使用:
用戶
您可以檢視並複製此頁面的原始碼。
{| class="wikitable" align="right" |- |<center><img src=http://5b0988e595225.cdn.sohucs.com/images/20190816/7e54296b1b7f4160a62de9cbe5aec738.jpeg width="300"></center> <small>[https://www.sohu.com/a/334270068_505819 来自 搜狐网 的图片]</small> |} '''人工智能与模式识别专业委员会'''于1986年11月在太原[[山西大学]]成立,同时召开了第一届学术会议。专委前身是[[人工智能]]学组,由中国科学院院士、吉林大学王湘浩先生创建。专委覆盖内容主要包括人工智能基础理论、知识表示与推理、机器学习、知识工程、智能规划、启发式搜索、数据挖掘、计算智能、神经网络、演化计算、分布式人工智能、模式识别、自然语言处理、[[信息]]检索与抽取、智能系统应用等。专委致力于联系和团结本领域广大研究人员,组织学术活动,增进学术交流<ref>[https://www.sohu.com/a/298032164_100191228 未来的学术交流的方式],搜狐,2019-02-27</ref>,促进我国计算机学科人工智能领域研究与应用的发展。专委运行规范、活动活跃,学术水平能代表华人学者在该领域的水准,受到该领域人士的高度认可。 ==相关资讯== ===计算机科学与技术学院成功举办中国计算机学会人工智能与模式识别专委会走进高校云论坛=== 2020年7月26日上午,[[中国计算机学会]]人工智能与模式识别专业委员会(CCF-AI)走进高校活动以在线直播的形式圆满举行。 本次活动主题为“人工智能前沿技术与应用”,由中国计算机学会主办,[[山东建筑大学]]承办,山东建筑大学计算机科学与技术学院聂秀山教授和刘萌教授负责具体组织工作。山东大学软件学院教授、山东建筑大学计算机科学与技术学院特聘院长尹义龙主持开场,概要介绍了会议筹备情况。山东建筑大学计算机科学与技术学院马宏伟院长致开幕辞,向参会同行介绍了山东建筑大学以及计算机科学与技术学院的基本情况,表达了对报告专家的感谢、对参会同行的欢迎。本次活动邀请了南京大学高阳教授、南京信息工程大学刘青山教授、[[清华大学]]鲁继文副教授、西安电子科技大学王笛副教授四位优秀[[学者]]做学术报告。 第一位报告专家是[[南京大学]]高阳教授,他的报告题目是“多智能体强化学习及其应用”。首先,高老师介绍了多智能体强化学习的背景,这其中包括强化学习的基本框架、强化学习的应用场景、多智能体强化学习与单智能体强化学习之间的区别、多智能体强化学习研究范畴与发展扼要。之后,高老师介绍了多智能体强化学习的研究现状,主要包含四类多智能体强化学习方法,即单智能体强化学习扩展、基于[[通信]]的方法、基于合作的方法以及基于智能体建模的方法,并且总结了这几类方法的优缺点。随后,高老师介绍了他的研究团队在多智能体强化学习方面的理论研究成果和一些实际工业应用。最后,高老师对多智能体强化学习的研究和应用进行了简要总结。 第二位报告专家是来自南京信息工程大学刘青山教授,他的报告的题目是“基于深度学习的遥感影像分析”。首先,刘老师对机器视觉及其广泛的应用前景、遥感图像大数据应用、视觉特征[[学习]]与表示进行了详细的介绍。随后,刘老师介绍了高光谱图像的特点与挑战,并介绍了他们研究小组在高光谱图像分类方面的一些研究工作,例如:基于双向卷机LSTM、基于级联循环网络、注意力机制引导、基于多任务GAN的高光谱图像分类。在这之后,刘老师介绍高分辨率图像的的特点与挑战,同时介绍了其在高分辨率图像分类方面的一些研究成果。最后,刘老师分享了其近期在[[气象]]方面的研究工作,包括卫星云图气旋系统分析、西北太平洋热带气旋生预测和降水估计等,并提出了一些对于视觉特征学习方面的思考。 第三位讲者是来自清华大学的鲁继文副教授,他的报告的题目是“非监督表示学习与视觉内容理解”。首先,鲁老师对视觉内容理解典型应用和代表性任务进行了简单地介绍,同时展示了深度学习驱动下视觉内容理解任务取得的一些[[成果]]。鉴于现有深度学习模型依赖标注数据的问题,鲁老师引出非监督表示学习解决的问题,即通用特征表示、海量数据利用、标注成本降低、模仿人类[[学习]]。而后,鲁老师讲解了如何从非监督表示学习到视觉内容理解。随后,鲁老师对其在局部非监督表示学习以及全局非监督表示学习方面的一些工作进行了展开介绍。最后,鲁老师对非监督表示学习的核心思想、优点和目标进行了总结。 第四位讲者是来自西安电子科技大学的王笛副教授,她的报告的题目是“基于矩阵分解的跨模态哈希学习”。首先,王老师对跨模态哈希任务的研究背景、跨模态哈希任务以及跨模态哈希研究现状进行了详细的介绍。随后,王老师[[介绍]]了其在无监督跨模态哈希方面的一些研究[[成果]],包括基于类标一直矩阵分解的跨模态哈希方法、鲁棒离散跨模态哈希方法、联合和独立的矩阵分解跨模态哈希方法、以及在线协同矩阵分解跨模态哈希方法等。最后,王老师对于跨模态哈希研究进行了总结,同时对其在跨模态哈希方面的未来研究方向给出了简单介绍。 本次活动采用线上腾讯会议和B站[[直播]]的方式进行,吸引了众多同行学者的积极参与,B站直播间人气峰值为7766。本次活动的举行拓展了我校师生与国内外高水平学者的交流渠道,对助力我校[[计算机科学与技术]]<ref>[https://www.sohu.com/a/125687972_508586 专业解读—计算机科学与技术 ],搜狐,2017-02-07 </ref>学科发展起到了积极作用。 ==参考文献== [[Category: 社會組織類]]
返回「
人工智能与模式识别专业委员会
」頁面