CCFCV走进高校

特邀讲者:梁吉业博士,山西大学教授

演讲题目:表示学习研究进展与思考

9:20-10:10

特邀讲者:李玺博士,浙江大学教授

演讲题目:ContinualLearningwithDeepNeuralNetworks

10:15-10:55

特邀讲者:郑伟诗博士,中山大学教授

演讲题目:微记忆下的连续图像识别

11:00-11:30

特邀讲者:姚涵涛博士,中国科学院自动化研究所副研究员

演讲题目:面向多元异构数据的持续学习

13:30-14:10

特邀讲者:洪晓鹏博士,哈尔滨工业大学教授

演讲题目:增量学习的一些新进展

14:15-14:45

特邀讲者:霍静博士,南京大学副教授

演讲题目:面向生成式模型的持续学习技术进展与趋势

14:50-15:20

特邀讲者:杨杨博士,南京理工大学教授

演讲题目:面向开放环境的类增量学习研究

15:25-15:55

特邀讲者:李爽博士,北京理工大学副教授

演讲题目:持续迁移学习简述与进展

16:00-16:30

特邀讲者:梁国强博士,西北工业大学副教授

演讲题目:类增量学习技术研究

执行主席:

胡伏原博士,教授,中国计算机学会苏州分部副主席,苏州科技大学电子与信息工程学院院长

龚声蓉博士,教授,中国计算机学会苏州分部主席

程涵婧博士,苏州科技大学讲师

赵少川江南大学博士生

讲者/报告信息

特邀讲者:梁吉业

梁吉业,博士、教授、博士生导师,中国计算机学会(CCF)会士,中国人工智能学会(CAAI)会士,山西大学学术委员会主任,山西大学计算智能与中文信息处理教育部重点实验室主任,曾任山西大学副校长(正校级)、太原师范学院院长。现任教育部科技委人工智能与区块链专门委员会委员,教育部计算机类专业教指委委员,中国计算机学会人工智能与模式识别专委会主任,山西省计算机学会理事长,享受国务院政府特殊津贴专家。先后主持科技创新“2030—新一代人工智能”重大项目、国家自然科学基金重点项目、国家863计划项目等10余项。先后在AI、JMLR、IEEETPAMI、IEEETKDE、NeurIPS、ICML等国际国内重要学术期刊和会议发表论文300余篇。作为第一完成人获山西省自然科学一等奖3项、第五届中国国际发明展览会金奖1项、山西省教学成果特等奖2项。2014—2023年连续入选爱思唯尔中国高被引学者榜单。指导的博士生获得全国百篇优秀博士学位论文提名奖、中国计算机学会优秀博士学位论文奖、中国人工智能学会优秀博士学位论文奖。

李玺,浙江大学求是特聘教授,IETFellow,IEEESeniorMember,国家杰青,国家青年特聘专家,Elsevier2023“中国高被引学者”,主要从事人工智能领域研究,提出了多因子耦合模型学习新理论,探索了知识引导的模型结构设计与搜索新方法,开拓了复杂异构图像结构语义理解的新技术。担任国际权威期刊的编委和顶级会议的AreaChair,获得2021年中国图象图形学会自然科学奖二等奖,2021年中国电子学会科技进步一等奖,2021年中国产学研合作促进会产学研合作创新与促进奖,2022年世界互联网领先科技成果,2022年教育部高等学校科学研究优秀成果奖科学技术进步奖一等奖,2023年中国发明协会发明创业奖创新奖一等奖,2023年陆增镛CAD&CG高科技奖一等奖,两项中国北京市自然科学技术奖(包括一等奖和二等奖),以及一项中国专利优秀奖。荣获四项最佳学术论文奖、腾讯好专利、华为优秀合作成果奖和火花价值奖。成果应用于华为、阿里、海康等企业。

报告摘要:互联网和物联网时代催生了大数据,从这些海量数据中如何进行持续性特征学习已经成为当今知识经济时代亟待解决的核心技术问题。本报告主要围绕基于神经网络的continuallearning方法,进行图像/视频数据的视觉特征学习,从视觉特征表达、深度学习器构建机制、高层语义理解等多维度视角进行了深入剖析,并引入了特征学习所涉及的主要研究问题和技术方法。介绍了近年来我们利用特征学习进行视觉语义分析和理解所做的一系列代表性的研究工作及其实际应用。

