12月19日，人工智能頂級(jí)論文報(bào)告會(huì)暨 CAAI 青年科技成果獎(jiǎng)報(bào)告會(huì)將于哈工大（深圳）開(kāi)幕

雷鋒網(wǎng) AI 科技評(píng)論按：12 月 19 日（周三），由中國(guó)人工智能學(xué)會(huì)主辦，中國(guó)人工智能學(xué)會(huì)青年工作委員會(huì)承辦，哈爾濱工業(yè)大學(xué)（深圳）與雷鋒網(wǎng)協(xié)辦的「人工智能頂級(jí)論文報(bào)告會(huì)暨 CAAI 青年科技成果獎(jiǎng)報(bào)告會(huì)」將于深圳大學(xué)城拉開(kāi)帷幕。雷鋒網(wǎng) AI 科技評(píng)論將作為協(xié)辦媒體，提供現(xiàn)場(chǎng)報(bào)導(dǎo)，為大家?guī)?lái)第一手資訊。

本次報(bào)告會(huì)分為兩部分，一是人工智能頂級(jí)論文報(bào)告會(huì)，二是 CAAI 青年科技成果獎(jiǎng)報(bào)告會(huì)。

會(huì)議時(shí)間： 12 月 20 日 8:50-17:15

會(huì)議地點(diǎn)：深圳大學(xué)城哈工大 F 棟國(guó)際報(bào)告廳

報(bào)名鏈接：http://u6.gg/gxJm6

PS：本次活動(dòng)費(fèi)用全免，并提供茶歇環(huán)節(jié)。

會(huì)議議程如下：

人工智能頂級(jí)論文報(bào)告會(huì)

本次報(bào)告會(huì)共涉及到 7 場(chǎng)論文解讀，涵蓋 EMNLP、AAAI、IJCAI、ACL、ECCV 等多個(gè)學(xué)術(shù)頂會(huì)和期刊，詳細(xì)議程如下：

8:50-9:00 報(bào)告會(huì)開(kāi)幕

9:00-9:20 盧瑤 哈工大（深圳）

報(bào)告題目：Structure Optimization of the Convolutional Neural Networks

論文來(lái)源：

Super Sparse Convolutional Neural Networks. AAAI 2019

Auto Adaptive Regularized Convolutional Neural Networks. IJCAI 2018

9:20-9:40 王星 騰訊 AI Lab

報(bào)告題目：Effective Approaches to Exploiting Deep Representations for Neural Machine Translation

論文來(lái)源：

Exploiting Deep Representations for Neural Machine Translation, EMNLP 2018

Dynamic Layer Aggregation for Neural Machine Translation, AAAI 2019

9:40-10:00 鄭卓彬 清華大學(xué)

報(bào)告題目：Self-Enhanced Approaches for Deep Reinforcement Learning

論文來(lái)源：

Self-Supervised Mixture-of-Experts by Uncertainty Estimation, AAAI 2019

Self-Adaptive Double bootstrapped DDPG，IJCAI 2018

10:00-10:20 林秋鎮(zhèn) 深圳大學(xué)

報(bào)告題目：Multiobjective and Many-Objective Optimization using Evolutionary Algorithms

論文來(lái)源：

An Effective Ensemble Framework for Multiobjective Optimization, IEEE Transactions on Evolutionary Computation, 2018.

A Clustering-based Evolutionary Algorithm for Many-objective Optimization Problems, IEEE Transactions on Evolutionary Computation, 2018.

10:20-10:40 茶歇

10:40-11:00 徐靜云 華南理工大學(xué)

報(bào)告題目：Neural Short Text Classification Models

論文來(lái)源：

Improving Short Text Modeling by Two-Level Attention Networks for Sentiment. DASFAA 2018

Incorporating Context-Relevant Knowledge into Convolutional Neural Networks for Short Text Classification. AAAI 2019

11:00-11:20 彭寶霖 香港中文大學(xué)   

報(bào)告題目：Improving dialogue policy learning from agent and user perspective.

論文來(lái)源：

Deep Dyna-Q: Integrating Planning for Task-Completion Dialogue Policy Learning. ACL 2018

Adversarial Advantage Actor-Critic Model for Task-Completion Dialogue Policy Learning. ICASSP 2018

11:40-12:00 李夏 北大

報(bào)告題目: Recurrent neural network for image processing

內(nèi)容來(lái)源:

Recurrent Squeeze-and-Excitation Context Aggregation Net for Single Image Deraining

ECCV 2018 

12:00-14:00 午間休息

青年科技成果獎(jiǎng)報(bào)告會(huì)

青年科技成果獎(jiǎng)報(bào)告會(huì)將于下午召開(kāi)，與論文報(bào)告會(huì)類似，同樣會(huì)有 7 場(chǎng)報(bào)告。具體議程如下：

