时间：2024年1月6日
地点：广州大学城华南理工大学软件学院B8报告厅
主席：杨晓伟教授
上午：9：00-12：00
报告一
主持人：杨晓伟教授
报告题目：深度强化学习软件测试关键技术研究
内容简介：
深度强化学习作为人工智能领域的核心技术之一，正越来越多地被应用于航空航天等安全关键领域，其中确保这些系统的可靠性和安全性显得尤为重要。面对强化学习软件独有的马尔科夫决策驱动等特性，有效地进行测试和验证成为了一个充满挑战的研究课题。本报告将围绕四个方面关键技术展开介绍，包括深度强化学习软件的特性及其测试要素、针对深度强化学习软件的蜕变关系框架、覆盖率度量以及测试用例生成算法。我们将分享北京航空航天大学可信智能软件研究组在这一领域取得的最新进展，并就未来的研究方向提出自己的思考。
报告人简介：
郑征，北京航空航天大学自动化学院和软件学院教授，博士生导师，从事软件可靠性及测试的相关研究，主持国家自然科学基金（3项）、装发共用技术（重点）、装发预研（2项）、国防科工局技术基础和航空基金等项目，参与二十余个国家重点型号任务，相关成果近五年三次获得国防科技进步奖，2022年获航空学会技术发明奖，还曾获军队科技进步奖、北京市英才计划等奖励，在包括IEEE TSE, IEEE TDSC, IEEE TIFS，IEEE TSC等国内外重要期刊和会议上发表论文200余篇，出版国内第一本软件适航专著《机载软件适航标准DO-178B》及第一本软件适航教程《机载软件适航标准教程》，授权发明专利30余项。郑征教授目前担任Knowledge-based Systems高级编委，IEEE Transactions on Reliability和International Journal of Computational Intelligence Systems编委，担任IEEE TDSC、软件学报、STVR和SQJ等期刊的客座编辑，曾任ISSRE2020、QRS2021等二十多个国际会议的大会主席或程序委员会主席。
报告二
主持人：杨晓伟教授
报告人：李春国教授
报告题目：基于人工智能理论与算法的6G无线通信关键技术初探
内容简介：
报告的主要议题聚焦基于人工智能理论与算法解决无线通信若干场景中的关键技术问题。与计算机视觉、语音识别等其它科学领域不同，无线通信领域通常可以建立用于通信网络优化的数学模型。该先验知识是经过数十年的研究积累获得的，成为人工智能理论与算法应用于无线通信研究的理论支撑。因此，数据-模型协同驱动的智能无线通信理论与算法结合两者的优势，能够在提升通信系统的智能化程度，并提供一定的物理可解释性。同时，若干人工智能算法在无线通信系统具体应用时，往往需要根据通信问题的具体特性，针对数据处理、算法流程以及神经网络结构等做出相应设计与调整，从而更有效地发挥人工智能在无线通信领域的潜力。本报告的主要内容包括：
1）深度强化学习算法应用于无线通信中的序贯决策优化问题；
2）深度学习迁移学习应用于无线通信WLAN实测系统中的参数估计问题；
3）自然语言处理（NLP）算法应用于无线组网实测系统中的参数预测问题；
4）面向无线通信信道估计问题的CNN有监督学习与无监督学习解决方案研究。
报告人简介：
李春国，东南大学博士、教授、博士生导师。2005年山东大学学士、2010年东南大学博士。2012年晋升副教授、2016年成为博士生导师、2017年晋升教授。2012至2013年加拿大康考迪亚大学博士后一年，2013至2014年美国斯坦福大学访问学者一年，2017至2019年中组部第八批援藏干部两年。
长期研究无线通信与网络安全理论与关键技术、音频信号处理的人工智能算法设计。主持国家自然科学基金项目、国家重点研发子课题、江苏省重点研发子课题、中国移动等课题若干项，发表国际高水平SCI学术期刊论文一百七十余篇，发表IEEE学术论文一百八十余篇，论文他引四千余次，发明专利授权六十余项，获教育部自然科学二等奖等科技奖六项，最佳会议论文奖七项，获《电子与信息学报》2021、2022年度最佳编委奖、2021年度《中国科学-信息科学》（中英文版）优秀评审专家奖、2023年度江苏省仪器仪表学会“先进科技工作者”。
