亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

一、教學目標和基本要求

腦認知及其相關的智能科學是人工智能專業的重要基礎知識，通過對這門課程的學習，

要求學生掌握腦與認知科學的基本概念和知識結構，熟悉認知相關的智能科學技術方法、

原理與應用等，了解相關領域的研究現狀和發展趨勢，對已有成果展開分析與討論，為

今后進一步的學科探索打好基礎。

二、課程簡介

本課程重點介紹腦與認知科學的基本概念、知識及其在現實生活中的應用，在此基礎

上介紹人工大腦、認知計算等相關的智能科學技術，體現了腦科學、認知科學、人工智能

及計算機和信息科學等多學科領域交叉的特點，為學生提供較為全面系統的知識框架，為

進一步學習后續專業課程打下良好的基礎。

三、教材名稱及主要參考書

（1）Michael Gazzaniga等著，《認知神經科學》，中國輕工業出版社，2016年（圖書館借閱）

（2）王志良主編，《腦與認知科學概論》，北京郵電大學出版社，2011年（圖書館借閱）

（3）杰夫·霍金斯著，《人工智能的未來》，陜西科學技術出版社，2006年（圖書館借閱）

四、課程內容和課件資料 （更新日期：2020-02-27）

第一章 《緒論及腦科學發展史》

第二章 《神經系統的細胞機制》

論文摘要：現有新型體征感知方法在非干預性、可普及性、準確性、適應性等方面尚存在不同程度的不足，難以支撐日常生活環境下長期健康監測的需求。基于此，本文研究日常生活環境下的非干預式體征感知若干關鍵技術，具體包括：非接觸式睡眠呼吸監測、非干預式行走步態感知與分析。本文主要工作和取得成果包括如下幾個方面：

1. 提出了基于胸脯起伏測量的非接觸式聲波睡眠呼吸監測方法 使用高精度測距技術，實時測量呼吸過程中胸脯起伏位移的微弱變化，實現呼吸監測。具體而言，以胸脯起伏為感知對象，研究并提出了一種高精度聲波測距方法 C-FMCW，該方法的測距精度僅與采樣率有關。
2. 提出了基于呼吸氣流感知的非接觸式聲波睡眠呼吸監測方法基于呼吸氣流可散射聲波這一事實，實時捕捉并分析因呼吸氣流散射聲而波引入到接收聲波中的多普勒效應，度量呼吸氣流速度，實現呼吸監測。
3. 提出了基于細粒度運動參數的非干預式帕金森步態識別方法以人在行走過程中足底壓力的變化為研究對象，提取細粒度的運動功能特征度量并分析各運動功能特性與健康人的不同，進而識別帕金森步態模式。
4. 設計并實現集成化非干預式體征感知平臺在綜合考慮老年人對非接觸式體征感知需求的基礎上，對前面提到的兩種呼吸監測系統和步態模式識別方法進行功能集成。

關鍵詞：非干預式體征感知，非接觸式呼吸感知，聲波感知，步態分析與模式識別

作者介紹：王天本，他是西北工業大學計算機科學與技術專業博士研究生、法國國立電信學院博士后，他的導師是張大慶教授，主要研究興趣包括：普適計算，智能輔助技術，人機交互及行為感知技術。近年來，以第一作者身份在 Ubicomp 2018（CCF 推薦A類會議）、ACM TIST（SCI 1 區）、IEEE TSMC（SCI 2區）、UIC 2018 （CCF 推薦C類會議）發表多篇學術論文，并獲得UIC 2015 大會唯一最佳論文獎；以聯合作者身份在 WWW 2017（CCF 推薦A類會議），HealthCom 2015 等會議上發表論文；完成發明專利3項。

論文摘要：圖數據上的查詢處理（如最短路徑查詢、可達查詢、關鍵字查詢等）是數據庫領域最基礎的問題之一。本文從用戶在不同實際應用場景下的需求入手進行分析，進行合理的建模，并提出了有針對性的高效查詢處理算法。

1. 大規模關聯不確定圖上的最短路徑查詢。分析了實際應用中圖數據上的不確定信息彼此間存在的相關性，從而提出了一種基于馬爾可夫網絡的關聯不確定圖模型，以克服現有獨立不確定圖模型中的不足。
2. 分布式環境下不確定圖上的可達查詢。分析了在實際應用中，尤其是大數據環境下，不確定圖數據通常是分布式存儲的。
3. 大規模容錯知識圖譜上的關鍵字查詢。分析了容錯性是知識圖譜在現實生活中的主要特征之一。
4. 基于事件的社交網絡上事件參與規劃查詢。考慮在實際應用中二分圖匹配結合了時空信息的情況，提出一種為基于事件的社交網絡平臺上的用戶制定個性化參與其感興趣的事件的規劃查詢問題。

