2018年中国计算机学会(CCF)智能感知与城市计算前沿论坛——暨2018重庆大学青年科协缙云论坛

各位老师同学,

智能感知和城市计算已经成为当前信息领域的前沿研究热点。其总体目标是在感知城市主体与物理信息世界交互情景的基础上,通过对大量的数字印记进行挖掘和理解,从中获得社会情景、交互模式以及大规模人类活动和城市动态规律,并把学习得到的智能信息运用到各种创新服务中,以实现智慧城市的美好愿景。随着大数据和人工智能时代的来临,城市计算对数据的需求和处理数据的能力都在增强,感知日益呈现出智能化的特点。智能感知从广度上,涵盖从传感基础设施、移动人群及其便携设备、线上社交媒体等各种渠道获取大规模相关数据;从深度上,则延伸至利用各种机器学习和优化算法在兼顾代价的同时提炼出高质量数据。

本次论坛邀请国内外知名学者共同探讨智能感知与城市计算研究的当前进展和未来趋势,内容包括:新型无线感知技术及人体行为识别、人机物智能融合、移动边缘计算、迁移学习与智慧城市、群智感知任务分配及激励策略、城市应急响应等。

时间:2018年5月25日(全天)

地点:重庆大学A区主教学楼506

1. 议程

09:00 – 09:20 开幕式、欢迎辞
09:20 – 10:00 报告题目:从菲涅耳区衍射模型到基于Wi-Fi的人体呼吸检测

报告人:张大庆

10:00 – 10:20 茶 歇
10:20 – 11:00 报告题目:人机共融智能

报告人:於志文

11:00 – 11:40 报告题目:Mobile Edge Computing: Edge Cloud Selection and Computation Offloading

报告人:郭松涛

11:40 – 14:00 午 歇(重庆大学B区 筑园酒店)
14:00 – 14:30 报告题目:工作流重用与复用技术初探

报告人:周长兵

14:30 – 15:00 报告题目:智慧城市中的迁移学习

报告人:王乐业

15:00 – 15:30 报告题目:面向城市应急响应的移动行为大数据分析

报告人:陈龙彪

15:30 – 15:50 茶 歇
15:50 – 16:20 报告题目:移动群智计算:从城市感知到社群健康管理

报告人:王江涛

16:20 – 16:50 报告题目:移动群智感知之“励器”:基于多模态机器学习的激励方法

报告人:向朝参

16:50 – 17:20 报告题目:弱监督视觉中的迁移学习问题

报告人:张磊

 

2. 报告内容及报告专家简介

张大庆

张大庆

报告题目:从菲涅耳区衍射模型到基于Wi-Fi的人体呼吸检测

内容摘要:本报告首次将菲涅耳区衍射模型用于基于无线信号的非接触人体呼吸检测,解决了第一菲涅尔区内定量刻画无线信号与人体活动之间的关系这一难题。基于传统的菲涅耳区衍射原理,首次提出了第一菲涅耳区内刻画感知无线信号与人体活动间关系的理论,在真实环境中搭建感知系统对理论进行了验证,并应用该理论解释了不同人体厚度在呼吸检测时效果存在差异的原因,给出人体在卧姿和坐姿进行呼吸检测时不同的最佳检测位置,以及如何调整人体位置以便有效检测呼吸的指导原则。该理论除了可指导基于无线信号的微小活动的检测,也可应用于大尺度人体行为的识别,如准确识别人的徒手健身活动等。

