QQ在（zài）线（xiàn）
企业微（wēi）信
资讯
434
首（shǒu）先，张海军教授汇（huì）报了《视链学（xué）习》的研究成（chéng）果，视（shì）链学习是对视频内容（róng）、广（guǎng）告和（hé）用户的相关性进行系统建模和优化，将视（shì）链问题转化为复杂约（yuē）束条件下的大规模跨（kuà）场景（jǐng）检索、个性化推荐和优化问题（tí），张教授详细介绍了基于视频特定人物的（de）衣服识（shí）别方法、基于跨域衣（yī）服图像的生成及检索（suǒ）方法、基于领域知识驱（qū）动的（de）时尚（shàng）搭配与设计（jì）方法、视频显著性检测（cè）及其在视链系（xì）统中的应用等（děng）内容，提出（chū）视频广告嵌入（rù）将可以（yǐ）为商业广告的（de）发（fā）展提供巨大帮助。
紧接着，张召教授（shòu）报告（gào）《基于（yú）低（dī）秩（zhì）编码的图像恢复和（hé）鲁棒子空间建模》，介绍了低秩（zhì）学习（xí）模型（xíng）及其（qí）应（yīng）用和改进。低（dī）秩学习（xí）是一种表示学习；表示（shì）学习经常用在深度学习和机（jī）器学习中，让机器来学习（xí）特（tè）征的表达。传统的表示（shì）学习方（fāng）法（fǎ）可（kě）能不能（néng）很好的处理图片模（mó）糊、缺（quē）失等问（wèn）题，采（cǎi）用低秩的方法可以对图像（xiàng）进行复原处理（lǐ）。张召教授详细地（dì）介（jiè）绍了（le）具体的理论和算（suàn）法，通过改进了传统（tǒng）算法（fǎ），来实现对人脸（liǎn）面部有（yǒu）遮挡并（bìng）且进行模糊（hú）处理的情况下进行面（miàn）部复原（yuán），改进后的效果比传（chuán）统的效果更（gèng）好（hǎo）。
随后，伍洲教授分享（xiǎng）了《回声状态网络(ESN)在（zài）时（shí）间序列预测（cè）上的应用》。回声神经网络是一种（zhǒng）新型的循环神经（jīng）网络(RNN)，它的特点（diǎn）是隐藏层由大（dà）量的随机稀疏连接的节点组（zǔ）成，并且（qiě）只需要输出（chū）连接权（quán）重值。伍（wǔ）洲（zhōu）教（jiāo）授介绍了该新型神经网络的算法原理，研究组（zǔ）对该（gāi）网络应用在不同情况的太阳（yáng）能预测工作，包括多簇回声状态网（wǎng）络（luò）的太阳能预测、多时间尺度回声状态网络的太阳能多任（rèn）务预测、深度多隐藏层回声状（zhuàng）态的太阳能预测以及基于链式回声（shēng）状态网络的时空太阳能预（yù）测。
最后（hòu），郝天永教授报（bào）告了（le）《关（guān）于文本分析与处理技术（shù）在医（yī）学（xué）上的（de）应用》，临床试验是针对人（rén）类参（cān）与者的（de）前瞻性研究（jiū），旨在回答有关（guān）生物医学或行为干（gàn）预的具体问题；临床试验评估其（qí）安全性和有效性，是发现新的（de）疾病治疗（liáo）方（fāng）法以及发现、诊（zhěn）断和降低疾病（bìng）风（fēng）险的新方法的重（chóng）要（yào）步（bù）骤（zhòu）。通过分（fèn）析开发新药的主要困难，郝教授（shòu）针对性地提（tí）出了2个研究问题：如何从非结构化资格标准文本中（zhōng）提取关键信息，从而帮助加速患者（zhě）招募（mù）?如何缩小临床（chuáng）试验研究人群与真（zhēn）实患（huàn）者人群之间的差距?为了解决以上（shàng）的问题，截（jié）至目前，他（tā）所在的团（tuán）队已经建立了（le）一个包含357017个医疗（liáo）患者的文本数据集（jí）。
在问答环（huán）节，参会人员（yuán）积（jī）极分享（xiǎng）了自己的讲座感悟，并向各位教授请教了相关问题，现场学术讨论氛围十（shí）分浓厚（hòu）。会议的最后，与会代表与嘉宾合影留念，会议圆满结束。
本次研讨会使到场师生获益（yì）良多，深刻（kè）地认识到大数据（jù）与人工智能技术对当（dāng）今社会产生和日（rì）常生活产生的积极作用和（hé）巨大影响力，同（tóng）时促进了学院教师（shī）在今后的教（jiāo）学和科研过程中及（jí）时更新教学理念、改进教学（xué）方法，帮助相关同（tóng）学了解（jiě）大数（shù）据（jù）前沿知识，从而（ér）获得更好的成长与发展，也（yě）为培养（yǎng）高质（zhì）量应用型人才打下（xià）坚实的基础。