英国工程技术学会会士（IET Fellow）、中国通信学会会士（CIC Fellow）、IEEE计算智能学会南京分会主席、江苏省科技智库专家、江苏仪器仪表学会常务理事，仲英青年学者，若干科技项目/奖/学位论文评审专家。长期担任美国《IEEE消费电子汇刊》客座副编辑、英国《IET通信》副编辑、欧洲《富兰克林研究所期刊》副编辑、韩国《KSII互联网和信息系统汇刊》高级编辑、日本《IEICE通信汇刊》副编辑、爱思唯尔《绿色技术与可持续》副编辑、《电路系统与信号处理》副编辑、中国工程院院刊《Engineering》青年通讯专家、《电子与信息学报》、《电信科学》、《计算机工程与科学》等副编辑或牵头客座编辑、国际若干学术会议的组织者或分会主席。
报告三
主持人：杨晓伟教授
报告人：金弟教授
报告题目：图神经认知符号系统及其应用
内容简介：
图神经网络（GNN）自提出以来迅速得到了学术和工业界的青睐，成为AI研究热点。本报告首先介绍了GNN针对复杂图结构的建模与求解方法，之后介绍如何使GNN更加聪明的认知GNN设计方法、以及如何进一步引入知识逻辑推理，最后介绍上述思路在舆情分析、电商搜索推荐、社会治理等方面的应用。
报告人简介：
金弟，男，天津大学智算学部教授，博士生导师。一直从事图机器学习及其应用研究。在本领域顶刊顶会上发表论文50 余篇，获CCF A类会议WWW 2021最佳论文奖亚军奖、国际数据挖掘顶会ICDM 2021最佳学生论文奖亚军奖，担任中科院一区SCI期刊Information Sciences、Neural Networks、Pattern Recognition编委，CCF A类会议IJCAI 程序委员会Board Member，IJCAI、AAAI高级PC。主持国家自然基金4项，获ACM中国天津新兴奖、中国商业联合会科技进步一等奖。
报告四：
主持人：杨晓伟教授
报告人：余航教授
报告题目：概念漂移的检测，理解，适应
内容简介：
概念漂移描述了数据流随时间的变化，其潜在数据分布也发生了不可预知的变化。这种潜在数据分布发生变化，导致从历史数据学习到的模型已不再适用新的数据流，从而引起学习模型表现的下降，大量的数据分析已经揭示了数据流环境下的机器学习如果不考虑漂移的话会导致很差的学习结果。基于该原因，大量关于概念漂移的研究方法被提出，而这些方法主要集中在概念漂移的检测，理解和适配。漂移的检测主要指何时发现数据流潜在数据分布的变化，解决when的问题，漂移的理解主要指如何识别数据流潜在数据分布变化的方式，解决how的问题，漂移的适配是指知道何时发生概念漂移，以及如何发生概念漂移后，该怎样调整模型，使得模型能够适应新的潜在分布，解决learn的问题。为了帮助研究者们定义哪些研究课题是重要的以及如何在数据分析中使用相关技术，本次报告将会就概念漂移检测、理解和适配的方法技术进行分享。
报告人简介：
男，博士，现任上海大学教授，博士生导师。曾于2021年入选上海市海外高层次人才计划、上海市青年启明星计划，2022年入选国家级青年人才计划；主要工作围绕图像识别、大数据、知识工程等新一代信息技术进行研究，主持国家级、省部级以及知名企业的科技攻关项目等8项；并以第一作者/通讯作者发表SCI/EI论文近50篇，其中包含本领域的顶级期刊IEEE-TKDE、IEEE-TNNLS、IEEE-TFS、IEEE-TCYB和中国计算机协会推荐的A类会议ACL、AAAI等；此外，长期担任ACL、IJCAI、AAAI、EMNLP和IJCNN等国际会议的PC，以及IEEE多个汇刊在内的特约审稿人。
报告五：
主持人：张磊教授
报告人：何东晓副教授
报告题目：真实复杂场景下图神经网络
内容简介：