讲者简介:张大庆,北京大学讲座教授,博士生导师,国家“千人计划”入选者,中国计算机协会普适计算专委会副主任。1996年获得意大利罗马大学博士学位。曾任法国巴黎国立电信学院、法国科学院一级终身教授, 新加坡资讯通讯研究院智能家庭实验室创建主任, 情景感知系统部创建主任。主要研究方向包括大数据分析、情景感知计算、移动计算等。在相关国际期刊、会议发表学术论文 280余篇,论著5本,国际国内专利10余项。所创的情景感知模型被国际普适计算、移动计算和服务计算学术界广泛采用,文章它引次数达 11600 余次 (根据 Google Scholar), 并被普适计算领域顶级会议 IEEE PerCom 2013 授予“十年最具影响力论文奖”。近年来在群智感知、感知大数据分析和无接触感知等新兴研究方向工作,先后获得CCF推荐的全部4个普适计算国际会议的最佳论文或提名奖,包括CCF A类会议ACM UbiComp 2015、2016 的最佳论文提名奖。张大庆教授是IEEE Pervasive Computing,IEEE Trans. on Big Data, ACM IMWUT,ACM Trans. on Intelligent Systems and Technology 等国际期刊的编委, 担任过10多个国际会议的大会或程序委员会主席,应邀在20多个国际会议做大会特邀报告。

 

於志文

於志文

报告题目:人机共融智能

内容摘要:人机物融合正成为新一代计算技术的重要特征与主要趋势,人机共融智能是计算机领域未来重要发展方向,意为利用人类智能和机器智能的差异性和互补性,通过个体智能融合、群体智能融合、智能共同演进等,实现人类和机器智能的共融共生,完成复杂的感知和计算任务。报告将介绍人机共融智能的基本概念、研究挑战,并分享团队在人机智能融合领域的一些研究成果。

讲者简介:於志文,西北工业大学教授,博士生导师,德国洪堡学者,国家杰出青年科学基金获得者,国家“万人计划”领军人才。现任陕西省嵌入式系统技术重点实验室副主任,普适与智能计算研究所所长。2004-2010年先后在新加坡信息通讯研究院、日本名古屋大学、京都大学、德国曼海姆大学从事科研工作。主要从事移动互联网、普适计算、人机系统、社会感知等领域的研究工作。主持国家973计划课题、国家自然科学基金等科研项目20余项。已在国际顶级学术期刊和会议上,如IEEE TMC、IEEE TKDE、INFOCOM、UbiComp、KDD等发表论文150余篇,SCI收录80余篇次。担任国际权威期刊IEEE Transactions on Human-Machine Systems、IEEE Communications Magazine等编委,担任ACM UbiComp、IEEE PerCom、IJCAI等国际会议程序委员或主席40余次。担任IEEE高级会员、ACM西安分会副主席、中国计算机学会理事、杰出会员、普适计算专业委员会副主任、学术工委委员、大数据专家委员会委员、CCF西安分部副主席等。2006年获中国计算机学会优秀博士学位论文奖,2009年入选教育部“新世纪优秀人才支持计划”,2011年获中国计算机学会青年科学家奖,2012年获得首批国家优秀青年科学基金,2013年获霍英东高等院校青年教师奖,2014年获国家级教学成果二等奖和教育部自然科学二等奖,2015年入选科技部中青年科技创新领军人才计划。

 

郭松涛

郭松涛

报告题目:Mobile Edge Computing: Edge Cloud Selection and Computation Offloading

内容摘要:Mobile cloud computing (MCC), as a prospective computing paradigm, can significantly enhance computation capability and save energy of smart mobile devices (SMDs) by offloading computation-intensive tasks from resource-constrained SMDs onto the resource-rich center cloud. Compared to a center cloud, an edge cloud can provide services to nearby SMDs with lower latency. However, the edge cloud may be mobile and its resources are limited to multiple nearby users. How to obtain an optimal offloading policy under the constraints of mobility and limited resource remains to be a challenging issue. In this talk, we aim to minimize the total execution cost of multiple devices by offloading the computation from SMDs onto edge clouds in an edge cloud computing (ECC) system.

