2019年度“CCF优秀博士学位论文奖”初评结果公示

11 月 8 日 专知

依据关于评选“中国计算机学会(CCF)优秀博士学位论文奖”的有关条例,CCF从2019年8月1日起,开始受理2019年度“CCF优秀博士学位论文奖”的参评推荐。至推荐截止之日,本年度共收到22所高校或研究机构推荐的38篇博士学位论文。“CCF优秀博士学位论文奖”评选主要包括形式审查、同行初评、会议终评、奖励委员会审议等阶段。

初评采用同行专家函评方式。CCF优秀博士学位论文奖评奖分委员会根据回避原则,最终邀请了30位海内外同行专家对推荐论文进行了函评。每篇推荐论文获得了5位同行专家的函评意见。根据同行专家函评意见和学科方向分布情况,评奖分委员会确定18篇推荐论文入围下一轮2019年度“CCF优秀博士学位论文奖”评选。

2019年度“CCF优秀博士学位论文奖”初评(第一轮)入围名单如下:

(以作者姓名的拼音字母为序)

姓名

论文题目

培养单位

导师

陈健飞

表示学习的高效算法代表成果

清华大学

朱军

陈俊洁

数据驱动的编译器测试与调试若干技术研究代表成果

北京大学

谢冰

成雨蓉

大规模图数据查询处理关键技术研究代表成果

东北大学

王国仁

江佳伟

机器学习算法的分布式梯度优化研究代表成果

北京大学

崔斌

金梦

低功耗无线网络信道共享与并发传输技术研究代表成果

西北大学

房鼎益

李崇轩

面向多种学习任务的深度生成模型代表成果

清华大学

张钹

任文琦

融合结构先验的图像及视频去模糊研究代表成果

天津大学

操晓春

王天本

面向健康的非干预式体征感知关键技术研究代表成果

西北工业大学

张大庆

谢肖飞

基于路径依赖关系的循环分析技术研究代表成果

天津大学

李晓红

胥皇

基于属性图挖掘的职业流动行为研究代表成果

西北工业大学

於志文

张明喆

动态权衡在新型非易失存储器件中的应用研究代表成果

中科院计算所

刘志勇

张平

面向计算广告学的影响最大化及阻隔方法研究代表成果

武汉大学

彭智勇

张蕊

基于深度学习的场景分割技术研究代表成果

中科院计算所

李锦涛

赵海森

面向增减材料制造的几何研究与应用代表成果

山东大学

陈宝权

郑嘉琦

数据中心网络数据平面更新策略研究代表成果

南京大学

陈贵海

周知

面向绿色跨域数据中心的能效管理研究代表成果

华中科技大学

刘方明

朱晓伟

大规模图数据处理系统的设计与实现代表成果

清华大学

陈文光

朱越

增广信息学习代表成果

南京大学

周志华


中国计算机学会

2019年11月8日

参考链接:

  • https://www.ccf.org.cn/c/2019-11-08/671763.shtml


-END-
专 · 知


专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取更多AI知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询
请加专知小助手微信(扫一扫如下二维码添加),获取专知VIP会员码,加入专知人工智能主题群,咨询技术商务合作~
点击“阅读原文”,了解注册成为专知VIP会员
登录查看更多
0+

相关内容

课程题目: Deep Learning for Science School

课程大纲:

  • ML介绍
  • 神经网络 Ⅰ
  • NERSC-DL栈概述
  • 使用Keras构建NNs(动手实践)
  • 神经网络 Ⅱ
  • 深度学习的实践性
  • DL再现性
  • 训练NNs动手实践
  • ML中的公平与伦理
  • 序列模型
  • 生成模型
  • NERSC科学DL
  • HEP中的GANs
  • 分子工程的DL
  • 量子化学的DL
  • 超参数优化
  • 特征转换
  • 可解释性
  • 目标检测与图像分割
  • 规模化NNs训练
  • 几何DL
  • 规模化NNs训练(动手实践)

主讲人:

