山东省人工智能学会青年学者论坛成功举办

 12月20日上午，山东省人工智能学会青年学者论坛在日照举办，论坛邀请了省内知名青年学者贲晛烨、赵中英、李成栋、甘敏、刘聪、聂秀山和汪云海7位教授做了精彩报告，山东省各高校教师、研究生及省内知名人工智能企业负责人和代表近300人通过线上、线下形式参加了论坛。本次论坛由山东省人工智能学会常务理事、山东财经大学泰山学者青年专家蹇木伟教授担任论坛主席。

 在论坛上，山东大学贲晛烨教授做了《Coupled Patch Alignment for Matching Cross-view Gaits》报告。贲晛烨教授针对传统度量学习算法无法做到图像形态存在较大差异时的匹配问题，发展了耦合度量学习理论，提出的耦合块对齐（Coupled Patch Alignment ， CPA）度量学习算法将样本和它的跨视角下同类近邻以及异类近邻组成局部块，平衡跨视角类内的紧密性与类间的可分离性，并将CPA进一步扩展成多维耦合块对齐，解决了任意数量的视角共同学习问题。

 

 山东科技大学赵中英教授做了《网络表示学习的关键技术研究及其在推荐系统中的应用》报告。随着社交媒体的快速发展，带来了信息产生社会化、信息内容碎片化和信息传播网络化等诸多问题，社交网络数据的深度分析与挖掘成为近年来的热门研究领域。然而，直接对原始网络进行分析与挖掘往往具有并行化处理难、计算代价高、效率低下等问题。一种有效的解决思路是，将原始网络无损最小损失地转化到向量空间进行处理，由此网络表示学习应运而生，并迅速得到工业界与学术界的广泛关注。本报告介绍了网络表示学习的基本概念、主流的研究工作、以及赵中英教授团队近几年在网表示学习方法及应用方面的研究进展。

 

 泰山学者青年专家、山东建筑大学李成栋教授做了《数据驱动的建筑运行智能建模与故障诊断》报告。报告介绍了李成栋教授团队在建筑数据获取与智能处理方面的工作。报告给出了基于物联网技术的建筑智能化系统架构，探讨数据驱动方法在用能数据增强与预测、环境热舒适性描述、空调系统故障诊断、建筑能源建模、非侵入式设备识别等建筑智能化问题中的应用。

 

 泰山学者青年专家、青岛大学甘敏教授做了《可分离非线性模型的优化算法》报告。在机器学习、系统辨识、信号处理、计算机视觉、图像处理、机械等众多领域，存在大量的可分离非线性模型。由于这类模型的参数优化问题本质上是非凸的，因而它是多学科领域的共性难题寻找高效的算法具有很大的挑战性。变量投影算法是优化可分离非线性模型的一种独特算法，由于其对问题的参数空间进行了降维，因而非常的高效，在可分离非线性最小二乘问题中得到广泛的应用。甘敏教授介绍了可分离优化问题基本概念，讲解变量投影算法的经典策略及其扩展，并给出了算法的在机器学习领域中的一些应用。

 

 泰山学者青年专家、山东理工大学刘聪教授做了《分层业务过程挖掘技术研究及其在系统推荐中的应用》报告。过程挖掘已经在业务过程管理、物流管理、离散制、医疗过程管理等领域取得广泛应用，已有的过程挖掘方法大都通过挖掘任务之间的序、并发、分支和循环依赖关系，进而构造一个扁平过程模型，这些方法并不能很好的支持包含过程调用/外包关系的分层过程模型的挖掘。刘聪教授提出了一种从带有任务生命周期信息的事件日志中识别任务之间嵌套关系，进而挖掘分层业务过程模型的方法挖掘得到的模型用分层 Petri网来描述。在分过程模型的基础上，给出了模型质量度量和形式化验证方法。基于仿真日志数据和真实日志数据，验证了本方法针对分层业务过程模型挖掘的优势。

 

 泰山学者青年专家、山东建筑大学聂秀山教授做了《视觉大数据智能检索与分析》报告。图像、视频等视觉数据是互联网数据的主要形式，在当前的数据爆炸性增长的时代，对视觉大数据的智能检索和智能分析非常重要，本次报告结合其团队近期工作，从大数据哈希学习，视频异常事件检测、基于自然语言的视频片段检索定位三个方面介绍智能时代的视觉数据智能检索和分析技术。

 

 最后，国家级青年人才、山东大学汪云海教授做了《从视觉科学到数据科学，感知驱动的可信可视化》报告。可视化把复杂抽象的数据转化为形象直观的图形图像，使人轻松洞察数据背后的内涵，达到“图胜千言”的效果。然而，由于人类视觉的非线性感知特性，视觉敏感度与数据的尺度不匹配，可视化常常不仅不能准确的呈现数据特征，甚至传递错误的信息。随着数据规模的快速增长，这个问题变的更加尖锐。对此， 汪云海教授团队提出了“感知动的可信可视化( Perception- -driven Trustworthy Visualization)”理念，通过对人类的视觉感知特性建模，指导可视化设计与大规模数据采样，从而生成符合人类视觉感知特性的可信可视化。

 本次山东省人工智能学会青年学者论坛汇集了我省人工智能领域学术界和产业界的青年才俊，充分进行了交流学术思想，碰撞了研究花火，将进一步推动我省的产学研落地，有效助力我省工业新旧动能转换和工业智能化高质量的发展。