- · 《传感技术学报》期刊栏[04/29]
- · 《传感技术学报》数据库[04/29]
- · 《传感技术学报》投稿方[04/29]
- · 传感技术学报版面费是多[04/29]
聚焦AI落地痛点,纵论跨域学习技术前沿
作者:网站采编关键词:
摘要:《AI落地的跨域学习技术和进展》技术论坛将于CNCC期间,10月24日下午16:00-18:00,在北京新世纪日航饭店2层江苏厅举行。本论坛邀请跨域学习领域、学术界的顶尖学者和工业界的领军人物
《AI落地的跨域学习技术和进展》技术论坛将于CNCC期间,10月24日下午16:00-18:00,在北京新世纪日航饭店2层江苏厅举行。本论坛邀请跨域学习领域、学术界的顶尖学者和工业界的领军人物一起,聚焦AI落地过程中跨域学习起到的重要作用,一起探讨跨域学习的技术前沿和进展。欢迎光临!
今年CNCC大会将于10月22-24日在北京(主会场)举行,全国多地设立分会场和专场并进行同步线上直播。今年除讲者阵容十分强大外(首批KN讲者确认:图灵奖得主、院士、名企专家将做特邀报告),活动也十分多。包括三场大会论坛、百余场技术论坛、CTO Club峰会首发、14场特邀报告、CCF颁奖晚宴、优秀大学生颁奖等,精彩纷呈,不容错过。
技术论坛丰富多彩、嘉宾阵容强大、话题前沿,其中10月24日下午16:00-18:00,在北京新世纪日航饭店2层江苏厅举行的《AI落地的跨域学习技术和进展》技术论坛,将邀请跨域学习领域学术界的顶尖学者和工业界的领军人物一起,聚焦AI落地过程中跨域学习起到的重要作用,以及AI落地痛点等尖锐问题展开探讨,一起探讨跨域学习的技术前沿和进展,欢迎光临!
AI落地的痛点,跨域学习的技术和进展
传统的机器学习和现在的深度学习都依赖大量的标注数据,并在监督下训练出表现优异以及具备一定泛化能力的模型。但随着感知环境及应用场景的变化,训练好的模型性能会大幅度下降,重新训练周期长成本高,再加上AI人才的短缺,都成为AI落地和普惠的障碍。如何解决跨域学习、数据标注以及数据隐私问题,训练更具泛化性、鲁棒性的模型成为学术界和工业界面临的共同课题。在此背景下,跨域学习和迁移学习成为近年来研究的前沿热点。
通用智能是下一代AI发展的必然趋势,代表智能革命的未来。跨域学习、迁移学习、无监督学习、自监督学习等将在未来几年实现在多个领域的落地生根,正在成为AI大规模落地的希望。本论坛邀请跨域学习领域走在国际算法前沿的学术界顶尖学者和已在产业应用中实现落地的工业界领军人物,共同探讨AI落地的跨域学习技术和进展。
论坛议程日程
论坛主席
申省梅澎思科技首席科学家、新加坡研究院院长。华人知名女科学家,计算机视觉与深度学习领域国际知名学者。前松下新加坡研究院副院长,累计获得30余项人工智能国际竞赛冠军,累计专利300余项。拥有计算机视觉领域全栈算法研究及工程化经验,技术面覆盖AI智能传感、AI视觉感知、AI视图处理、视觉导航和控制、增强现实、声纹识别、机器人等领域。曾荣获日本松下杰出技术、领军人物特别奖;担任国际标准化组织(ISO)和国际电工委员会(IEC)标准制定主编;负责和牵头多项音视频国际标准制定工作,在CVPR 2020组织了第一届Anti-UAV Workshop & Challenge竞赛。
陈熙霖中科院计算技术研究所研究员,IEEE Fellow, IAPR Fellow, CCF会士。近年来主要研究领域为计算机视觉、模式识别、多媒体技术以及多模式人机接口。目前是IEEE Trans. on Multimedia的Associate Editor、Journal of Visual Communication and Image Representation的Senior Associate Editor、计算机学报副主编、人工智能与模式识别副主编。先后获得国家自然科学二等奖1项,国家科技进步二等奖4项,合作出版专著1本,在国内外重要刊物和会议上发表论文300多篇。
讲者简介
杨强微众银行首席人工智能官、香港科技大学讲席教授,AAAI、ACM、CAAI、IEEE、IAPR、AAAS Fellow,《IEEE Transactions on Big Data》和《ACM Transactions on Intelligent Systems and Technology》开创主编,曾获2019年度“吴文俊人工智能科学技术奖”杰出贡献奖,2017年ACM SIGKDD杰出服务奖。他曾任华为诺亚方舟实验室主任,第四范式公司联合创始人,香港科技大学计算机与工程系系主任以及国际人工智能联合会(IJCAI)理事会主席。最近的著作有《迁移学习》和《联邦学习》。演讲题目:用户隐私,数据孤岛和联邦学习摘要:联邦学习,是当前人工智能尤其是AI金融领域,最受工业界和学术界关注的研究方向之一。当下,AI在算法研发方面突飞猛进,却离企业落地的目标有着不小的距离。AI所面临的一个挑战是标注数据的严重不足,而数据往往分布在不同的机构和个人形成的数据孤岛处。使用和聚合这些数据都会受到用户隐私、商业安全的挑战。本次演讲将介绍如何利用联邦学习来连接数据孤岛的数据,形成合力,以得到更有效的机器学习模型,同时保护用户隐私和商业机密。
文章来源:《传感技术学报》 网址: http://www.cgjsxb.cn/zonghexinwen/2021/0707/469.html