当前图神经网络在处理真实复杂图数据的时候存在“同质性限制”、过平滑以及标签难获得的问题，本报告针对这些问题介绍基于生成对抗模型设计的对抗表征机制而非传统的对抗表征结果的无监督图表征学习算法；针对图神经网络“同质性限制”的问题，介绍基于块建模对邻域信息进行分类传播聚合的新型图神经网络传播聚合机制，该新机制图神经网络在同配和异配网络上均取得较好的效果；针对图神经网络过平滑的问题，介绍由类别区分度引导的深层图神经网络，通过层间过滤、初始补偿以及全局优化等三阶段生成具备区分不同类别能力的节点表征；针对图数据标签难获得的问题，介绍无标签下利用边同质性判别机制自监督地捕获同质邻居构成采样标签的新对比学习方法，同时该方法进一步改进图对比学习在异配数据上的性能，通过图拓扑更新以消除异质噪音传播，使自监督编码器可以在同异配数据集上学习到良好的表征。
报告人简介：
何东晓，天津大学智能与计算学部英才副教授（特聘研究员）、博士生导师。主要基于机器学习方法（概率图模型、深度学习及其融合）在图数据挖掘方面的研究，主持国家自然科学基金项目3项（含面上项目2项），国家重点研发课题1项。在人工智能、机器学习和数据挖掘领域的顶刊或顶会上发表论文50余篇，其中一作或通讯发表CCF A类期刊或会议长文20余篇，谷歌引用超2600次，H因子30。以通讯作者指导学生获数据挖掘顶会ICDM21最佳学生论文奖亚军（4/990），一作获全国社会媒体处理大会SMP2022最佳论文奖，一作获《自动化学报》年度优秀论文奖；入选百度学术AI华人女性青年学者(全球80名)入选、天津市131人才。
下午：14：00-17：30
报告一
主持人：杨晓伟教授
报告人：何昭水教授
报告题目：基于手机后置摄像深度学习监控的自主核酸采样系统
内容简介：
报告介绍基于手机后置摄像深度学习监控的家庭自主核酸采样装置、方法及智能系统，具体流程包括：用户首先将手机固定在核酸采样专用底座上，并通过核酸采样软件将手机画面同步到电脑显示屏。然后手机摄像头和闪光灯负责采集咽喉图像供软件智能分析与检测。在软件判断采样合格后，用户将采样棉签放入收集试管。最后，将试管利用新型防盗试管盖封存或使用专用试管套封存，完成采样流程。用户采样全程受智能检测分析算法引导与监督，采样全程可视化且严格按照医学标准，可有效避免不当操作和无效采样等现象。系统可实现在家庭中的自由灵活，简便友好的自主核酸采样，有效提高采样效率，降低核酸采样硬件成本，降低交叉感染风险，减轻大量医护人员的工作压力，从而改变社区集中排队核酸采样的现状，建立一种全新的核酸采样模式。
报告人简介：
广东工业大学教授，中组部万人计划领军人才、国家重点研发项目首席、国家优青等；担任广东省(面向智能制造的超高精度自动化检测系统)工程技术研究中心主任、(物联网信息处理与系统集成)教育部重点实验室副主任等。
从事智能信息处理及应用等方面的科研工作，发表论文90多篇，申请和授权发明专利30多件；主持国家重点研发计划项目、中央财政高校发展专项、广东省自然科学基金团队项目等国家级、省部级项目等；获国家自然科学二等奖等省部级以上科研奖励多项。
报告二
主持人：吴庆耀教授
报告人：张磊教授
报告题目：小样本跨域学习及其应用
内容简介：
利用变分推理思想，结合小样本学习和语义记忆单元，进行模型构建和优化。该类方法可以用于小样本分类、跨域识别等任务中。
报告人简介：
张磊，博士毕业于哈尔滨工业大学，工学博士，硕士生导师，华南理工大学和广东工业大学兼职硕导。IEEE会员，中国计算机学会高级会员，中国人工智能学会认知系统与信息处理专委会委员，中国自动化学会技术过程的故障诊断与安全性专业委员会委员，广东省大数据专业委员会委员。主持国家自然科学基金项目3项、省级项目3项及多项横向项目，参与制定军标1项，近五年发表高水平论文近30余篇，包括研究领域的顶刊和顶会。目前担任广东石油化工学院电子信息工程学院院长，国家自然科学基金项目通信评审人，多家国际期刊审稿人。主要从事人工智能、机器学习和计算机视觉方向，近年来的研究主要集中在深度学习、小样本学习、跨域学习等。
