您当前的位置:
首页>>工作动态

第183期泰山科技论坛——解读人工智能新技术 聚焦网络空间信息安全

发布时间:2019-08-23来源:山东省科协学会部 作者:刘楠浏览次数:

2019年8月2日,第183期泰山科技论坛在泰安市举行。本次论坛活动由山东省科协主办,山东计算机学会、泰山学院承办。论坛主题为“媒体智能计算与信息安全”,旨在探讨人工智能、网络安全及相关领域的新技术、新方法,寻求新突破,更好地促进多领域跨学科的交流、融合及产业化发展。论坛邀请浙江大学潘纲教授等8名专家分别作了主题报告。来自国内高校、科研院所以及企业领域的相关专家、学者、科技工作者及部分科技爱好者等100余人参加了此次论坛活动。

大鼠实验展现脉冲神经网络的优势

脉冲神经网络由于比传统的人工神经网络具有更好的生物逼真性,近年来受到研究人员越来越多的关注。浙江大学计算机学院潘纲教授表示,脉冲神经网络不仅在低功耗计算、智能实现等方面有较大潜在优势,而且有望使计算系统与生物神经系统的连接融合变得更加有效与自然。潘纲教授详细的介绍了在计算架构方面,利用微电极对哺乳动物的特定脑区进行刺激,实现外部机器与生物体神经系统的信息交换,并用经典的迷宫行为学实验进行智能增强计算的验证,初步展示该计算架构在脑机融合的行为智能增强的可行性。他提出了多级点过程神经计算模型,探讨跨脑区的神经运行模式的计算化,并在非线性建模能力方面取得突破。他在大鼠实验中,实现了国际上首次人脑意念控制大鼠行为的脑融合智能系统原型,引起国际国内同行广泛关注。

剖析人工智能的学习方法 驱动人工智能的视觉计算

人类进入了大数据时代,而大数据中视频占90%以上,视频区别于图像等其它信息载体的最本质特征就是含有运动信息,因此视觉运动分析是视频信息处理中的核心问题。李玺教授在报告中主要围绕数据驱动的人工智能学习方法,以及如何进行大规模图像/视频数据的视觉特征学习,如何从目标视觉感知特性、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,同时引入了大规模视觉结构学习所涉及的主要研究问题和技术方法。他认为,运动模式是视觉运动分析中的根本难题,目的是利用物体检测与跟踪结果等学习出目标运动的统计模型来表达目标运动方式,并在此基础上实现目标的行为识别与语义理解。

AI+群智正向引导社交网络安全态势

在社交新媒体的快速发展的今天,网络空间安全成为我们不得不直接面对的问题。基于移动互联网和物联网发展背景,郭斌教授对一种新的感知模式——视觉群智感知进行了系统性阐述。视觉群智感知利用大众的广泛分布性、灵活移动性和即时连接性进行大规模感知(通过拍照、视频等方式),并融合显式或隐式的群体智能实现对视觉感知数据的优选和增强理解,进而为现代城市及社会管理提供智能辅助支持。视觉群智感知的新特征和挑战包括感知资源的泛在性、节点行为的复杂性、感知数据的低质性等,在公共安全、智慧城市、环境监测、灾难救援等国家重大需求领域具有广泛应用前景。通过“AI+群智”塑造的虚拟身份与真实用户和谐共生,可感知新时期人群动态和社交网络安全态势,对不良信息传播进行及时发现和正向引导。 

多任务特征学习方法  弥补数据间信息不足

脑网络学习旨在从整体上研究大脑各功能区的交互,对于人类深入了解大脑功能和结构,以及对一些脑疾病的诊断都具有非常重要的作用。基于机器学习的最新研究进展,接标教授表示,作为脑网络分析的重要工具,机器学习由于能够从数据中学习规律并对未知数据进行预测,已成为近年来脑网络分析领域一个新的研究热点。通过讨论研究超图的脑网络构建方法,克服了传统网络构建方法不足,从而进一步提出多任务特征学习方法,用于充分利用多模态数据间互补信息。他通过探讨网络相似性计算方法,提高了脑网络分类的性能,并将已有的工作推广到动态脑网络分析中。接标教授在报告中指出,人脑的结构和功能极其复杂,理解大脑的运转机制,是新世纪人类面临的最大的挑战之一。

Landmark检测精准定位 提高医学图像分割配准

Landmark检测是图像处理领域的基础技术,作为医学图像分析领域基础且重要的环节,Landmark检测在病灶定位,器官/组织分割,线性/非线性配准和疾病诊断方面也有重要的临床研究和应用价值。张军博士对基于landmark的感兴趣区域分割算法和阿尔茨海默疾病分类算法进行了介绍。重点介绍了基于landmark分类的配准方法。基于Landmark点的配准方法作为医学图像处理的流行方法,速度快,精度高,使医学图像的分割配准效果有了很大的改善,同时对基于landmark方法在CT、MRI、PET等医学图像上的应用进行了说明,提出分割配准可以广泛地应用到医学各种图像模态中,并不局限于CT图像。除landmark自动检测问题,他还对阿尔茨海默病的大脑皮层分类方法进行了介绍,并将之与landmark配准方式相结合,对阿尔茨海默病的大脑皮层分类以及应用背景进行了详细的说明。


0
Produced By 大汉网络 大汉版通发布系统