MLA2022

Regular Session 1

8:45–9:30	题目	具有组合结构的统计推断和在线算法 [slides]
	报告人	张志华教授，北京大学
	主持人	陈松灿教授，南京航空航天大学
	摘要	本报告讨论结合统计思维和算法思维来探索具有组合结构的统计推断问题。简单地说，统计推断是使用算法从数据中得出结论。这意味着我们要对数据及其潜在分布得出严谨、可证明的结论。然而我们的资源常常是有限的。所以我们希望进行实时或在线推断和学习。报告将分享这一领域一些关键问题和潜在发展趋势。<

9:30–10:15	题目	自监督学习的若干基本范式初探 [Slides]
	报告人	杨健教授，南京理工大学
	主持人	薛向阳教授，复旦大学
	摘要	该报告将初步探讨自监督学习的三种基本范式：对比范式、掩码范式和内隐范式。对比范式的主要方法是对比学习，我们给出了对比学习有效性的理论解释，并进一步探讨了在低维表示空间进行对比学习的可行性。掩码范式的代表性方法是掩码自编码器，我们讨论了掩码策略问题，给出了多模态掩码预训练在深度补全中的应用；内隐范式的典型应用是无监督深度估计，我介绍了无监督深度估计的基本思想，探讨了无监督深度估计方法的自适应性问题。<

Regular Session 2

10:30–11:15	题目	视频内容分析现状与六大趋势 [Slides]
	报告人	姜育刚教授，复旦大学
	主持人	张兆翔研究员，中国科学院自动化研究所
	摘要	视频内容分析是人工智能领域长期关注的重要研究问题，近年来取得了巨大的突破，引起了学术界和工业界的广泛关注。本报告回顾视频内容分析技术发展路线与现状，并在Transformer模型为计算机视觉领域带来诸多新机遇的背景下，展望未来视频内容分析的六大发展趋势：（1）训练数据从单一到多元；（2）网络架构从分散到统一；（3）监督信号从人标到自学；（4）知识融入从外部到联合；（5）部署推理从普适到专用；（6）可信学习从探索到应用。<

Poster Spotlight Session (I)

11:15–12:15

主持人

郭兰哲博士，南京大学

具体报告信息请见顶会论文交流日程

Regular Session 3

14:00–14:45	题目	Functional data analysis with covariate-dependent mean and covariance structures [Slides]
	报告人	林华珍教授，西南财经大学
	主持人	陈恩红教授，中国科学技术大学
	摘要	Functional data analysis has emerged as a powerful tool in response to the ever increasing resources and efforts devoted to collecting information about response curves or anything varying over a continuum. However, limited progress has been made to link the covariance structure of response curves to external covariates, as most functional models assume a common covariance structure. We propose a new functional regression model with covariate-dependent mean and covariance structures. Particularly, by allowing the variances of the random scores to be covariate-dependent, we identify eigenfunctions for each individual from the set of eigenfunctions which govern the patterns of variation across all individuals, resulting in high interpretability and prediction power. We further propose a new penalized quasi-likelihood procedure, which combines regularization and B-spline smoothing, for model selection and estimation, and establish the convergence rate and asymptotic normality for the proposed estimators. The utility of the method is demonstrated via simulations as well as an analysis of the Avon Longitudinal Study of Parents and Children on parental effects on the growth curves of their offspring, which yields biologically interesting results.<

14:45–15:30	题目	诺亚AI研究简介
	报告人	曾嘉博士，华为
	主持人	魏秀参教授，南京理工大学
	摘要	介绍诺亚AI研究工作，围绕AI技术发展趋势和面临的产业落地痛点，探讨如何围绕产业难题牵引AI技术的核心竞争力。<

Regular Session 4

15:45–16:30	题目	深度神经网络的压缩与加速研究
	报告人	纪荣嵘教授，厦门大学
	主持人	刘青山教授，南京信息工程大学
	摘要	深度神经网络在图像理解、语音识别、自然语言处理等人工智能应用领域取得了令人瞩目的成就，成为人工智能研究的热点之一。然而，随着网络性能的不断提高，网络的深度和广度也在不断增加，这就大大增加了网络的参数和计算复杂度。如何压缩和加速这些大的神经网络模型成为学术界和工业界研究的热点。针对神经网络的加速和冗余度问题，本次报告简要介绍已有的加速和压缩方法并在其中覆盖纪荣嵘教授研究组近几年来在神经网络压缩与加速中所做的一些工作与成果。<

16:30–17:15	题目	迁移学习研究进展：算法与应用
	报告人	庄福振教授，北京航空航天大学
	主持人	石川教授，北京邮电大学
	摘要	迁移学习在过去的十几年，吸引了大量学术界研究人员和工业界开发人员的兴趣，并针对其展开研究与应用实践。本报告将针对过去十几年中迁移学习取得的研究进展从算法以及应用角度进行系统介绍，即首先针对已有的迁移学习算法工作从采用的技术角度进行分类和介绍，然后介绍迁移学习算法在一些典型场景的应用，最后分享一下我对迁移学习研究的一些想法<

17:15–18:00	题目	模型“复用”与“可复用性”探究 [Slides]
	报告人	叶翰嘉博士，南京大学
	主持人	侯臣平教授，国防科技大学
	摘要	针对多样化机器学习任务获得的大量预训练模型是解决机器学习新任务的无形资产，通过有效复用这些模型能够提升机器学习算法在目标任务上的训练效率、缓解目标任务对大量训练样本的需求。而预训练模型和目标任务之间特征、类别等方面的异构性增加的模型复用的困难。我们尝试探究如何有效复用模型，从语义关联的角度将预训练模型关于特征重要性以及相似度的判别作为一种有效的监督信息指导当前任务中模型的训练。其次，我们进一步“增强模型的可复用性”，在模型的预训练阶段对其分类器、特征表示进行适配，使其能够被更便捷地用于目标任务中。两种方案在样本量受限的跨任务知识迁移任务上取得了较好的效果。<