郑伟诗,中山大学计算机学院教授/副院长、教育部“长江学者奖励计划”特聘教授、英国皇家学会牛顿高级学者,现任教育部机器智能与先进计算重点实验室主任。长期研究协同与交互分析理论与方法,解决人体建模和机器人行为的视觉计算问题。担任IEEET-PAMI等期刊的编委。主持承担国家级重点类项目和人才项目5项、以及广东省自然科学基金委卓越青年团队(负责人)项目等。获国家教学和省部级科技奖励6项。

报告摘要:一直以来,我们希望深度学习模型能不断地针对新问题、新类别、新数据等展开持续性学习。然而,由于灾难性遗忘问题的存在,当深度学习模型针对新任务做优化后,原有任务的分类等性能产生严重的下降。为此,近年以来,不少新颖的连续学习算法被提出。在连续学习上,我们做了些工作,主要是如何利用无标注数据解决小记忆下的连续学习建模问题和如何利用提示建模解决零记忆环境下快速适配下游任务的连续学习问题。我们将对这些近期的探索做介绍,并期望与大家一起讨论。

报告摘要:本报告针对深度神经网络在学习新任务和知识时所面临的"灾难性遗忘"问题,旨在探讨如何保留旧知识从而实现知识的增量式积累。报告将简要介绍目前主流方法,包括基于重放的遗忘抑制机制、基于提示学习的增量学习框架,以及在大模型时代出现的新趋势。

特邀讲者:杨杨

李爽,北京理工大学长聘副教授,博士生导师,在TPAMI、IJCV、TKDE、TIP等期刊和NeurIPS、ICLR、CVPR、ICCV等会议发表论文50余篇,其中CCF-A类34篇(第一/通讯作者31篇),ESI高被引3篇。荣获教育部自然科学一等奖、北京市科技新星等荣誉。作为负责人主持了国家重点研发计划课题、国家自然科学基金(面上/青年基金)、CCF腾讯犀牛鸟基金、CCF百度松果基金、阿里巴巴AIR项目等。目前的研究领域包括:领域自适应学习、动态迁移学习与多模态学习。

梁国强,西北工业大学,副教授。主要研究兴趣包括深度连续学习、面向无人机的自进化感知等。在IEEETIP、TCSVT、CVPR等领域高水平期刊和会议上发表论文近20余篇,申请专利10余项。主持了国家自然科学基金面上项目、青年项目、国家级纵向项目等多项,参与国家重点研发计划、国家自然科学基金重点项目等。

胡伏原,教授/博士,硕士生导师,国一流专业负责人。现任苏州科技大学电子与信息工程学院院长。江苏省“333高层次人才培养工程”中青年科技带头人、江苏高校“青蓝工程”教学团队负责人、中青年学术带头人,并入选江苏省“六大人才高峰”人才培养对象。现为中国体视学学会常务理事,CCF计算机视觉专委会委员,中国图象图形学会成像探测与感知专委会委员。

龚声蓉,博士,二级教授,苏州大学博士生导师,常熟理工学院计算机科学与技术学科带头人,中国计算机学会理事、杰出会员、苏州分部主席,苏州市计算机学会副理事长、苏州市人工智能学会副理事长,主要从事图像与视频分析、机器学习等研究。先后主持国家和省部级科研课题20多项,获部级科技进步奖4项,苏州市自然科学优秀学术论文一等奖1项。是江苏省高校优秀科技创新团队“智能视觉信息处理”负责人,江苏省低碳智能座舱研发与测试工程研究中心技术负责人,苏州市工业智能与大数据创新实验室主任。在IEEETransactionsonCircuitsandSystemsforVideoTechnology、IEEETransactionsonIntelligentTransportationSystems等发表论文100多篇,出版中英文学术著作各1部。

程涵婧,讲师。于2013年获南京理工大学工学学士学位,2022年获南京理工大学工学博士学位,同年加入苏州科技大学任教。近3年发表SCI论文5篇,其中包括ESI高被引论文一篇。作为主要成员参加国家自然科学基金项目5项,担任InformationFusion、Neurocomputing等多个学术期刊审稿人。

