QQ在（zài）线（xiàn）
企（qǐ）业微信
资讯（xùn）
436
首先（xiān），张海军教授汇报了《视链学习》的研究成（chéng）果，视链学习是（shì）对视（shì）频内（nèi）容、广告（gào）和用（yòng）户的（de）相（xiàng）关性进行系统建模和优化，将（jiāng）视链问题转（zhuǎn）化为（wéi）复（fù）杂约束条件下的大规模（mó）跨场景检索、个（gè）性化（huà）推荐和优化问题，张教（jiāo）授详细介（jiè）绍了基于视（shì）频（pín）特定人物的（de）衣服识别方（fāng）法（fǎ）、基于跨（kuà）域衣服图像的生（shēng）成及（jí）检索方法、基于领域知识驱动的时（shí）尚搭（dā）配与设计方法、视（shì）频（pín）显（xiǎn）著性检测及其在视链系统中的应（yīng）用等内容，提出视频广告嵌（qiàn）入将可（kě）以为商业广告的发展提供巨（jù）大帮助（zhù）。
紧（jǐn）接着（zhe），张（zhāng）召教授报（bào）告《基于（yú）低秩编码的（de）图像恢（huī）复和（hé）鲁棒子空间建模》，介绍了低（dī）秩学习（xí）模型及其（qí）应（yīng）用和改进。低秩学习是一种表示学习；表示学习经常用在（zài）深度学习和（hé）机器学习中，让（ràng）机（jī）器来（lái）学习特（tè）征的表达。传统的表示（shì）学（xué）习方法可能不能（néng）很好的处理图片模糊、缺失等问题，采用低秩的方（fāng）法可以对图（tú）像进行复原处理。张召教授详（xiáng）细地（dì）介绍了（le）具体的理（lǐ）论和算法（fǎ），通过改进（jìn）了传（chuán）统算法（fǎ），来（lái）实现对人脸面部有遮（zhē）挡并且进行模糊处（chù）理的情况下进行面（miàn）部复原（yuán），改（gǎi）进后（hòu）的（de）效果比（bǐ）传统的（de）效果更好。
随（suí）后，伍洲教授分（fèn）享了《回声状态网（wǎng）络(ESN)在时间（jiān）序（xù）列预测上的应用》。回声神（shén）经网络（luò）是一种（zhǒng）新型（xíng）的循（xún）环神经网络(RNN)，它的特点是隐（yǐn）藏层由大量的随机（jī）稀疏连接的节点组成，并且（qiě）只（zhī）需（xū）要输出连接权重值。伍洲教授介（jiè）绍（shào）了该新（xīn）型神经网络的算法原（yuán）理，研究组对该网络（luò）应用在不同情况的太阳能预测工作（zuò），包括多（duō）簇回声状态网络的太（tài）阳能预测、多时间尺度回声状态网络的太阳能多任务预测、深度多隐藏层回声（shēng）状（zhuàng）态的太阳能预测以及基（jī）于链式回声状态网络的（de）时空（kōng）太阳能预测。
最后，郝天永教（jiāo）授报告了《关于文本分析与处理技（jì）术在医学上的应用》，临床试验是针对人类参与者的前瞻性研究，旨在回答（dá）有（yǒu）关生物医（yī）学或行为干预的具体问（wèn）题（tí）；临床试验评估其安全性和（hé）有效性，是发现新的疾病（bìng）治（zhì）疗方法以及发（fā）现、诊断和降低（dī）疾病风（fēng）险的新（xīn）方法的重要步骤。通过分（fèn）析开发新药的主要困难，郝（hǎo）教授针对（duì）性地提出了2个研究问题（tí）：如何从非结构化资格标准文本中提取（qǔ）关键信息，从而帮助加速患者招募?如何（hé）缩小临床试验（yàn）研究人群与真实患者人群（qún）之间的差距?为（wéi）了解决以（yǐ）上的（de）问（wèn）题，截至（zhì）目前，他（tā）所在的团队已经建立了一个包含357017个医疗患者的文本数据集。
在（zài）问答（dá）环节，参会人员积极分（fèn）享了自己的讲座感悟，并（bìng）向各位教授请教了相关问题（tí），现场学术讨论氛围十分浓厚。会议的最后，与（yǔ）会代表（biǎo）与嘉宾合影留念（niàn），会议圆满结束。
本次研讨会使到（dào）场师生获益良多，深刻地认识到大数据与人工智能技术（shù）对当今社会产生和日常生活产生的积极作用和巨大影响力，同时促进了学院教师在今后（hòu）的教学（xué）和科（kē）研过（guò）程中及（jí）时（shí）更新教学理（lǐ）念、改进教学方（fāng）法，帮助相（xiàng）关（guān）同学了解（jiě）大数据前（qián）沿知（zhī）识（shí），从而（ér）获得（dé）更好的成（chéng）长与（yǔ）发展（zhǎn），也（yě）为培（péi）养高质量应用型人（rén）才打下（xià）坚实的（de）基础。