14:00-14:25  

題目： 基于幾何拓?fù)涞木W(wǎng)絡(luò)眾包策略研究

報(bào)告人：許倩倩 副研究員中國(guó)科學(xué)院計(jì)算技術(shù)研究所

摘要:  隨著互聯(lián)網(wǎng)及無(wú)線寬帶網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，網(wǎng)絡(luò)眾包因其具有成本低、參與人員廣泛、數(shù)據(jù)量大等優(yōu)點(diǎn)，提供了大數(shù)據(jù)時(shí)代下通過(guò)群體來(lái)完成主觀評(píng)測(cè)的新途徑。本次報(bào)告將圍繞網(wǎng)絡(luò)眾包策略研究中所涉及的若干關(guān)鍵問(wèn)題展開(kāi)討論，主要包括：1）以相關(guān)幾何拓?fù)鋵W(xué)理論（組合Hodge）為基礎(chǔ)，建立針對(duì)比對(duì)測(cè)試數(shù)據(jù)的統(tǒng)計(jì)排序算法；2）設(shè)計(jì)基于隨機(jī)圖的采樣機(jī)制，利用拓?fù)浼s束得到采樣率的下界，可節(jié)省成本30%以上；3）發(fā)展在線加速算法，為網(wǎng)絡(luò)眾包實(shí)驗(yàn)中的動(dòng)態(tài)序列數(shù)據(jù)提供高效處理手段，可加速300倍以上；4）構(gòu)建適合眾包大數(shù)據(jù)的統(tǒng)計(jì)抑噪和異常樣本檢測(cè)算法；5）提出基于mixed-effect model的用戶行為分析分析函數(shù)，有效降低預(yù)測(cè)誤差。

14:25-14:50

題目: 神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯理論與應(yīng)用

報(bào)告人：涂兆鵬 騰訊 AI Lab

摘要：機(jī)器翻譯是人工智能的終極目標(biāo)之一，其中核心的語(yǔ)言理解和語(yǔ)言生成是自然語(yǔ)言處理的兩大基本問(wèn)題，極具挑戰(zhàn)性。近幾年來(lái)，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯取得了巨大進(jìn)展，其生成的譯文接近自然句子，成為了主流模型。但是由于當(dāng)前神經(jīng)網(wǎng)絡(luò)的不可解釋性，無(wú)法保證原文內(nèi)容完整傳遞到譯文，使得神經(jīng)網(wǎng)絡(luò)翻譯模型存在譯文忠實(shí)度問(wèn)題（即“達(dá)而不信”）。本次報(bào)告介紹我們改進(jìn)模型架構(gòu)和訓(xùn)練框架的系列工作，通過(guò)提升模型對(duì)源句理解和目標(biāo)句生成的能力，改善神經(jīng)網(wǎng)絡(luò)翻譯模型忠實(shí)度低的問(wèn)題。

14:50-15:15 

題目：基于計(jì)算智能的復(fù)雜系統(tǒng)信息感知與行為分析

報(bào)告人：馬里佳 深圳大學(xué)助理教授 

摘要： 隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，復(fù)雜系統(tǒng)可以通過(guò)一種非結(jié)構(gòu)化復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)形式進(jìn)行表達(dá)。此外，信息存儲(chǔ)與感知技術(shù)的發(fā)展提供了大量可供研究的復(fù)雜系統(tǒng)網(wǎng)絡(luò)數(shù)據(jù)。通過(guò)對(duì)這些數(shù)據(jù)的魯棒性理論模型分析、算法設(shè)計(jì)、以及應(yīng)用驗(yàn)證等多種分析方法可推動(dòng)多個(gè)學(xué)科的結(jié)合和綜合發(fā)展。我們通過(guò)計(jì)算智能方法的建模與優(yōu)化設(shè)計(jì)，能夠高效求解海量、動(dòng)態(tài)、異質(zhì)、非結(jié)構(gòu)化網(wǎng)絡(luò)大數(shù)據(jù)的信息感知學(xué)習(xí)與行為分析問(wèn)題，并有效應(yīng)用于實(shí)際大規(guī)模復(fù)雜系統(tǒng)。 

15:15-15:40

題目：文本情感分析技術(shù)理論及其應(yīng)用

報(bào)告人：趙妍妍 哈爾濱工業(yè)大學(xué)副教授

摘要：社交媒體是以社會(huì)網(wǎng)絡(luò)為基礎(chǔ)，互聯(lián)網(wǎng)用戶發(fā)表和分享信息為主要形式的在線交互媒體。在這些信息中包含大量的用戶情感文本信息，并通過(guò)社交媒體影響現(xiàn)實(shí)世界。因此，對(duì)社交媒體中的情感文本進(jìn)行全面、深度的語(yǔ)義分析有著重要的理論意義和應(yīng)用價(jià)值。本次報(bào)告將結(jié)合文本情感表達(dá)和社交媒體的特點(diǎn)，探索面向社交媒體文本的情感分析計(jì)算理論及技術(shù)集成平臺(tái)。主要包括：(1)情感分類技術(shù)及其應(yīng)用，（2）細(xì)粒度多層次的情感信息抽取技術(shù)，（3）情感回復(fù)生成技術(shù)，（4）基于文本情感分析技術(shù)的集成平臺(tái)介紹，如：微博情緒地圖、微博熱點(diǎn)事件追蹤，以及面向產(chǎn)品評(píng)論的情感分析系統(tǒng)等，（5）基于文本情感分析技術(shù)的其他應(yīng)用介紹。