承办单位简介

苏州科技大学简介

苏州科技大学(SuzhouUniversityofScienceandTechnology),位于江苏省苏州市,是中华人民共和国住房和城乡建设部与江苏省人民政府共建高校,入选教育部卓越工程师教育培养计划、国家级大学生创新创业训练计划、国家大学生文化素质教育基地、国家级高校学生科技创业实习基地、全国首批承担援外硕士学历学位教育项目高校、江苏省博士学位授予立项建设单位,为CDIO工程教育联盟、长三角G60科创走廊高水平应用型高校协同创新联盟成员单位。

学校前身苏州科技学院于2001年9月由原苏州城市建设环境保护学院与原苏州铁道师范学院合并组建而成。原苏州城市建设环境保护学院为建设部直属院校,1983年筹建(前身苏州建筑工程学校1953年成立)。原苏州铁道师范学院为铁道部直属院校,1980年成立(前身苏州铁路中学1951年筹建)。2000年两所学校的隶属关系同时划转到江苏省,实施“中央与地方共建,以地方管理为主”的办学管理体制。2016年3月,学校更名为苏州科技大学。

THE END
1.ContinualLearning/LifelongLearning/IncrementalLearning1.任务增量学习 对于持续学习,任务增量学习(TIL)通常作为基本设置,即在训练和测试中都提供任务标识。TIL只需要在相应的任务空间中对实例进行分类,换句话说,任务增量学习事先告诉测试的类属于之前学习的时候划分的哪一个任务,只需要评估出当前测试的类属于给定任务中的哪一个类即可,它不需要跨任务的辨别能力。TIL比CILhttps://blog.csdn.net/Si_ang_/article/details/129872099
2.深度学习如何避免遗忘问题,如何解决增量学习的问题?增量学习和持续学习有什么区别?增量学习和持续学习经常互换使用,但它们有细微的区别。增量学习侧重于模型https://www.zhihu.com/question/427433372/answer/3517666901
3.NatureMachineIntelligence三种类型的增量学习持续学习领域,又称终身学习,致力于缩小自然智能和人工智能在增量学习能力上的差距。近年来,在医疗诊断、自动驾驶或金融市场预测等应用中部署持续学习算法的潜在效用推动下,机器学习研究的这一领域迅速扩张。持续学习有三种基本类型,或“场景”:(a)在任务增量学习中,算法必须增量地学习一组明显不同的任务;(b)在域增量https://cloud.tencent.com/developer/article/2202907
4.万文长字总结“类别增量学习”的前世今生开源工具包然而,我们的人脑却有这种非凡的能力, 能够学习大量不同的任务, 而不会出现任何负面的相互干扰。 持续学习(Continual Learning)算法试图为神经网络实现同样的能力, 并解决灾难性的遗忘问题。 因此, 从本质上讲, 持续学习执行的是对新任务的增量学习(Incremental Learning)。https://www.thepaper.cn/newsDetail_forward_17451573
5.怎么使LLama3模型具备持续学习和自我修正的能力问答要使LLama3模型具备持续学习和自我修正的能力,可以采取以下几种方法:1. 增量学习:通过不断输入新的数据和信息,让模型持续学习和更新自己的知识库,以适应不断变化的环境和需求。2. 强化学习https://www.yisu.com/ask/76731041.html
6.增量学习机器之心增量学习作为机器学习的一种方法,现阶段得到广泛的关注。对于满足以下条件的学习方法可以定义为增量学习方法: * 可以学习新的信息中的有用信息 * 不需要访问已经用于训练分类器的原始数据 * 对已经学习的知识具有记忆功能 * 在面对新数据中包含的新类别时,可以有效地进行https://www.jiqizhixin.com/graph/technologies/09134d6a-96cc-409b-86ef-18af25abf095
7.各地区各部门传达学习十八届中央纪委五次全会精神(七)持续发扬“钉钉子”精神,坚持一个节点一个节点地抓,一件事一件事地改,确保把改进作风抓出习惯、抓出长效来。要始终保持惩治腐败的高压态势。加大对群众身边不正之风和腐败问题的查处力度,坚持无禁区、全覆盖、零容忍,严肃查处腐败分子,减少腐败存量、遏制腐败增量、重构政治生态,着力营造不敢腐、不能腐、不想腐的https://www.ccdi.gov.cn/special/wcqh/xxgc/201501/t20150122_50464.html
