【总结】CCF-MM走进高校@山东建筑大学&山东大学

CCF TCMT CCF多媒体专委会 2020-06-22

CCF-MM走进高校系列活动

CCF@U：CCF-MM

山东建筑大学&山东大学

2020年6月20日上午，中国计算机学会“CCF走进高校”活动以在线直播的形式圆满举行。本次活动由中国计算机学会多媒体专业委员会主办，山东建筑大学和山东大学联合承办。报告会以“智能媒体分析与计算”为主题，山东建筑大学刘萌教授主持，山东建筑大学计算机科学与技术学院院长马宏伟为开幕式致辞，特别邀请了南京航空航天大学陈松灿教授、大连理工大学刘日升教授以及四川大学彭玺教授为大家带来精彩的专题报告。

陈松灿教授的报告题目是“机器学习简介及若干展望”。首先，陈教授从发展和科学范式两个视角为大家介绍了机器学习在人工智能中的地位，并且从数据生成的观点阐述了何为机器学习。而后，陈教授引出机器学习的核心问题，即如何用计算的方法（模拟类人的学习行为）从经验/数据中获取规律/模型/假设，并用于预测新数据等。针对机器学习的关键问题——能否学和如何学方面，陈教授进行了非常全面的介绍，同时以监督学习为示例讲解了学习过程。随后，陈教授为大家总结了一些机器学习模型建模的相关要素和模型选择的原则。最后，陈教授对机器学习的发展进行了若干展望。

刘日升教授报告的题目是“面向元学习的双层优化问题”。首先，刘教授结合具体的实例详尽地为大家介绍了何为元学习，充分地解释了元学习与多任务学习之间的关系，并阐明了其与标准机器学习问题之间的区别。随后，刘教授介绍了两类具有代表性的元学习方法的构建方式，同时从最优化的角度给出若干深度学习方法的理论分析。之后，刘教授分享了如何从超参数优化的观点理解元学习问题，展示了已有一阶双层优化算法在求解双层优化问题的局限性，并提出一种高效的优化算法BDA。最后，刘教授从理论上对BDA算法进行了分析，并展示其在元学习问题上的应用。

彭玺教授报告的题目是“多模态深度表示学习”。 首先，彭教授对多视图或多模态表示学习的研究背景进行了综合性的介绍，并指出无监督的多模态表示学习仍是一个极具挑战的问题。随后，彭老师介绍了他早期的一个多视图表示学习工作，该研究从多视图一致性关系约束角度出发，对传统谱聚类进行重铸，构建了一个可微的正交化层，将多模态聚类从浅层模型推广到深层模型，并且其在分类、聚类及检索中均取得当时较好效果。此外，彭老师还介绍了他的另一个研究成果——自动化多视图聚类，该算法能以数据驱动的方式自适应地学习包括聚类数目在内的所有参数，避免了模型和参数选择。最后，彭老师对于无监督学习的重要性给出了详细的解释。

每位专家的报告结束之后，活动都安排了提问环节。各位老师精彩的报告受到在线观看者的极大关注，大家提出了很多问题与各位专家进行交流。此外，直播间内听众间的讨论也十分激烈。本次CCF-MM走进高校系列报告会通过腾讯会议+B站直播的方式，在2小时30分的直播时间内，达到了8867的观看人气峰值。