報(bào)告承辦單位: 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院
報(bào)告內(nèi)容: 深度學(xué)習(xí)算法在空間智能應(yīng)用中的挑戰(zhàn)及研究進(jìn)展
報(bào)告人姓名: 向雪霜
報(bào)告人所在單位: 錢(qián)學(xué)森空間技術(shù)實(shí)驗(yàn)室
報(bào)告人職稱(chēng)/職務(wù)及學(xué)術(shù)頭銜: 副研究員
報(bào)告時(shí)間: 2019年6月14日14:00-14:40
報(bào)告地點(diǎn): 云塘校區(qū)理科樓A-419
報(bào)告人簡(jiǎn)介: 向雪霜,2014年博士畢業(yè)于中科院數(shù)學(xué)與系統(tǒng)科學(xué)研究院，2015-2016于新加坡國(guó)立大學(xué)進(jìn)行博士后研究，現(xiàn)任錢(qián)學(xué)森空間技術(shù)實(shí)驗(yàn)室副研究員。主要從事偏微分方程數(shù)值方法、深度學(xué)習(xí)算法與理論等研究。先后承擔(dān)國(guó)家自然科學(xué)基金青年基金、國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目子課題、國(guó)防科技創(chuàng)新特區(qū)創(chuàng)新工作站重點(diǎn)項(xiàng)目，在計(jì)算數(shù)學(xué)、人工智能領(lǐng)域發(fā)表高水平期刊或會(huì)議論文20余篇。曾獲錢(qián)學(xué)森空間技術(shù)實(shí)驗(yàn)室2017/2018先進(jìn)個(gè)人，中國(guó)空間技術(shù)研究院2017先進(jìn)個(gè)人、2018技術(shù)創(chuàng)新先進(jìn)個(gè)人。
報(bào)告摘要：本報(bào)告將首先簡(jiǎn)介深度學(xué)習(xí)算法、空間智能應(yīng)用對(duì)深度學(xué)習(xí)算法的挑戰(zhàn)。分別針對(duì)這些挑戰(zhàn)，報(bào)告將簡(jiǎn)要介紹研究團(tuán)隊(duì)在數(shù)據(jù)融合、生成模型、小樣本學(xué)習(xí)、網(wǎng)絡(luò)壓縮、網(wǎng)絡(luò)安全等方向的研究進(jìn)展。在數(shù)據(jù)融合方向，我們提出了任務(wù)驅(qū)動(dòng)的橋神經(jīng)網(wǎng)絡(luò)，由任務(wù)驅(qū)動(dòng)共同子空間的學(xué)習(xí)過(guò)程，在數(shù)據(jù)匹配、遷移學(xué)習(xí)、跨視角重構(gòu)等融合問(wèn)題上取得突出效果；在生成模型方向，我們通過(guò)在網(wǎng)絡(luò)參數(shù)上增加隨機(jī)性來(lái)提高生成模型表達(dá)能力，在參數(shù)估計(jì)、圖片生成等標(biāo)準(zhǔn)數(shù)據(jù)集上取得更優(yōu)效果；在小樣本學(xué)習(xí)方向，我們將小樣本學(xué)習(xí)任務(wù)統(tǒng)一到監(jiān)督學(xué)習(xí)框架，進(jìn)而引入多任務(wù)和跨任務(wù)訓(xùn)練方法，基于現(xiàn)有模型架構(gòu)實(shí)現(xiàn)訓(xùn)練加速，且在部分任務(wù)上提高精度；在網(wǎng)絡(luò)壓縮方向，我們將隨機(jī)優(yōu)化思想引入到模型壓縮過(guò)程，試圖解決權(quán)重重要性的局部判斷、確定性模型壓縮的不可恢復(fù)問(wèn)題，搜索高效神經(jīng)網(wǎng)絡(luò)架構(gòu)，實(shí)現(xiàn)高精度、輕量化的深度學(xué)習(xí)；在網(wǎng)絡(luò)安全方向，將網(wǎng)絡(luò)的對(duì)抗樣本加入到訓(xùn)練集中進(jìn)行聯(lián)合訓(xùn)練，通過(guò)動(dòng)態(tài)調(diào)整對(duì)抗樣本幅度，實(shí)現(xiàn)網(wǎng)絡(luò)面對(duì)黑盒攻擊時(shí)的綜合魯棒。
報(bào)告承辦單位: 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院
報(bào)告內(nèi)容:基于距離學(xué)習(xí)的低帶寬人物深度恢復(fù)技術(shù)
報(bào)告人姓名: 黃美玉
報(bào)告人所在單位: 錢(qián)學(xué)森空間技術(shù)實(shí)驗(yàn)室
報(bào)告人職稱(chēng)/職務(wù)及學(xué)術(shù)頭銜: 助理研究員
報(bào)告時(shí)間: 2019年6月14日14:40-15:20
報(bào)告地點(diǎn): 云塘校區(qū)理科樓A-419