8.当小样本遇见增量学习,智能如何实现,超详细最新综述来袭!(6)增量学习:与FSCIL稍有不同的是,增量学习为每个新增类别提供了充足的样本。这个领域也被称作持续学习或终身学习。 2 小样本类增量学习方法 2.1 基于传统机器学习的方法 基于传统机器学习的小样本类增量学习方法从监督方式、统计优化和函数优化等角度出发,具有较高的模型可解释性。这些方法通常有较少的超参数,因此https://www.cvmart.net/community/detail/8256
9.AI模型的持续学习能力亟待提升“AI模型持续学习的解决方案简直是一个价值数十亿美元的问题。”他说,“一个真正的、全面的解决方案将允许你不断更新模型,从而显著降低训练这些模型的成本。” 此外,模块化设计和增量学习也被视为提升AI模型持续学习能力的有效策略。模块化设计通过将AI模型拆分为多个独立模块,实现了任务处理的灵活性和高效性。当面对https://www.cnii.com.cn/rmydb/202408/t20240829_597297.html
10.增量学习Incrementallearning/百科/HyperAI超神经Hyper增量学习指新增数据时,只做关于新增数据的更新,增量学习可以不断从新样本中学习新的知识,同时保存大部分以前学习到的知识。 增量学习类似于人类学习模式,是一个逐渐积累和更新的过程。 传统学习方式为批量学习,其通过准备好所有数 […]https://hyper.ai/wiki/4281
11.西工大潘泉团队:如何解决增量学习中的灾难性遗忘问题?针对类增量学习中的灾难性遗忘问题,该文提出一种不同类的数据流和特征空间双分离的类增量学习算法。进一步,利用实测和仿真数据构建了一个飞机目标高分辨率距离像增量学习数据集,实验结果表明该算法相比其它几种对http://www.myzaker.com/article/66cd1cb28e9f092ed30909ad
12.银行客户经理心得体会(通用15篇)我告诉自己不能总在有业绩和没业绩这件事上徘徊,要把目光放远点,放在实实在在的东西上,所以我开始努力学习业务。我在厅堂的日常维护中学习零售业务,也会帮助公司客户经理走访客户,办理业务,这样一来,虽然我还是没有业绩,但是我每天都在忙碌,不断地学习新知识。我感到一些充实和满足,而不再深陷于能不能转正、https://mip.ruiwen.com/xindetihui/2884809.html
13.机器学习中在线学习批量学习迁移学习主动学习的区别电子六、增量学习与减量学习 online learning包括了incremental learning和decremental learningincremental learning增量学习,是指一个学习系统能不断地从新样本中学习新的知识,并能保存大部分以前已经学习到的知识。增量学习非常类似于人类自身的学习模式。因为人在成长过程中,每天学习和接收新的事物,学习是逐步进行的,而且,对已http://eetrend.com/node/100016949
14.人工智能中小样本问题相关的系列(四):知识蒸馏增量学习知识蒸馏被广泛的用于模型压缩和迁移学习当中。 本文主要参考:模型压缩中知识蒸馏技术原理及其发展现状和展望 1. 基本概念 知识蒸馏可以将一个网络的知识转移到另一个网络,两个网络可以是同构或者异构。做法是先训练一个teacher网络,然后使用这个teacher网络的输出和数据的真实标签去训练student网络。 https://m.nowcoder.com/discuss/353156472483815424
15.2024年社工工作者总结(精选21篇)以上是这一年来我所做的工作,取得的成绩同上级部门的关心与社区两委会的支持和广大村民朋友的积极配合是分不开的,当然我也有做得不够的地方,在今后的工作中我要继续加强业务知识的学习,提高自己的工作能力,切实为老百姓办好事。 谢谢大家! 社工工作者总结 3 https://www.wenshubang.com/gongzuozongjie/2835840.html
16.银行工作亮点总结(精选24篇)以上是我今年工作以来的一些体会和认识,也是我在工作中将理论转化为实践的一个过程,在以后的工作中我将加强学习和掌握财务各项政策法规和业务知识,不断提高自己的业务水平,加强财务安全意识,维护个人安全和公司的利益不受到损失,做好自己的本职工作,和公司全体员工一起共同发展,新的一年意味着新的.起点、新的机遇、https://www.yuwenmi.com/fanwen/gongzuo/3650571.html