關鍵詞:大規模圖數據，查詢處理，最短路徑查詢，可達查詢，關鍵字查詢，事件參與;規劃查詢

作者介紹：成雨蓉，女，1989年8月生于遼寧省沈陽市。2008年考入東北大學，于信息學院計算機科學與技術專業攻讀本科。本科期間曾任信息學院團委副書記，并多次獲得國家、命名及校級獎學金，榮獲校級、市級優秀學生等稱號。2012年本科畢業后，獲得直博名額，在計算機科學與工程學院王國仁教授的指導下攻讀博士學位。

論文摘要：傳統監督學習通常假設訓練數據類別標記恒定、特征信息充分、樣本充 足。但很多現實的機器學習任務不滿足這些假設條件，導致學習效果不盡人 意。為此，本文考慮通過引入增廣信息 (Augmented Information) 進行學習。增 廣信息包括傳統靜態學習中未考慮的額外信息以及動態學習過程中出現的新信 息。本文主要工作如下：

1. 提出了一種訓練集標記增廣學習方法 GLOCAL。該方法利用標記關系對多 標記訓練數據中部分缺失的標記進行恢復補全，但無需額外的先驗知識來 指定標記關系矩陣，而是在優化過程中同時習得全局和局部標記關系。實 驗驗證了本文方法的有效性。
2. 提出了分別用于靜態、動態測試集標記增廣學習的方法 DMNL 和 MuENL。 DMNL 通過最小化多示例包級損失和聚類正則化項，預測靜態測試集中的多 個新標記；MuENL 通過特征和預測值訓練新標記檢測器并建立魯棒模型， 以檢測動態新增的標記并對其建模。實驗驗證了本文方法的有效性。
3. 提出了一種多示例特征增廣學習方法 AMIV-lss。 針對數據特征信息不足 的學習問題，將額外獲取的帶噪信息形式化為增廣多示例視圖 (AMIV) 作為 樣本的特征增廣。AMIV-lss 通過在兩個異構視圖之間建立公共隱藏語義 子空間，減少噪聲影響，提升學習性能。實驗驗證了本文方法的有效性。
4. 提出了一種多視圖樣本增廣學習方法 OPMV。 OPMV 通過對每個樣本優化 視圖一致性約束下的組合目標函數，即可隨著新增多視圖數據高效更新模 型，并能夠利用視圖之間結構提升學習性能，而無需存儲整個數據集，避 免從頭進行訓練。理論和實驗驗證了本文方法的有效性和高效性。
5. 提出了同時進行標記/特征/樣本增廣學習的方法 EM3NL。EM3NL 基于多視 圖多示例多標記深度卷積神經網絡，利用額外文本描述作為圖片的補充 (特 ii 征增廣)，能夠檢測新標記 (標記增廣)，并可根據動態增加的樣本即時更新 模型 (樣本增廣)。實驗驗證了本文方法的有效性。

關鍵詞： 機器學習；增廣學習；增廣信息；多標記學習；新標記學習；多視圖 學習；單趟學習

作者介紹：朱越，他是南京大學計算機科學與技術學院五年級博士生，也是LAMDA集團的成員。在此之前，他于2011年獲得了計算機科學與技術的理學學士學位，并于2013年在周志華教授的指導下獲得了理學碩士學位。2015年3月至2015年9月，他拜訪了香港科技大學James T. Kwok的小組。

論文題目:基于路徑依賴關系的循環分析技術研究

論文作者：謝肖飛，天津大學博士研究生，主要研究方向是計算機科學及計算機應用、軟件工程及安全軟件工程、可信軟件及網絡安全等信息安全領域。

指導老師：李曉紅，教授，博士生導師,智能與計算學部網絡安全學院副院長、軟件與信息安全工程研究所所長，天津市先進網絡重點室副主任。兼任計算機學會高級會員、中國計算機學會女工委委員、ACM會員、軟件工程專委會委員、形式化專委會委員、全國高等學校計算機教育研究會常務理事、天津大學女工委員、智能與計算學部教代會主任。主要從事計算機科學及計算機應用、軟件工程及安全軟件工程、可信軟件及網絡安全等信息安全領域的研究工作。 主持和參與科技部“863”計劃、國家重大研究計劃，國家基金重點、天津市重點等項目20余項，發表重要期刊和會議論文100余篇。在頂級會議和期刊發表論文23篇，其中：CCF A類或SCI一區8篇（TSE2017、JIOT2018、FSE2016、AAAI2017、FSE2017、IJCAI2017、IEEE S&P 2015、IEEE S&P2016），CCF B類9篇（ISSTA2016、ECAI2016，ICSME2017、SANER2017、ICWS2017、ICWS2018、AAMAS2018、ICSOC 2018），JCR一區2篇，SCI二區2篇、SCI三區2篇，論文“Proteus: Computing Disjunctive Loop Summary via Path Dependency Analysis”解決了符號執行中循環處理的難題，被軟件工程頂級會議FSE 2016接收，并獲得ACM SIGSOFT 2016年度杰出論文獎。曾獲授權國家發明專利13項，獲湖北省科技進步一等獎1項，天津科技進步三等獎1項。指導博士生獲得天津大學優秀博士論文，碩士研究生連續三年獲得天津市優秀碩士學位論文。

