中国计算机学会青年计算机科技论坛

CCF Young Computer Scientists & Engineers Forum

CCF YOCSEF

于2014年7月11日(星期五)9:00-12:00
在合肥工业大学学术会议中心举行
学术报告会，敬请光临

报告会主题
大数据时代，计算机软硬件前沿技术如何突破？ 
程 序

9:00　签到 
9:30 报告会开始
　　　 特邀讲者：Dr. Luca Daniel，美国麻省理工学院副教授
　　　 演讲题目：Accelerating Optimization, Inverse Problems & Uncertainty Quantification on Complex Systems using Parameterized Model Order Reduction
　　　 特邀讲者：Dr. Bill Buckles,美国北德克萨斯大学教授
　　　 演讲题目：Trajectories As a Unifying Cross-Domain Feature for Surveilance Systems 
　　　 执行主席：郑利平 博士，合肥工业大学副教授、计算机与信息学院副院长
　　　　　　　　　　　　CCF YOCSEF合肥学术委员会副主席
　　　 执行主席：陈田 博士，合肥工业大学副教授
　　　　　　　　　　　　CCF YOCSEF合肥学术委员会学术秘书
参加人员：IT领域专业人士、研究生、媒体、其他有兴趣者
报名方式：Email：chentian@hfut.edu.cn ;

大数据时代，计算机软硬件前沿技术如何突破？

本次大会将围绕“大数据与软硬件的发展”这一主题进行讨论，采用“报告+交流会”的方式，讨论大数据时代下计算机软硬件的技术发展方向。本次大会还为来自高等院校、科研院所、企事单位、运营商、系统设备商的专家、教授、学者、工程师提供一个产学研界交流的高层信息沟通平台，探讨本领域发展所面临的关键性挑战问题和研究方向。特邀高性能计算专家、知名企业专家、资深学者教授到会作主题报告，领域企业将展示其最新研究成果。

特邀讲者 

Luca Daniel 博士，毕业于加州大学伯克利分校。现是美国麻省理工学院电子工程与计算机科学系副教授。曾获得加州大学伯克利分校最佳博士论文奖，ACM杰出博士论文奖。论文多次在国际会议中被评为最佳论文。

报告提要：Many complex systems developed by engineers (e.g. iPads, sensor body networks, power delivery networks, magnetic resonance imaging machines) or found in nature (e.g. the human cardiovascular system, or the geophysical networks of oil/water/gas reservoirs) can be viewed as large collections of interconnected dynamical system components. The performance or characteristics of each individual component critically depend on what engineers or scientist refer to as “second order effects”, and can be captured only by resorting to accurate partial differential or integral equation descriptions (e.g. Poisson, Maxwell, Navier-Stokes equations etc…). In addition, such components are often affected by random uncertainties in material properties and geometries. This talk will show how the state of the art in parameterized model order reduction techniques for both linear and non-linear systems can be used to enable the efficient simulation, design and optimization of “entire” complex networks of interconnected dynamical systems. Examples will be presented from the electrical engineering world (e.g. integrated circuit interconnect, RF inductors, micro-electro-mechanical sensors, low noise RF amplifiers, power amplifiers, city/state wide power distribution grids) and from the biomedical world (e.g. optimization of MRI coils for reduced local heat deposition in human tissues during the next generation high resolution scans). This talk will also show how the same parameterized model order reduction techniques can also accelerate: inverse problems for oil/gas reservoir exploration; non-invasive diagnosis of diseases of the human cardiovascular system; or even most variants of the sampling based stochastic field solvers.

特邀讲者

Bill Buckles 博士，毕业于美国阿拉巴马大学汉茨维尔分校。现是美国北德克萨斯大学计算机工程系教授。已经在国际期刊上发表了150多篇学术论文，并获得了NASA，NSF等机构的项目资助。曾两次获得NASA颁发的美国国家技术成就奖。

报告提要：Manual video analysis is apparently a tedious task. An efficient solution is of great importance in order to automate the process and to assist operators. A major goal of video analysis is recognizing and understanding object (including human) activities captured by surveillance cameras, a very challenging problem. The activities can be either individual or interactional among multiple objects and involves extraction of relevant spatial and temporal information from visual images. Most video analytics systems are constrained by specific environmental situations. Different domains may require different specific knowledge to express characteristics of interesting events. Spatial-temporal trajectories have been utilized to capture motion characteristics of activities across several domains.

This presentation leads one through three examples and beginning with two real-time traffic monitoring systems and concludes with a human gesture recognition system that generalizes the knowledge to event recognition system. The main contributions to look for are: The use of the graph-theoretic dominant set approach to the classification of traffic trajectories; The ability to first partition the trajectory clusters using entry and exit point awareness to significantly improve the clustering effectiveness and to reduce the computational time and complexity in the on-line processing of new trajectories; A novel tracking method that uses the extended 3-D Hungarian algorithm with a Kalman filter to preserve the smoothness of motion; A novel camera calibration method to determine the second vanishing point with no operator assistance; A general logic reasoning framework together with a new set of context free LLEs (low-level events) which could be utilized across different domains.

执行主席 郑利平 

现为合肥工业大学计算机与信息学院副教授、副院长。 2000年本科毕业于合肥工业大学工业自动化专业，2003/2008年获合肥工业大学计算机应用硕士/博士学位，2009年8月-2010年8月在香港大学计算机科学与技术系进行博士后学习。研究方向为可视化、群体和疏散仿真、仿真及其可信性分析。已主持国家青年基金等多个研究、应用课题，参加了中科院"百人计划"项目、军口863预研、国家自然基金、安徽省自然基金等多个项目，发表论文 30余篇，获发明专利3项，软件著作权6项，2005年获安徽省科技进步三等奖。现为ACM、IEEE和CCF会员，是CCF YOCSEF（青年计算机科技论坛）合肥学术委员会副主席，“CCF Chapter合肥工业大学”指导委员会委员，全国高等学校计算机教育研究会理事，安徽省高等教育研究会理事。

 执行主席 陈田 

合肥工业大学计算机与信息学院副教授、博士、硕士生导师，计算机系副主任。目前在合肥工业大学计算机与信息学院计算机系统结构研究所、情感计算与先进智能机器安徽省重点实验室从事科研和教学工作。主要研究方向为低功耗嵌入式系统、VLSI设计与测试、嵌入式智能系统、基于FPGA的开发与设计等。近年来，主持了国家自然科学基金、安徽省高校青年教师科研资助计划项目、中国科学院物质所ITER项目子课题等项目，参与完成了十多项国家级和省部级纵向科研项目，包括国家自然科学基金重点项目、国家自然科学基金重大研究计划项目、国家自然科学基金项目、863项目、博士点基金项目、安徽省自然科学基金项目等。发表论文20余篇，获得授权的国家发明专利3项。参加的研究项目“系统芯片SoC自测试方法研究”在2009年获安徽省科学技术研究成果三等奖；参加的研究项目“数字芯片测试技术研究”2011年取得教育部科技成果认定。目前是中国计算机学会会员，YOCSEF合肥学术委员会学术秘书。

会场方位示意图
地址：合肥工业大学屯溪路校区学术会议中心主会议厅

参会回执