各相关科研工作者:

由江苏省媒体设计与软件技术重点实验室筹办，江苏省人工智能学会不确定性人工智能专业委员会等协办的“2019媒体软件与智能建模前沿技术论坛”，定于2019年10月26日在江南大学数字媒体学院召开。本次技术论坛诚邀相关专家、学者，围绕当前媒体软件智能化要求，就软件工程、智能算法、大数据计算等方向的前沿技术进行深入交流和探讨，为全国智能媒体软件行业界提供交流最新研究成果的舞台。会议将邀请国内外有关专家做前沿技术报告。诚挚欢迎广大学术界、产业界朋友参会，现将相关事宜通知如下：

一、报到及会议时间

报到时间：2019年10月26日，上午8:00-上午9:00

会议时间：2019年10月26日，上午9:00-下午16:00

二、报到及会议地址

报到地点：江南大学数字媒体学院一楼大厅

会议地点：江南大学数字媒体学院116报告厅

三、会议组织

主办单位：江苏省媒体设计与软件技术重点实验室

          江南大学数字媒体学院

协办单位：JSAI不确定性人工智能专业委员会

          CCF无锡分部

          江苏省模式识别与计算智能工程实验室

四、会议费用

本次会议不收参会费用，参会人员食宿自理。

五、会务联系

邓赵红、谢振平

联系电话：0510-85327312

联系邮箱：2249114034@qq.com, 87583474@qq.com

江苏省媒体设计与软件技术重点实验室

江南大学数字媒体学院

2019年10月18日

会议回执（请发至会务联系邮箱）

会议议程

专家报告介绍

报告一

【报告人】：李肯立 教授

【报告题目】：面向人工智能的张量并行处理技术与应用

【报告人简介】：湖南大学信息科学与工程学院院长，教授、博导，湖南大学国家超级计算长沙中心主任，国家杰出青年科学基金获得者。先后入选“教育部新世纪优秀人才支持计划”、“湖南省杰出青年基金”、湖南省“芙蓉学者”特聘教授、科技部中青年科技创新领军人才等。担任IEEE高级会员、国家超级计算创新联盟副理事长、CCF杰出会员、CCF高性能计算专业委员会常务委员、中国软件行业协会数学软件分会理事、湖南省计算机学会秘书长等学术兼职，IEEE-TC编委。以排名第一获得湖南省科技进步一等奖、湖南省自然科学奖二等奖和教育部科技进步二等奖等。主要研究领域为并行分布式处理、超级计算与云计算、大数据管理等。在IEEE-TC、IEEE-TPDS、IEEE-TSP、JPDC、IEEE-TSP、IEEE-TETC、IEEE-TKDE、中国科学、计算机学报、软件学报等国内外高水平计算机学术刊物上发表论文160余篇，其中SCI(E)收录110余篇。申请专利和软件著作权共9项。

【报告内容简介】：作为大数据表示的基本方法，张量在图像处理、社交网络、推荐系统等人工智能相关领域具有极广泛的应用。张量运算是探寻张量固有内在数据关系的关键。随着人工智能应用的不断深入，用以描述的张量维数或阶数迅速增大，张量运算已成为计算和数据密集型应用，对高性能计算提出了极大的需求和挑战。报告研究针对高维高阶稀疏张量中非零元素的分布特征，设计相应的密度函数，据此探求张量的多维度压缩存储方法，设计了新型张量运算异构并行算法，并结合国产异构超算系统的体系结构、面向未来E级计算，研发了高可扩展并行算法库，并通过推荐系统和高光谱遥感图像处理等人工智能相关应用对其性能进行验证，以最终实现大规模张量的快速运算。本研究工作不仅为国产超算系统人工智能基础并行算法及算法库研制奠定基础，对于促进高性能计算和其他学科的交叉研究和发展，发挥超算在日益增长的大数据和人工智能中的作用，拓宽我国超算的应用范围，也具有重要意义。

报告二

【报告人】：胡凌志 博士

【报告题目】：临床多模态影像与人工智能

【报告人简介】：美国华盛顿大学医学物理博士，联影中央研究院研发总监，上海交通大学客座博士生导师，哈尔滨医科大学客座教授。发表SCI期刊论文和国际会议论文50余篇；拥有美国专利13项；主持科技部十三五重点研发项目“一体化PET/MR装备研制”和上海市经信委“嵌入式乳腺PET/MR”项目；国家自然科学基金委“多核素一体化同步成像仪”重大仪器研发项目骨干成员。Journal of Magnetic Resonance Imaging、 Molecular Imaging and Biology、Magnetic Resonance in Medicine等SCI期刊审稿人。