讲者简介:郭松涛、男,博士、教授、博士生导师,教育部“新世纪优秀人才支持计划”入选者。CCF YOCSEF 重庆副主席,西南大学电子信息工程学院副院长,“智能传动和控制技术” 国家地方联合工程实验室副主任、“非线性电路与智能信息处理”重庆市重点实验室副主任。1999年、2003年、2008年在重庆大学计算机科学与技术专业分别获得学士、硕士和博士学位。2006年、2009年、2011年在重庆大学被评为讲师、副教授、教授。2013年至今在西南大学任教授。主要在移动边缘计算、移动云计算、无线传感器网络、无线自组织网络等方面开展研究,已取得显著的研究成果,近5年在包括IEEE Transactions on Computers、IEEE Transactions on Mobile Computing、IEEE Transactions on Communications、Wireless Networks、Computer Communications等 SCI收录的著名国际期刊以及IEEE INFOCOM、IEEE MASS、IEEE SECON、 IEEE WCNC、IEEE GLOBECOM, IEEE ICC等国际会议上发表学术论文110多篇,其中第一作者/通信作者95余篇,SCI他引1000多次,单篇最高他引105次。主持国家自然科学基金4项、中国博士后科学基金2项(其中特别资助1项)、重庆市自然科学基金重点项目1项,重庆市自然科学基金面上项目2项等;参与国家重点研发计划、军委科技委装备预研基金重点项目,重庆自然科学基金重点项目教育部博士点基金优先资助领域项目等省部级项目6 项;获授权国家发明专利1项,重庆市自然科学一等奖1项、二等奖1项,2009年获得重庆市优秀博士学位论文奖,2009年入选教育部“新世纪优秀人才支持计划”。

 

周长兵

周长兵

报告题目:工作流重用与复用技术初探

内容摘要:科学工作流的重用与复用技术为新科学工作流的创建提供了快捷高质的解决方案,并使得非领域专家可以参与到科学工作流的构建之中。随着越来越多的科学工作流在网络上发布和共享,评估科学工作流与用户需求之间的适配性是亟待解决的科学问题。为此,基于层次性的科学工作流描述特征,提出了一种考虑新型科学工作流的适配性评估机制,采用基于图骨架的聚类算法对层次结构进行聚类,通过识别出聚类的重心来表征聚类的核心工作流,提高聚类识别和工作流排序、推荐的效率。基于myExperiment科学工作流的实例数据验证了该方法的准确性和有效性。

讲者简介:周长兵,中国地质大学(北京)信息工程学院教授,博士生导师。法国国立电信学院南巴黎分校计算机系客座教授。曾在法国国立电信大学南巴黎分校从事博士后研究工作,博士毕业于爱尔兰Digital Enterprise Research Center (DERI)研究所,硕士毕业于中国科学院自动化研究所,本科毕业于中国地质大学(武汉)。曾在朗讯科技贝尔实验室(北京)工作过五年,担任高级研究员职位和项目负责人的职位;曾在华为公司北京研究所工作过一年,担任软件工程师的职位。已发表国际学术论文100余篇,担任10多个国际期刊的副/客座主编,10多个国际会议的程序和执行等主席。

 

王乐业

王乐业

报告题目:智慧城市中的迁移学习

内容摘要:开发智慧城市服务的基础是大规模城市感知数据的积累。但是,不同城市、不同服务行业之间的发展存在不均衡,导致在启动智慧城市服务开发时常常会面临关键数据缺失的问题。本报告将探讨如何在智慧城市开发中通过迁移学习技术缓解数据缺失的影响,从而让智慧城市服务在冷启动阶段即能达到较好的效果。具体的,本报告将以数据预测、事件监测、设施部署等多种智慧城市应用的冷启动问题作为切入点,介绍如何将深度学习、协同过滤等技术与迁移学习结合,从而在数据缺失情况下快速建立起有效的机器学习模型以服务智慧城市建设。

讲者简介:王乐业,目前于香港科技大学任博士后研究员,博士毕业于法国国立电信学院及巴黎六大,本科及硕士毕业于北京大学。研究方向为群智感知及城市大数据分析。发表国际会议及期刊论文共30余篇,引用600余次,包括顶级会议UbiComp,WWW,AAAI,知名期刊IEEE Transactions on Mobile Computing, ACM Transactions on Intelligent Systems and Technology等。