報(bào)告人簡(jiǎn)介: 黃美玉,2016年博士畢業(yè)于中科院計(jì)算技術(shù)研究所，現(xiàn)任錢(qián)學(xué)森空間技術(shù)實(shí)驗(yàn)室助理研究員。主要從事普適計(jì)算、人機(jī)交互、計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)技術(shù)的研究。目前主持國(guó)家自然科學(xué)基金青年項(xiàng)目 1項(xiàng)，在普適計(jì)算、人工智能領(lǐng)域發(fā)表高水平期刊或會(huì)議論文18篇；授權(quán)中國(guó)專(zhuān)利3項(xiàng)；獲ICCSE2018最佳論文獎(jiǎng)，2015年和2016年北京市科學(xué)技術(shù)獎(jiǎng)二等獎(jiǎng)。
報(bào)告摘要：
本報(bào)告將首先介紹人物深度恢復(fù)技術(shù)的研究背景及挑戰(zhàn)，然后介紹現(xiàn)有的深度恢復(fù)技術(shù)的研究現(xiàn)狀及存在的問(wèn)題，最后介紹我們的解決方案——基于距離學(xué)習(xí)的低帶寬人物深度恢復(fù)技術(shù)。具體地，面向低帶寬環(huán)境中基于深度傳感器的沉浸式遠(yuǎn)程視頻交互系統(tǒng)的遮擋一致處理要求，針對(duì)現(xiàn)有的深度恢復(fù)方法專(zhuān)注于恢復(fù)常規(guī)的深度圖像，僅能修復(fù)壓縮比小于16倍的深度圖像，或者只能修復(fù)少量缺失或不準(zhǔn)確深度值的問(wèn)題，我們提出了一種基于WLMNC距離的人物深度恢復(fù)方法，能夠充分利用人物姿態(tài)的骨骼關(guān)節(jié)點(diǎn)信息，實(shí)現(xiàn)在高達(dá) 64 倍壓縮比下的高精度人物深度恢復(fù)；考慮到WLMNC距離等同于對(duì)人物像素施加一個(gè)線性變換，限制了在復(fù)雜遮擋情況下的深度恢復(fù)性能，進(jìn)而提出了基于神經(jīng)網(wǎng)絡(luò)的非線性WLMNC距離，在僅損失少量帶寬的情況下大幅提高人物深度恢復(fù)的精度和效率。為了確保所提方法的有效性，我們對(duì)所提方法進(jìn)行了理論分析，并建立了一個(gè)包含各種類(lèi)型的具有自我遮擋的人物姿態(tài)的基準(zhǔn)數(shù)據(jù)集。在基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果證明了我們的方法優(yōu)于現(xiàn)有的最先進(jìn)的深度恢復(fù)方法。
報(bào)告承辦單位: 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院
報(bào)告內(nèi)容: Optimized Schwarz methods for the biharmonic problem(雙調(diào)和問(wèn)題的最優(yōu)Schwarz 算法)
報(bào)告人姓名: 劉勇翔
報(bào)告人所在單位: 鵬城實(shí)驗(yàn)室
報(bào)告人職稱(chēng)/職務(wù)及學(xué)術(shù)頭銜: 助理研究員
報(bào)告時(shí)間: 2019年6月14日15:20-16:00
報(bào)告地點(diǎn): 云塘校區(qū)理科樓A-419
報(bào)告人簡(jiǎn)介: 劉勇翔,2014年博士畢業(yè)于中國(guó)科學(xué)院數(shù)學(xué)與系統(tǒng)科學(xué)研究院,并于2014到2016年在日內(nèi)瓦大學(xué)與Martin Gander教授合作進(jìn)行博士后研究工作。主要從事數(shù)值分析和偏微分方程數(shù)值解法的研究，特別對(duì)區(qū)域分解算法有深入研究。現(xiàn)在鵬城實(shí)驗(yàn)室量子計(jì)算研究中心工作。
報(bào)告摘要：We study some Dirichlet and Neumann conditions for the biharmonic problem. This problem, which needs two different boundary conditions, is quite different from the classical Laplace problem. Different choices of these Dirichlet and Neumann transmission conditions will lead to different Dirichlet-Neumann methods, and also different optimized Schwarz methods. Furthermore, according to some careful convergence analysis, we optimize each method by choosing suitable corresponding parameters. We illustrate our theoretical results with numerical experiments.