报告三
主持人：向毅副教授
报告人：黄翰教授
报告题目：微搜索算法及其应用
内容简介：
智能优化算法是一种重要的人工智能方法，常用于求解复杂黑盒优化问题。本报告将从算法效率提升的本质出发，讲述提升算法效率的科学本质与关键要领，介绍微搜索算法机理与机制：通过确定优化问题的有效决策子集，合理分配搜索算力，从而实现微小范围的有效搜索，最终求得问题的最优解或者高质量的可行解。报告将基于该算法思想分析遗传算法、粒子群优化、差分进化、蚁群优化等智能优化算法的微搜索假设与效率本质，总结探讨进化计算方法效率分析的一些误区。最后，报告将介绍微搜索算法在多目标优化、多约束优化、计算机视觉、数字物流、工业软件、软件工程等领域的应用。
报告人简介：
黄翰，男，博士，华南理工大学软件学院教授、博士生导师，国家级青年人才项目入选者，兼任国际学术期刊IEEE Transactions on Evolutionary Computation（IF: 14.3）、Complex & Intelligent Systems（IF: 5.8）以及IEEE Transactions on Emerging Topics in Computational Intelligence（IF: 5.3）副编、大数据与智能机器人教育部重点实验室副主任、中国仿真学会智能仿真优化与调度专委会副主任、广东省本科高校软件工程专业指导委员会主任委员，CCF杰出会员和IEEE高级会员；获得国家示范性软件学院成立20周年全国优秀教师表彰称号；主持科技部重点研发项目、国家自然科学基金面上项目与广东省杰出青年基金等国家级和省部级项目等近20项；出版著作2部《智能算法理论与实践》和《进化算法时间复杂度分析的理论、方法与工具》；以第一作者或通讯作者身份在IEEE TCYB、IEEE TETC、IEEE TSE、IEEE TEVC、IEEE TIP、IEEE TFS和《中国科学》等专业学术期刊发表论文80多篇，代表作入选ESI；以第一发明人授权国家发明专利43项以及美国发明专利7项；以第一完成人获中国专利优秀奖；以第一完成人制定了《无源码的白盒化测试标准》全国团体标准；以主要完成人获广东省科技进步一等奖、广东省自然科学二等奖、中国仿真学会优秀论文奖和中国图形图像学会科技进步二等奖等；长期致力于智能算法理论、应用与产业生态的研究，发布了单元测试算法平台www.unittestpc.com.cn、进化算法时间复杂度分析系统www.eatimecomplexity.net、结构方程自动建模系统www.autosem.net与储能优化系统https://energystorage.autosem.net/等6项公开使用的软件系统，完成算法落地应用案例70多项。
报告四
主持人：杨晓伟教授
报告人：杨祖元教授
报告题目：面向智能制造的多视角感知与融合学习
内容简介：
随着工业互联网和大数据处理技术的发展，制造业正在经历翻天覆地的变化，其智能化提升已从多年前的概念走向现实。在智能制造过程中，先进感知技术特别是视觉感知起着非常重要的作用。新近出现的液态镜头多视角智能成像进一步促进了视觉感知的发展，特别适合处理多层次精细目标、大范围移动目标等复杂场景，对其所感知的多视图/多视角数据的分析与融合处理算法设计正成为一个开放性难题，特别是这些数据通常具有不完备性，使多视角数据融合学习面临更多挑战，本报告将围绕以上背景和问题进行探讨。
报告人简介：
杨祖元，男，国家优青，广东工业大学教授、博导，广东省物联网信息技术重点实验室主任，教育部、科技部等部门项目评审专家库成员。博士毕业于华南理工大学，然后分别前往日本会津大学、澳大利亚Deakin大学、加拿大McGill大学继续深造，长期从事人工智能、信号处理、多视图信息融合等方面的教学和研究工作，成果主要应用于视觉信号感知、医学信号处理、激光信号检测等，主持或参与省部级以上科研项目10余项，在IEEE Trans. Neural Networks and Learning Systems、IEEE Trans. Cybernetics等期刊和会议上发表科研论文80余篇，部分研究成果获教育部自然科学一等奖和广东省科学技术一等奖。