 

陈龙彪

陈龙彪

报告题目:面向城市应急响应的移动行为大数据分析

内容摘要:随着我国城市化进程的快速推进,城市中的内涝、火灾、传染病、踩踏事故等突发事件频繁发生,给人民生命财产带来巨大损失,亟需建立健全科学的城市应急管理体系。由于城市环境极为复杂,传统的城市突发事件应急响应方案存在成本高、反应慢、覆盖面有限等问题,已不能适应日趋复杂和严峻的客观需求。近年来,随着智能感知技术和城市计算理论的成熟,关于城市人群移动和人群行为的各类大数据悄然而生,如移动轨迹、社交媒体、空间气象、健康医疗等等。这些大数据从不同视角全面记录了城市突发事件的萌芽、发展、处置等阶段,通过深度分析技术提取其中的知识和智能,可以用来帮助解决城市应急响应所面临的挑战。本报告以基于轨迹大数据的厦门市台风内涝自动监测工作为例,探讨移动行为大数据分析应用在城市应急响应中的新思路,并对目前在研的应急响应工作进行介绍和展望。

讲者简介:陈龙彪,博士,厦门大学信息学院助理教授。2016年博士毕业于浙江大学,期间赴巴黎第六大学进行联合培养。现工作于福建省智慧城市感知与计算重点实验室,主要研究方向为城市感知、移动行为分析、普适计算。已在国际著名期刊和顶级会议上发表学术论文20余篇,包括IEEE智能交通系统会刊(T-ITS), CCF A类会议ACM UBICOMP,并于2015年和2016年两次获得UBICOMP最佳论文提名奖。已有授权发明专利4项,参与国家973项目、863项目、欧盟项目各一项。目前主持厦门大学校长基金、福建省自然科学基金面上项目各一项。担任IEEE UIC 2017程序委员会委员,CCF普适计算年会 Tutorial论坛主席,以及ACM SIGSPATIAL CHINA委员。

 

王江涛

王江涛

报告题目:移动群智计算:从城市感知到社群健康管理

内容摘要:近年来,随着集感知、计算和通信能力为一体的移动智能设备数量快速增长,一种被称为“移动群智计算”的新型计算模式应运而生。本报告将介绍讲者在移动群智计算领域两方面应用研究:第一,城市感知任务最优分配。包括:(1)从单任务到多任务:一种面向多任务群智感知的任务最优分配方法。(2)兼顾整体效用和个体质量:一种考虑单任务感知质量的多任务感知整体效用优化方法。(3)从专用平台到社交网络:一种基于社交网络的群智感知任务分配方法。(4)从单一模式到混合模式:一种结合主动模式和被动模式的混合式感知任务分配方法。第二,社群行为识别和健康管理。主要介绍基于移动社交软件数据的特殊人群行为识别以及健康管理方面最新研究和探索。

讲者简介:王江涛,博士,北京大学信息科学技术学院助理研究员,工作于高可信软件技术教育部重点实验室,从事移动计算、智慧城市感知方面研究。主持国家自然科学基金(青年项目)、中国博士后科学基金项目(一等资助),作为子课题负责人参与科技部重点研发计划项目2项,作为技术骨干参与国家863、自然科学基金重点项目等。在国内外重要期刊和会议发表论文20余篇,其中作为第一作者在IEEE TMC、ACM CSCW、IEEE COMPUTER、IEEE THMS、IEEE IOTJ、IEEE COMMAG等重要国际期刊或会议上发表多篇论文。担任UIC 17, EUSPN 16, CrowdSense 17,IOP 18等国际会议的程序委员会成员,SPLC 16宣传主席,国际智慧城市群智计算研讨会CISC 16主席,以及CCF普适计算专业委员会委员。

 

