中国计算机学会青年计算机科技论坛
CCF Young Computer Scientists & Engineers Forum
CCF YOCSEF济南
时间：2013年11月30日（星期六）14:30-17:00
地点：山东大学计算机科学与技术学院办公楼二楼会议室
报告会主题
机器学习前沿技术报告会
议 程
14:00 签到
14:30 报告会开始
14:30 特邀讲者：张敏灵, 东南大学副教授；演讲题目：弱监督机器学习
15:30 特邀讲者：李武军，上海交通大学副教授；演讲题目：哈希学习及其在大数据检索与挖掘中的应用
16:30 讨论会：机器学习的发展新趋势
17:00 集体合影
17:20 晚餐
执行主席：许信顺CCF YOCSEF济南 副主席
执行主席：马宏伟CCF YOCSEF济南 AC委员
执行主席：许信顺CCF YOCSEF济南 副主席
执行主席：马宏伟CCF YOCSEF济南 AC委员
机器学习前沿技术报告会
报告题目：弱监督机器学习
特邀讲者：张敏灵
张敏灵，东南大学计算机科学与工程学院副教授。分别于2001年、2004年和2007年于南京大学计算机科学与技术系获学士、硕士和博士学位。主要研究领域为机器学习、数据挖掘。现任“CAAI机器学习专委会/CCF模式识别与人工智能专委会”委员、 江苏省计算机学会人工智能专委会秘书长。担任《Machine Learning》客座编辑，ECML PKDD'09等国际会议讲座报告人，在ACML'12、ICML/COLT'10等组织主题Workshop并担任程序委员会共同主席。应邀担任IJCAI'13、SDM'13、ACML'13/'12等国际会议高级程序委员，以及ICML'14、AAAI'13/'12、KDD'11/'10等国际会议程序委员。获NSFC优秀青年科学基金(2012年)、教育部新世纪优秀人才支持计划(2013年)等。
报告提要：
在机器学习中，监督信息(supervision information)蕴含了学习问题的语义与规律，是设计有效的学习系统的关键。传统监督学习方法通常基于“强监督假设”(strong supervision assumption)构造学习模型，即：假设训练样本中包含了充分、清晰的监督信息以构造高泛化性能模型。然而，受问题特性、人力物力等因素的制约，在许多真实世界问题中强监督假设往往并不成立。近年来，弱监督机器学习（learning with weak supervision）的研究得到了国际机器学习界的广泛关注，并涌现出了不同类型的弱监督机器学习框架。本次报告将对若干流行的弱监督机器学习框架（半监督学习、多标记学习等）进行简要讨论，并介绍我们在相关领域的研究进展。
报告题目：哈希学习及其在大数据检索与挖掘中的应用
特邀讲者：李武军
李武军，博士，上海交通大学计算机科学与工程系副教授。主要研究领域为人工智能、机器学习与模式识别。在AAAI、CVPR、IJCAI、NIPS、SIGIR、TKDE等国际知名会议和期刊上发表学术论文20余篇，出版云计算相关的专著一部。现任《Frontiers of Computer Science》青年副编辑，担任TPAMI、TNNLS、TKDE、TPDS、TCSVT、中国科学、科学通报、软件学报等多个国际和国内知名期刊的特邀评审人，并担任ICML、IJCAI、SIGKDD等多个国际知名会议的程序委员或者评审人。目前主持一项国家自然科学青年基金和一项科技部863子课题，作为骨干成员参与一项科技部863重大项目。是教育部创新团队成员。
报告提要：
很多大数据应用场景中的数据都具有海量、高维等特性。数据的海量性将造成存储开销大、检索速度慢等问题，而数据的高维性将造成维度灾难问题，使得很多机器学习算法失效。哈希学习（learning to hash）通过机器学习算法将数据表示成二进制哈希码的形式，能大大减少数据的存储开销，提高检索速度，同时也能解决维度灾难问题，从而大大提高学习系统的性能。因此，哈希学习已经成为近几年大数据检索与挖掘中的一个研究热点。本报告将首先介绍哈希学习的应用背景与研究进展，然后详细讲解报告人自己最近的研究成果，最后对值得进一步探索的几个问题进行展望。
参加人员：IT领域专业人士、研究生、媒体、其他有兴趣者
报名联系：许信顺Email: xuxinshun@sdu.edu.cn 电话: 13969003221
李 新 Email:lx@sdu.edu.cn 电话:13853123559
请务必于11月28日前报名，以便会议安排。
会议住宿：山东省干部学院名仕轩酒店/山东大卫国际商务酒店
会议地点：济南市舜华路1500号 山东大学计算机科学与技术学院办公楼二楼会议室
会议地点
京公网安备 11010802032778号
所有评论仅代表网友意见