首页 / 市场 / 智能技术与标准及IEEE Fellow论坛精彩回顾

智能技术与标准及IEEE Fellow论坛精彩回顾

640.webp

“智能技术与标准及 IEEE Fellow 分论坛” 于30日下午举办,新一代人工智能产业技术创新战略联盟联合秘书长李世鹏主持了会议,来自海信、思必驰、华为的三位产业界专家和5位学术明星(IEEE Fellow)为与会代表带来了精彩的报告。三位产业界代表从多个方面阐述了各自行业目前面临的机遇、挑战及相应应对措施,五位学术界明星或幽默、或严谨地报告了各自目前的学术研究。

640.webp (1)

海信公共安全事业部总经理孙论强
演讲主题:从视频接力到精准跟踪一一跨媒体智能领航安防行业

孙论强表示,跨媒体智能技术突破之后,可实现各种异构数据的融合,充分发挥机器学习、数据分析与挖掘等的优势,比如多种媒体的融合应用、多元异构数据分析、多维智能主动预警。孙论强展示了海信在跨媒体智能安防上的成果。

640.webp (2)思必驰联合创始人、首席科学家俞凯

演讲主题:从DUI说起,流通生长的对话智能

俞凯谈到,目前的智能行业主要有三个层次,一是基础支撑层,二是智能交互层,三是系统应用层。他们正在做的就是第二层,其核心技术是感知、认知和表达。他对对话认知智能技术路线提出自己的看法——从深度学习到迁移学习(解决数据量的问题),从数据驱动到知识嵌入(利用已有的知识),从开环学习到闭环学习(让机器具备自学习的能力)。

640.webp (3)

华为 CBG 软件工程部副总裁张宝峰

报告主题:Enabling Next Generation Mobile experience with Huawei HiAI

张宝峰表示,HiAI IDE 与 Android studio 完美集成,可以不改变开发者习惯,快速集成 AI 模型,快速开发出极具想象力和全新体验的 AI 应用。他表示,通过这样一个开放的生态,会促进整个产业链共赢。

五位 IEEE Fellow 的精彩主题报告

640.webp (4)

南方科技大学计算机科学与工程系主任、IEEE Fellow、千人计划专家姚新
演讲主题: Evolving Intelligence

姚新表示,目前,图像识别的精准度不断提升,甚至超过了人类。而完成这一阶段的突破之后,又开始提出类脑计算,要做一个真正的「电」脑,最早先从欧美开始,后来中国也提出「中国脑计划」,一是认识脑,二是模拟脑。而演化计算的深入研究将对人工智能产生重大影响。

640.webp (5)
香港中文大学深圳分校理工学院院长、IEEE Fellow、千人计划专家陈长汶
演讲主题:Scenario-Aware Intelligent Media Delivery in 5G Mobile Networks

陈长汶教授首先从第一代移动通信讲到到马上实现的第五代。他表示,目前网络越来越复杂,功能越来越丰富。从 1G 的模拟,到 2G 的数字可以传递短信,再到 3G 的媒体(3G 的时候,中国有了自己的标准),现在步入 4G 时代的多媒体,然后即将迎来 5G 时代。他列举了三个5G应用场景:一是更宽的带宽,二是超稳定、短延时要求,三是物联网。并提到 5G 的新挑战,比如如何在多场景下选择最好的组合等。

640.webp (6)
南京大学千人计划专家、 IEEE Fellow 王中风
演讲主题: VLSI Optimizations for Deep Neural Networks

王中风教授表示,深度学习在许多应用上取得突破,比如医疗、语音、自动驾驶等,而核心部分是深度神经网络,他们从硬件的角度来研究这些架构和一些瓶颈,对于深度学习来说,DNN 非常重要,而 VLSI 优化将会带来意想不到的效果。

640.webp (7)
台湾清华大学教授、IEEE Fellow 林嘉文
演讲主题目:Identity-Preserving Procecsing for Better Face Recognition

林嘉文教授主要谈到人脸识别方面的一些研究。他表示,人脸识别在 AI 领域是一个非常重要的应用,但会遇到很多难题。基于 GAN 做 Face Augmentation 和 Face Normalization,对人脸进行处理之后也可以得到较高的识别率。

640.webp (8)

New Jersey Institute of Technology、IEEE Fellow、千人计划专家周孟初
演讲主题: Dendritic neuron model-based learning algorithms for classification, approximation and prediction

周孟初先生由人类的神经细胞讲到人工神经网络。他表示,神经网络是用非常简单的网络表示非常复杂的模型。基于之前的两个模型,他们提出 Dendritic Neuron Model,他表示,他们在其中引入了很多乘法,模型有很强的处理非线性问题的能力。周孟初先生详细讲解了模型的架构,并提到了模型的实际应用,比如解决乳腺癌问题,肝脏疾病问题、金融时间序列预测、旅客到达预测等等。

展开全文
安装智能头条APP 看数小智行业点评

为您推荐

返回顶部