Brenda Ng,劳伦斯·利弗莫尔国家实验室机器学习科学家。

Mustafa Mustafa,NERSC,伯克利实验室的机器学习工程师

Wahid Bhimji,是NERSC数据和分析服务团队的大数据架构师。他目前的兴趣包括机器学习、数据库和数据管理。他目前领导几个机器学习项目,特别是与高能物理相关的项目;协调NERSC和CS领域的深度学习部署;是NERSC数据库的主要用户联络点;是即将推出的Perlmutter机器的工作流程和数据领导;是HEP-CCE的参与领导。显然,他是Cori第1阶段调试(尤其是数据服务)和突发缓冲区的用户负责人。Wahid在学术界和英国政府从事科学计算和数据分析工作多年,并在高能粒子物理学领域获得博士学位等。

Neural Networks I.pdf
ml_intro_part1(1).pdf
Overview of NERSC DL Stack.pdf
1+
0+

论文摘要:深度生成模型前景广阔,但是现有模型的表达能力、可解释性和判别性均有不足之处,亟待解决。具体而言,第一,现有深度生成模型中的网络结构和隐变量结构都非常简单,这限制了模型的表达能力;第二,现有深度生成模型以完全黑盒的方式拟合一个从噪音到高维数据的映射,其隐变量可解释性不足,生成图像的语义也难以控制;第三,无监督学习所提特征的判别能力远逊于前馈神经网络,而在深度生成模型中恰当地引入监督信号又是一个非平凡问题。本文面向不同的机器学习任务,设计匹配的模型和学习准则,开发高效的推理和学习算法,解决上述深度生成模型的关键性研究问题。本文的主要创新点如下:

  1. 面向无监督学习,受神经科学启发,提出一个带有记忆模块和注意力机制的 深度生成模型,提高了模型的表达能力和表现;提出对抗变分推理和学习算 法,无需对模型结构作特定假设,提高了一大类无向模型的推理和学习效果。
  2. 面向无监督学习和弱监督学习,基于贝叶斯网络和信息传播算法,提出一个 灵活普适的结构化深度生成模型框架,可以生成新的结构化数据并推理给定 数据中的结构化隐变量,增强了深度生成模型的表达能力和可解释性。
  3. 面向有监督学习和半监督学习,基于最大间隔学习准则,提出最大间隔深度 生成模型及其变体,极大增强了显式概率模型的判别能力,同时保留了其处 理数据中的噪音和缺失信息的能力。
  4. 面向半监督学习,受博弈理论启发,提出了三元生成对抗网络,首次提出半 监督生成对抗网络的最优均衡点并给出证明,显著提高了半监督分类准确率, 并首次在给定部分标注的情况下完成了语义可控的图像合成任务。

关键词: 深度生成模型;变分推理;对抗训练;图像合成;有限标注

作者介绍:李崇轩是清华大学计算机系2014级的博士研究生,他的博士生导师是张钹。他的研究兴趣主要是统计机器学习,特别是各种学习任务的深度生成模型,包括无监督、(半)监督和强化学习。

4+
0+

摘要:制造业是一个国家的支柱产业,能够直接体现一个国家的生产力水平。按工艺 来分类,可分为“等材制造”,“减材制造”和“增材制造”。工业制造是一个典 型的多学科交叉的领域,涉及到材料,机械,控制,通讯等众多方面。从前期的工 件模型的设计(CAD),力学模拟分析(CAE),及最终的加工过程规划(CAM), 都涉及到大量的几何问题。本学位论文面向增减材制造领域,对其中的部分过程规 划和应用相关的几何问题进行研究。 本学位论文面向智能制造中的几何问题及其应用,具体研究了增减材制造路 径规划相关的空间填充曲线生成问题,自由曲面模型装夹规划相关的区域分割问 题;在应用方面研究了一种基于三维打印可定制化制造的创意投影灯罩几何模型 生成方法。本文创新点和贡献主要包括以下几个方面:

(1)提出一种全局连续且平滑的增材制造路径规划方法 本文将费马螺旋线引入到空间填充曲线的生成中,提出了一种新的空间填充曲 线——连通费马螺旋线,并详细阐述了其作为增材制造路径规划方法的优良特性。 与传统的空间填充曲线不同,连通费马螺旋线对任意拓扑连通的区域都可以生成 一条全局连续且平滑的空间填充曲线。将连通费马螺旋线应用到三维打印的截面 填充路径规划中,并与现有的三维打印路径进行比较,证明应用连通费马螺旋线路 径规划算法,能够显著提升打印质量并降低打印时间。

(2)提出一种残留分布均匀的减材制造路径规划方法 本文探索了连通费马螺旋线的三维形式,提出了一种同时满足全局连续,平滑 和等残留三种特性的减材制造路径规划方法,该路径的跟随区域边界生成,能够显 著提升铣削加工的表面质量和加工效率。为了使得残留均匀分布,基于曲面方向曲 率本文提出了一种控制费马螺旋线路径间距的方法生成等残留连通费马螺旋线。 通过实际的加工实验与已有的路径规划方法的对比,表明本文方法对加工效率和 质量的提升作用。

(3)提出一种封闭自由曲面数控加工的装夹规划方法 已有的装夹规划方法主要处理基本几何图元组成的 CAD 模型,本文提出了一 个针对封闭自由曲面模型数控加工的自动装夹规划方法。基于可达性分析,将装夹规划问题定义为一个带方向标签的区域分割问题。考虑定轴加工的约束,应用图割 理论将输入模型预分割为高度场子区域。之后通过求解一个可达性分析相关的最 小覆盖问题,生成装夹规划的工件方向及其对应的加工范围划分。

(4)提出了一种投影半色调图像的多孔结构灯罩模型生成方法 本文提出了一种基于光线投影的新的半色调成像技术,根据用户给定的灰度图 像和灯罩三维模型,通过在灯罩模型表面上设置微小孔洞调制投影图像。对于模型 上的微孔优化其大小、位置和相对光源朝向角度,同时保证可打印性的结构约束, 使光源透过这些孔洞在投影面上形成一幅与给定图像最相近的连续灰度图像。

关键词: 增材制造,减材制造,路径规划,装夹规划,空间填充曲线,半色调图像

作者介绍:赵海森,山东大学交叉研究中心博士生,师从陈宝权教授。主要研究方向为计算机图形学,智能制造。已在TOG,SIGGRAPH上发表4篇文章,在软件学报和 Pacific Vis发表论文各1篇。曾荣获“山东省优秀博士毕业生”,“山东大学校长奖学金”,“CAD&CG 2012优秀学生论文”等荣誉。

0+
0+

报告主题:网络表示学习

报告摘要:数据特征的有效表示是机器学习任务中最为关键环节之一。网络数据(如社交网络、信息网络等)作为普适而广泛的数据呈现形式,对它的高效表示学习是近年来数据挖掘和机器学习领域的研究热点之一。本报告将重点围绕如下内容展开:(1)网络表示学习的基本概念;(2)几类新型网络表示学习方法,包括:网络Tag表示、域自适应表示、基于网络划分的表示以及内存自适应的表示方法等。

嘉宾简介:宋国杰,北京大学信息科学技术学院副教授。研究方向包括:网络大数据分析、机器学习&数据挖掘、社会网络分析和智能交通系统。主持了包括国家高技术研究发展计划(863计划)、国家科技支撑计划、国家自然科学基金等纵向课题10多项;主持了国际(内)科研机构合作课题、企业横向合作课题等20余项。国家级精品课程主讲教师,两度获得北京大学教学成果一等奖(2012、2009)。在包括国际顶级期刊TKDE、TPDS、TITS以及国际顶级会议KDD、IJCAI、AAAI等发表论文100余篇,是多个国际顶级会议(KDD、WWW、AAAI、IJCAI等)的程序委员。申请国家发明专利10项,软件著作权3项。研究成果获“2012年度中国公路学会科学技术奖一等奖”、“2012年度山西省科学技术奖二等奖”和“2013年度中国公路学会科学技术奖一等奖”。

1+
0+
小贴士
Top