15:40-16:00 茶歇

16:00-16:25

報(bào)告人：楊敏 中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院助理研究員 

題目：基于多任務(wù)學(xué)習(xí)的文本自動(dòng)生成技術(shù)研究

摘要：文本自動(dòng)生成是自然語(yǔ)言處理領(lǐng)域的一個(gè)重要研究領(lǐng)域，也是人工智能走向成熟的一個(gè)重要標(biāo)志，具有極大的挑戰(zhàn)性。受人類多任務(wù)處理能力的啟發(fā)，本項(xiàng)目提出了基于多任務(wù)學(xué)習(xí)的文本自動(dòng)生成新框架，通過(guò)聯(lián)合優(yōu)化相關(guān)任務(wù)，共享相關(guān)任務(wù)之間的特征，有效提升文本自動(dòng)生成的效果以及模型的泛化能力；并結(jié)合人類閱讀認(rèn)知和信息理論，提出了類人信息分層建模機(jī)制，為自然語(yǔ)言的深入分析提供了新的視覺(jué)。

16:25-16:50

題目：基于雙目視覺(jué)的危化品安全監(jiān)測(cè)系統(tǒng)

報(bào)告人：劉學(xué)君

摘要：由于危險(xiǎn)化學(xué)品倉(cāng)儲(chǔ)企業(yè)所涉及的物質(zhì)具有易燃、易爆、易揮發(fā)等特點(diǎn)，具有較大的危險(xiǎn)性，現(xiàn)階段我國(guó)主要是以人工視頻監(jiān)控為主，急需危化品倉(cāng)庫(kù)內(nèi)部貨物安全儲(chǔ)存狀態(tài)監(jiān)測(cè)與預(yù)警。團(tuán)隊(duì)近年來(lái)一直致力于研究雙目視覺(jué)的危化品堆垛測(cè)距與預(yù)警系統(tǒng)，實(shí)現(xiàn)對(duì)堆垛安全“5距”（跺距、墻距、柱距、燈距、梁距）的監(jiān)測(cè)和測(cè)量，雙目立體視覺(jué)的測(cè)量過(guò)程主要包括圖像獲取、相機(jī)系統(tǒng)標(biāo)定、特征提取、特征匹配、三維重建等序列步驟，并搭建云平臺(tái)系統(tǒng)進(jìn)行用戶與管理者的方便訪問(wèn)。

16:50-17:15

題目：社交網(wǎng)絡(luò)信息可信度計(jì)算

報(bào)告人：韓旭 首都師范大學(xué)講師

摘要：隨著社交網(wǎng)絡(luò)的迅猛發(fā)展，虛假信息的來(lái)源愈加豐富，傳播愈加簡(jiǎn)單、快速，影響范圍愈加廣泛，使得其危害性也極具增加。因此，迫切需要進(jìn)行面向社交網(wǎng)絡(luò)的信息可信度分析和評(píng)估機(jī)制的研究。通過(guò)計(jì)算社交網(wǎng)絡(luò)的信息可信度來(lái)及早判定虛假信息、及時(shí)鎖定信息發(fā)布源、并阻止網(wǎng)絡(luò)上虛假信息的傳播，從而最大程度降低其所造成的危害。本人工作主要圍繞信息源、信息內(nèi)容等方面對(duì)信息可信度進(jìn)行建模計(jì)算：首先，從用戶可信度定義出發(fā)，提出了一種基于觀點(diǎn)的用戶可信度計(jì)算模型；其次，針對(duì)社交網(wǎng)絡(luò)短文本特性，提出了一個(gè)基于深度學(xué)習(xí)的中文短文本不確定性判別模型；同時(shí)，針對(duì)用戶評(píng)論的時(shí)序變化特點(diǎn)來(lái)對(duì)信息可信度建模，并在此基礎(chǔ)上，提出了一種基于強(qiáng)化學(xué)習(xí)的謠言早期檢測(cè)模型。 

附：AAAI 2019 召開(kāi)在即，雷鋒網(wǎng) AI 科技評(píng)論也將在第一時(shí)間進(jìn)行會(huì)議報(bào)道。如果你也有論文被 AAAI 錄用 ，歡迎在 AI 科技評(píng)論微信后臺(tái)留下你的聯(lián)系方式，我們將與您聯(lián)系，并進(jìn)行更多交流！

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。