Regular Session 5

8:30–9:15	题目	基于预训练语言模型的可控文本生成的研究与应用 [Slides]
	报告人	周明博士，澜舟科技
	主持人	于剑教授，北京交通大学
	摘要	可控文本生成是生成式AI的重要技术之一，在智能创作、自动客服、游戏制作和数字人等领域具有广阔的应用前景。本报告将从三个部分进行介绍：可控文本生成的研究进展、澜舟可控文本生成的应用、可控我文本生成未来发展方向。关于可控文本生成研究进展，我将综述可控文本生成神经网络模型、模型训练与解码、改进生成质量的若干关键技术。然后，我将介绍澜舟可控文本生成的相关研究和应用，例如营销文案生成、小说生成和续写、ESG报告生成、科技文献写作、可控对话生成和插图生成等。最后我将讨论可控文本生成存在的问题，包括前后一致性问题、常识问题和多样化生成问题，并探讨未来的发展方向。<

9:15–10:00	题目	几何观点下的深度学习 [Slides]
	报告人	雷娜教授，大连理工大学
	主持人	鲁继文副教授，清华大学
	摘要	基于数据流形假设，即自然数据集可视为嵌入在高维背景空间中的低维数据流形上的概率分布，提出几何观点下的可解释深度学习，将深度学习任务解耦为学习数据流形拓扑结构和概率分布两个子任务；前者由流形嵌入定理和万有逼近定理得到，后者由最优传输理论解释。进一步用几何观点来阐释最优传输理论，用蒙日安培方程正则性理论阐明生成模型的模式坍塌的原因，从而给出几何观点下可解释深度学习的理论框架。提岀基于几何变分框架的生成模型，克服模式崩溃和混淆问题。<

Regular Session 6

10:15–11:00	题目	Learn to Optimize [Slides]
	报告人	唐珂教授，南方科技大学
	主持人	俞扬教授，南京大学
	摘要	Real-world optimization problems are becoming increasingly complex such that they can hardly be addressed by off-the-shelf algorithms/tools, and require heavy prior knowledge and efforts to manually design a new algorithm. It is thus natural to ask whether it is possible to automate the algorithm design to some extent. This talk provides some preliminary answers to this question. We will start with an introduction to the concept of Learn to Optimize (L2O), i.e., a data-driven paradigm for automated algorithm/solver design. Building blocks and recent progresses of L2O will then be elaborated. Successful case studies and future directions will also be presented. <

11:00–11:45	题目	深度学习中的迁移性（Transferability in Deep Learning） [Slides]
	报告人	龙明盛副教授，清华大学
	主持人	孟德宇教授，西安交通大学
	摘要	深度学习的成功通常依赖于大规模数据，而人类则具有内生的知识迁移能力，通过鉴别和运用过去经验中学习的相关知识解决未知的新问题。这种获取和复用知识的能力被称为迁移性，是深度学习中提高数据效率的一种主要途径。该报告将连接深度学习的不同范式与迁移性的关系，涵盖预训练、任务适应和领域适应的主要进展，重点阐述其中的代表性方法及其基本原理。最后，提供了一个开源库和一个基准，支持对深度学习方法的迁移性进行公平的评估。 <

Poster Spotlight Session (II)

11:45–12:15

主持人

郭兰哲博士，南京大学

具体报告信息请见顶会论文交流日程

Industry Session

14:00 – 14:50	主持人	张绍群博士，南京大学

	题目	基于英特尔至强CPU提高AlphaFold2结构预测通量和扩大蛋白探索范围
	报告人	杨威博士（Intel）
	摘要	AlphaFold2在英特尔架构上的优化，实现了两方面新特性：1 基于AVX512增加了蛋白结构预测的总通量，降本增效；2 基于TB级大内存提高了蛋白预测的长度，为医药前沿拓宽了靶点研究范围。 <

	题目	人工智能赋能量化投资
	报告人	冯霁博士（倍漾科技）
	摘要	本次汇报将以倍漾量化为例，介绍人工智能技术是如何全面赋能量化投资领域。报告将围绕构建数据驱动的量化投研框架展开，针对关键环节，对听众进行简明扼要的介绍说明。 <

	题目	Towards AI for Everyone
	报告人	赵申宜博士（第四范式）
	摘要	人工智能以数据驱动增长的方式在一些领域取得了成功，随着各行业数据的不断积累，越来越多的应用希望使用人工智能技术实现数据驱动增长的新模式。然而，在实际落地中面临着诸多的挑战，第四范式致力于人工智能技术赋能百业——AI for Everyone，本次报告将分享第四范式在通往AI for Everyone的道路上的经验和思考。 <

	题目	海康威视研究院技术介绍与应用
	报告人	钟凯伦战略合作经理（海康威视）
	摘要	本报告将分享海康威视研究院在全面感知和智能认知方面的技术与相关应用。<

	题目	智能决策赋能工业控制
	报告人	高耸屹技术总监（南栖仙策）
	摘要	本报告将介绍基于环境模型学习工具 REVIVE SDK 及其在工业场景下的案例，同时将展现一种通用的反馈控制器。 <

Top Conference Review Session

	14:50–17:55	主持人	章宗长副教授，南京大学
		报告专家（姓氏拼音序）	高阳、黄迪、黄高、景丽萍、黎铭、刘淇、邱锡鹏、魏哲巍、张利军、张伟楠、张宇、赵登吉、赵鹏、赵鑫、左旺孟