中国计算机学会青年计算机科技论坛兰州分论坛

CCF Young Computer Scientists & Engineers Forum-Lanzhou Branch

CCF YOCSEF兰州

2019年11月18日（星期一） 14：30- 17：30

兰州理工大学 兰工坪校区1南301

学术报告活动，敬请光临

论坛主题

人工智能前沿技术及应用

程  序

14:00      签到

14:30      报告会开始

特邀讲者：薛景浩 博士，伦敦大学学院 副教授

报告题目：Metric learning with Lipschitz continuous functions（45分钟）

特邀讲者：Jen-Tzung Chien 博士，国立交通大学 教授

报告题目：Stochastic Markov Recurrent Neural Networks（45分钟）

特邀讲者：马占宇  博士， 北京邮电大学 副教授

报告题目：数据的非高斯建模与分析（45分钟）

特邀讲者：于  泓  博士，鲁东大学 讲师

报告题目：虚假语音检测算法研究（45分钟）

17:30  合影、休息

17:35   Panel讨论

讨论主题：人工智能路在何方？

特邀嘉宾：

薛景浩   博士，伦敦大学学院 副教授

于  泓  博士，鲁东大学 讲师

Jen-Tzung Chien 博士，国立交通大学 教授

马占宇  博士， 北京邮电大学 副教授

执行主席：

冯  涛  教授，兰州理工大学计算机与通信学院 院长

赵付青  教授，兰州理工大学国际合作处 副处长

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：fzhao2000@hotmail.com  Tel: 13919770005

特邀讲者 薛景浩

Dr Jing-Hao Xue received the B.Eng. degree in telecommunication and information systems in 1993 and the Dr.Eng. degree in signal and information processing in 1998, both from Tsinghua University, the M.Sc. degree in medical imaging and the M.Sc. degree in statistics, both from Katholieke Universiteit Leuven in 2004, and the Ph.D. degree in statistics from the University of Glasgow in 2008. He is an Associate Professor in the Department of Statistical Science at University College London and a Turing Fellow in the Alan Turing Institute. His research interests include statistical machine learning, high-dimensional data analysis, pattern recognition and image analysis.

报告摘要：Metric learning enables classification algorithms to automatically learn a suitable distance metric from data, such that semantically similar instances are pulled together while dissimilar instances are pushed away. A learned metric can significantly improve the performance of distance-based classifiers (e.g. KNN). In this talk, I will briefly present some of our recent research efforts on metric learning with Lipschitz continuous functions, including methodology, theoretical foundation and optimization formulation of each work.

特邀讲者 于  泓

鲁东大学信息与电气工程学院讲师，主要从事语音信号处理、深度神经网络、人工智能等方向的研究。主持省部及项目多项，在国内外重要期刊，会议上表发SCI、EI论文十余篇，获山东省科技进步二等奖一项。

报告摘要：随着社交网络的发展以及语音合成技术的进步，越来越多的网络用户会不经意间将自己的语音信息泄露在网络上。这使得犯罪分子可以利用语音合成软件生成与目标说话人非常类似的虚假语音，从而危害了网络用户的生命和财产安全。本报告对主流的语音合成算法进行综述，并介绍了如何构建一个有效的虚假语音检测算法，将真实语音与虚假语音进行区分从而保证声纹识别系统的安全性。

特邀讲者 Jen-Tzung Chien

Jen-Tzung Chien received his Ph.D. degree in electrical engineering from National Tsing Hua University, Hsinchu, Taiwan, ROC, in 1997. He is now with the Department of Electrical and Computer Engineering and the Department of Computer Science, National Chiao Tung University, Hsinchu, Taiwan, where he is currently a Chair Professor. He held the Visiting Professor position at the IBM T. J. Watson Research Center, Yorktown Heights, NY, in 2010. His research interests include machine learning, deep learning, natural language processing and computer vision.

Dr. Chien served as the associate editor of the IEEE Signal Processing Letters in 2008-2011 and the tutorial speaker of the ICASSP in 2012, 2015, 2017, the INTERSPEECH in 2013, 2016, the COLING in 2018, the AAAI, ACL, KDD, IJCAI in 2019, and the general co-chair of the IEEE International Workshop on Machine Learning for Signal Processing in 2017. He received the Best Paper Award of IEEE Automatic Speech Recognition and Understanding Workshop in 2011 and the AAPM Farrington Daniels Award in 2018. He has published extensively, including the books "Bayesian Speech and Language Processing", Cambridge University Press, in 2015, and "Source Separation and Machine Learning", Academic Press, in 2018. He is currently serving as an elected member of the IEEE Machine Learning for Signal Processing Technical Committee.

报告摘要：This talk will introduce a new stochastic Markov recurrent neural network for deep sequential learning. This work aims to strengthen the learning capability in sequential prediction where the trajectory of sequence patterns is driven by a stochastic Markov process with the state transitions are carried out by a multiple-state long short-term memory model. Such a latent state machine is capable of identifying the complicated latent structure in heterogeneous sequential data. Gumbel-SoftMax is developed to implement the stochastic back-propagation algorithm with discrete states. Some extensions to structural learning, self-attention and multi-stream fusion will be discussed. The experiments on sequence representation of text, speech, image and video will be reported.