論文摘要:軟件已經被廣泛應用于在現代社會的各個領域，由于代碼實現不當導致軟件 的質量問題也層出不窮。基于靜態分析的程序驗證和測試是保障軟件代碼安全性 與正確性的兩種主要技術，而循環分析是靜態分析中面臨的最大挑戰之一。在靜 態分析中，由于循環的迭代次數往往不能確定，使得無法對循環的所有行為分析 和檢測，從而影響程序驗證和高覆蓋率測試用例生成的效率。循環分析已經成為 程序驗證、測試及其它靜態分析應用的主要瓶頸。高效的循環分析技術可以提高 程序分析的效率，從而更好地保證軟件質量。

題目：異質信息網絡的表示學習與應用

摘要：當前的社會網絡分析主要針對同質網絡（即網絡中結點類型相同），但是現實世界中的網絡化數據通常包含不同類型的對象，并且對象之間的關聯表示不同的語義關系。構建異質信息網絡（即包含不同類型的結點或邊的網絡）可以包含更加完整的對象之間的關聯信息，因此分析這類網絡有希望挖掘更加準確的模式。表示學習能夠自動抽取對象的隱含特征，為后續機器學習服務，成為近期的研究熱點。本報告將系統介紹異質信息網絡的表示學習方法，包括隨機游走等淺層模型方法和神經網絡等深層模型方法。報告也將介紹異質網絡表示學習在實際問題上的應用。

個人簡介：北京郵電大學計算機學院教授、博士研究生導師、智能通信軟件與多媒體北京市重點實驗室副主任。主要研究方向: 數據挖掘、機器學習、人工智能和演化計算。近五年來，作為第一作者或通信作者發表高水平學術論文50余篇，英文專著一部，包括數據挖掘領域的頂級期刊和會議IEEE TKDE、ACM TIST、KDD、AAAI、IJCAI、WWW等，相關研究成果應用于阿里巴巴、騰訊、華為等公司。獲得ADMA2011/AMDA2018國際會議最佳論文獎、CCF-騰訊犀牛鳥基金及項目優秀獎，并指導學生獲得頂尖國際數據挖掘競賽IJCAI Contest 2015 全球冠軍。獲得北京市高等學校青年英才和師德先鋒等稱號。

報告主題：互聯網、社會互動和群體行為

報告摘要：人與人的互動是人類社會賴以形成、維持和生長的微觀基礎。互聯網的出現，深刻地改變了社會互動的廣度、深度和模式。其中一個重要的效應，是整個社會日趨散眾化。散眾的基本特征是，基于互聯網時代信息的過載、自閉和高頻流動，社會各成員之間難以形成深入的情感交流和價值共識，但是基于無遠弗屆的互聯網而形成的物理聯系，卻又特別容易同頻共振，不時引發規模巨大而又能量驚人的群體行為。這樣一種嘯散嘯聚的群體行為，對于社會秩序的維持和發展是一個嚴重挑戰，從而是當前全球和中國社會治理中必須應對的難題，亟需社會各界共同思考。

嘉賓簡介：馮仕政，中國人民大學社會與人口學院教授、院長。主要從事政治社會學、組織社會學、社會治理與國家構建、社會轉型與政治秩序等領域的研究。在國內外重要學術期刊上發表論文數十篇，著有《當代中國的社會治理與政治秩序》、《西方社會運動理論研究》、《社會治理新藍圖》等書。曾主持國家社科基金重點課題、“馬克思主義理論研究和建設工程”重大課題；獲北京市哲學社會科學優秀成果一等獎、霍英東教育基金高等院校青年教師獎、寶鋼優秀教師獎、北京市高等教育優秀教學成果獎、高等教育國家級教學成果獎。入選教育部“新世紀優人才”、“青年長江學者”，北京市新世紀社科理論人才“百人工程”和“四個一批”理論人才培養工程。