报告五
主持人：黄翰教授
报告人：蔡瑞初教授
报告题目：因果性学习初探
内容简介：
探索和发现事物间的因果关系是数据科学的一个核心问题。在过去的近十年中，因果关系在基础理论、算法设计及实际应用方面获得了很大的发展，引起了相关领域学者的关注。本报告拟从因果性学习角度探讨了因果关系发现与机器学习方法相结合的一些思路，包括基于先验因果结构的因果性学习方法、基于因果发现的因果性学习方法等，并介绍其在领域自适应的等场景中的初步探索。
报告人简介：
蔡瑞初，教授、博士生导师、数据挖掘与信息检索实验室主任、国家优秀青年基金获得者。2010年于华南理工大学获得工学博士学位，并进入广东工业大学工作。蔡教授专注于因果关系发现与因果性学习、深度学习等领域的理论与应用研究。在上述领域先后主持国家优秀青年基金、科技部”科技创新2030“重大项目、省杰出青年基金、省特支计划等项目；在因果关系发现、因果性学习方面开展了系列有益探索，在ICML、NIPS、AAAI、IJCAI等领域重要会议和TPAMI、JMLR、TNNLS、TKDE等国际著名期刊发表论文100余篇；协助华为、网易、腾讯、滴滴、唯品会、南方电网、南方通讯建设等企业解决了因果故障定位、因果决策优化、因果个性推荐等应用难题，取得了良好的经济和社会价值；获得省科学技术一等奖（第三完成人）、国家发明专利奖优秀奖（第三完成人）等奖项；指导学生获得NeurIPS 2019解耦学习算法大赛第一名、亚太因果推理大会推理大赛第一名、“互联网+”全国决赛金奖等奖项；担任Neural Networks杂志Action Editor、NeurIPS、ICML等会议的Area Chair，IJCAI、AAAI等会议的SPC等。
报告六
主持人：张磊教授
报告人：吴庆耀教授
内容简介：
报告内容包括视频动作识别、视频动作表征学习、面向姿态变换的动作理解以及视频内容理解等方面。在视频动作识别方面，针对传统方法在处理复杂背景和多人物的动态任务时存在局限性，提出了基于3D骨架点云的视频暴力识别方法，通过引入骨架注意力网络解决了稀疏骨架点云动作特征提取和多人物骨架交互的学习问题。 在视频动作表示学习方面，介绍了面向视频数据的3D骨架动作一致性、连续性的自监督表示学习方法，减少动作表示歧义性的问题。 在面向姿态变换的动作理解方面，提出了无配对数据的通用物体姿势变换网络，该方法无需收集成对数据，通过高阶空间转换模块和纹理样式转换模块实现了通用物体的姿态转换。在视频内容理解方面，提出了基于内容解耦增强的弱监督语义分割方法，通过前后背景解耦的表达框架和成对学习策略来提高模型的鲁棒性。在应用方面，介绍了联合图增强的自监督对象定位和用于协同分割与检测的统一transformer框架，实现在电网等行业的应用落地。
报告人简介：
吴庆耀，华南理工大学软件学院教授、博士生导师，国家级青年人才项目入选者；大数据与智能机器人教育部重点实验室副主任，广州市机器人软件及复杂信息处理重点实验室主任，深度学习与机器视觉校企联合实验室主任，智能音视频校企联合实验室主任；Elsevier期刊Software Impacts副主编、IEEE 电子商务工程国际会议2021年大会主席及2022年/2023年程序主席，入选2022年美国斯坦福大学发布的全球前2%顶尖科学家榜单；主持国家自然科学基金与广东省重点领域研发计划项目。主要从事计算机视觉、数据挖掘、机器人调度决策、多模态金融数据分析理论与应用研究，相关成果发表于CVPR、ICCV、IJCAI、AAAI和TKDE、TNNLS、TIP等CCF-A类会议和期刊。