【报告内容简介】：多模态分子影像在现代医学精准诊断和精准治疗的实践中正起着越来越重要的作用。多模态分子影像设备的研制是跨专业，高度交叉的新兴工程领域。报告将结合高端影像设备的研发经历，从临床需求，系统设计等领域详细介绍计算机科学和电子工程在分子影像中的应用。同时，伴随人工智能的迅速发展，报告也将介绍深度神经网络在医学影像设备研制中起到的重要作用。

报告三

【报告人】：张兴义 教授

【报告题目】：Community detection in complex networks

【报告人简介】：张兴义教授，博士生导师，先后获得“安徽省杰青”和“国家优青”项目资助。现为安徽大学“计算智能与信号处理教育部重点实验室”主任、“物质科学与信息技术研究院智能科学与网络工程研究所”所长，计算机科学与技术学院“生物智能与知识发现研究所（BIMK）所长”。目前的研究领域为多目标进化优化及应用、社会及生物网络分析、人工智能方面等。作为项目负责人，主持国家自然科学基金面上项目2项，国家自然科学基金青年项目1项，省部级项目多项。在国内外学术刊物上发表论文60多篇，其中发表SCI收录40多篇，发表在包括IEEE TEVC、IEEE TNNLS、IEEE TCYB、IEEE CIM等国际具有重要影响力的期刊论文20余篇，并获得了计算智能领域顶级期刊IEEE TEVC的2018年度最佳论文奖，IEEE CIM的2020年度最佳论文奖。现为国际期刊《Complex & Intelligent Systems》和《International Journal of Bio-Inspired Computation》编委。

【报告内容简介】：During the last two decades, community detection have become one of the most important tools to analyze complex networks. A number of promising algorithms have been developed based on different ideas. In this talk, I will first briefly introduce the community detection in complex networks, and then mainly focus on some community detection algorithms recently suggested by our group for addressing different challenges in community detection.

报告四

【报告人】：钟宝江 教授

【报告题目】：计算机视觉中的尺度空间技术

【报告人简介】：苏州大学教授，博士生导师。苏州大学“东吴学者”，江苏省“青蓝工程”中青年学术带头人。研究兴趣包括计算机视觉、图像分析与理解，主要研究了形状描述和分析、图像特征提取、图像检索等技术。

【报告内容简介】：尺度空间技术是视觉与图像分析领域的一种现代化技术，可以很好地模仿人眼的视觉机理，从而高效地处理视觉信息。报告将阐述该技术的基本思想、发展历史和研究现状，并就尺度空间算法的基本框架结构来理解其在传统视觉信号分析及当前深度学习模型中的应用模式。

报告五

【报告人】：周劲 教授

【报告题目】：Collaborative Clustering in Distributed Peer-to-Peer Networks

【报告人简介】：周劲教授，2015年-2017年任国际自动控制联合会IFAC TC9.1秘书长，IEEE会员，ACM会员，中国计算机学会会员，中国人工智能学会会员，2016年-2018年任济南大学信息科学与工程学院副院长。主要研究方向为智能计算、数据挖掘、图像分割等。在《IEEE Transactions on Fuzzy Systems》、《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE Transactions on Intelligent Transportation Systems》等国际学术期刊和国际学术会议发表或录用论文40余篇；主持及承担国家自然科学基金、山东省自然科学基金等科研项目10余项；获山东省科技进步奖三等奖1项，山东省计算机应用优秀成果奖一等奖1项，山东高等学校优秀科研成果奖二等奖1项，山东高等学校科学技术二等奖1项。

【报告内容简介】：In recent years, the rapid development of cloud computing, Internet of Things, big data, and other technologies has promoted the applications in distributed peer-to-peer networks. It is of great scientific and social value to analyze the data with complex structures in peer-to-peer networks, and excavate the hidden useful information for prediction or decision-making. This report mainly introduces the related research work of the distributed clustering in peer-to-peer networks, including the collaborative clustering, the random feature based multi-kernel collaborative clustering, and the transfer based collaborative clustering.