特邀讲者 马占宇

瑞典皇家理工学院（KTH-Royal Institute of Technology）博士、博士后，现任北京邮电大学副教授、博士生导师，丹麦奥尔堡大学（Aalborg University）兼职副教授、博士生导师，IEEE 高级会员，中国图象图形学学会高级会员、理事、副秘书长，中国计算机学会高级会员、计算机视觉专委会秘书长。主要研究方向是以数据的非高斯建模与分析为代表的模式识别与机器学习基础理论与方法，及其在计算机视觉、城市大数据分析、多媒体信号处理等领域的应用。共在包括IEEE TPAMI 在内的期刊和会议上发表论文80 多篇，Google Scholar 引用1800+次，5 篇论文入选ESI 高被引论文（含3篇热点论文）。担任IEEE Transactions on Vehicular Technology等多个国际期刊的编委，是SPLINE 2016 Technical Co-Chair，IEEE MLSP 2018 Program Chair 等国际会议职务或委员，授 权发明专利15 项；主持国家自然基金优秀青年科学基金、联合重点基金、国家重点研发计划课题等项目；获中国人工智能学会“第七届吴文俊人工智能科学技术奖”一等奖，“北京市科学技术奖”二等奖，“北京青年优秀科技论文”一等奖；得到自然基金“优青”、“北京市科技新星”计划等人才项目计划的支持。

报告摘要：非高斯是一种泛在的数据分布形态。现实应用中所产生数据，有着与高斯分布截然不同的特性，这些数据服从非高斯(non-Gaussian)分布。虽可采用基于高斯分布假设、线性变换等传统的思路对此类数据进行建模与分析，但此思路缺乏对数据分布非高斯特性高效的、可靠的、准确的描述，从而影响实际应用中的性能。如何充分利用非高斯分布数据的统计特性，探索有别于传统高斯建模的思路，揭示数据分布与模型之间的内在关联规律，实现“数据的非高斯建模与分析”，是人工智能与计算机应用领域亟待解决的重要问题之一。报告人致力于“数据的非高斯建模与分析”的研究，针对概率模型构建时估计算法计算量大、最优特征提取时线性变换方法不适用和数据跨域融合时多源异构信息交互融合困难等挑战，提出了：1）非高斯概率模型高效贝叶斯估计的扩展变分法，2）非高斯分布数据的低秩表示与特征提取框架，3）非高斯分布数据的分析与跨域融合方法，形成了“高效、可靠、准确”的理论框架与技术方法，为解决了上述问题提供了方案。

执行主席 冯涛

博士，教授，博士生导师。现任兰州理工大学计算机网络与信息安全学科带头人，计算机与通信学院副院长。中国计算机学会高级会员，中国密码学学会会员。曾获甘肃省“第九届（2002）高校教师成才奖”等称号。西安电子科技大学教育部网络与信息安全重点实验室攻读计算机系统结构专业博士学位；新加坡管理大学信息安全实验室访问学者；新加坡管理大学-印度塔塔咨询服务公司（TCS）智慧城市实验室博士后。先后主持和参与完成多个大型计算机软件开发与应用项目，分别获甘肃省教学成果一等奖1项，甘肃省科技进步三等奖1项，甘肃省电子计算机办公室优秀成果二等奖2项，省级鉴定项目2项。主要从事无线网络安全，传感器网络安全，安全协议的可证明理论等领域的研究，主持国家自然基金面上项目“无线网络路由协议的可证明安全设计与自动化安全分析方法研究”，甘肃省高校基础研究项目“基于网络编码的多播安全路由协议研究”，甘肃省基金项目“无线Ad-hoc网络安全协议理论及关键技术的研究”，“基于逻辑的可证明网络取证分析技术研究”，兰州理工大学博士教师基金项目“基于安全多方计算的可信网络关键技术研究”，网络安全与密码技术福建省高校重点实验室开放课题“无线Mesh网络安全认证及关键技术研究”。参与研究863计划项目1项，国家自然基金3项，华为科技基金项目1项等。研究成果发表在“中国科学E辑/F辑”、“计算机学报”、 “软件学报”、“电子学报”、“计算机研究与发展”、“通信学报”、 “电子与信息学报”、 “宇航学报”、“电子科技大学学报” ，“Journal of Computational Information Systems”、“Information Technology journal”等计算机类重要学术刊物和大型国际学术会议，其中SCI检索、EI检索30多篇。为研究生、本专科生主讲《计算机网络》、《密码学与信息安全》等4门课程，培养博士研究生和硕士研究生20多人。

执行主席 赵付青

兰州理工大学计算机与通信学院教授，工学博士，博士后，博士生导师。获得青年教师成才奖、陇原青年人才扶持计划。美国佐治亚理工学院、英国EXETER大学访问学者，美国计算机学会ACM会员，中国计算机学会CCF、CCF YOCSEF兰州副主席，中国仿真学会智能仿真优化与调度专委会委员。主持国家自然基金1项、甘肃省科技支撑计划1项，兰州市创新创业人才计划1项，浙江省自然基金1项；国家自然基金国际合作、中国博士后基金特别资助各1项，中国博士后基金面上一等、二等、其它省部级项目共10项。完成国家自然基金1项，参与省部级重大项目4项，鉴定及结题9项，获奖7项。发表论文69篇，其中ESI 13 篇、SCI 43篇 （领域高水平期刊IJPR，ESWA，COR文章他引 700余次）EI 26篇。专著2部。获甘肃省科技进步三等奖1项、高校科技进步二等奖1项，甘肃省电子学会二等奖1项，甘肃省机械工程学会二等奖1项，兰州市科技二等奖1项，其他各类奖项7次。

联系人：赵付青  Email: fzhao2000@hotmail.com   Tel: 13919770005

会场方位示意图（甘肃省兰州市兰工坪287号；兰州理工大学兰工坪校区1南301）