向朝参

向朝参

报告题目:移动群智感知之“励器”:基于多模态机器学习的激励方法

内容摘要:随着“互联网+”的发展,“万物相连万物生”的时代正在到来,利用众多普通用户现有移动感知设备形成的移动群智感知网络,以极低的成本实现大规模、细粒度的感知,是实现覆盖全国千万级规模感知目标的重要途径。由于用户都是自愿参与,因此,如何激励大量用户参与到感知任务中是实现大规模移动群智感知的关键。报告人结合自己最新研究成果,从三个方面来介绍移动群智感知之“励器”:
一励,提升用户的参与便捷性。由于智能手表、手机等移动感知设备输入界面小,导致用户操作不方便。因此,利用人体掌骨结构原理,充分挖掘声音在皮肤传播的多径效应和吸收效应,基于机器学习方法,提出了基于手背虚拟键盘的智能手表感知输入技术和系统,无需额外佩戴其它设备和修改现有智能手表,成功地将人机交互区域扩展到界面以外,实现了‘隔空’操作,极大地方便了用户感知操作的便捷性,从而激励用户的参与。
二励,提高用户的参与积极性。感知任务的实施常常给用户带来一定的耗费和损失,如手机电能消耗、汽油耗费、用户的时间耗费以及隐私泄露等。因此,绝大部分用户只有得到充足的报酬激励,才会自愿参与到移动群智感知中。但是高度动态的移动群智感知给激励机制设计带来了用户先验难获取、任务分配要实时两个挑战。为了解决这两个挑战,提出了面向移动群智感知用户的多模态自学习在线激励机制方法,利用机器学习方法,无需用户先验信息,在任务分配中自学习用户多模态模型、在学习中实时分配任务。
三励,扩大用户的感知规模性。为了拓展用户的参与规模和感知范围,需要充分利用普适存在的信号进行感知。因此,提出了利用普适存在的地球磁场信号和WiFi信号的CSI信息进行感知。通过对不准确、不可靠的普适感知信号进行校正、特征提取和学习,实现了室内物体的被动定位和精确感知,从而拓宽了用户感知的广度,促进了大规模移动群智感知系统的实现。

讲者简介:向朝参,男,1987年出生,博士,解放军陆军勤务学院讲师。于2009年和2014年分别获得解放军理工大学的学士学位和博士学位,于2012年至2014年在清华大学信息技术国家实验室物联网技术中心联合博士培养,于2017年至2018年在美国密歇根大学(安娜堡)计算机系实时计算实验室做访问研究一年。长期从事普适移动感知和群智感知网络的数据收集、校正、隐私安全等方面的研究,主持和作为合作单位负责人联合主持国家自然科学基金面上项目、青年基金项目、以及重庆市自然科学基金项目4项。曾参与国家自然科学基金重点项目、面上项目和军队物联网项目等5项。共发表学术论文30余篇,其中被SCI收录10篇,EI收录16篇,在中国计算机学会(CCF)认定的A类会议ACM Ubicomp和A类期刊IEEE Transactions on Mobile Computing(TMC)等发表学术论文4篇。2013年获国际学术会议IEEE MSN最佳论文奖(Best Paper)以及International Worshop On IOT and WSN最佳演示论文奖(Bet Poster Award)。申请国家发明专利5项,其中已授权2项。曾担任IEEE UIC,IEEE MSN, IEEE Bigcom,IEEE MSCC等国际学术会议的程序委员会委员。长期担任国际著名期刊TPDS、TVT、TMC、Transportation、IEEE ACCESS以及国际学术会议Mobicom、Infocom、Mobihoc、MASS、Secon和ICC等的审稿人。

 

张磊

张磊

报告题目:弱监督视觉中的迁移学习问题

内容摘要:近年来,迁移学习和领域自适应是机器学习研究中较为前沿的弱监督学习方法,在跨领域异构数据中应用较为广泛,主要用于解决非独立同分布数据间的知识共用和迁移问题。本报告将结合深度学习的数据驱动和迁移学习的模型驱动的特点,介绍迁移学习的概念和方法,并讨论几种基于视觉特征重建的无监督和半监督迁移学习模型以及一种深度网络自我对抗的迁移学习工作,用于解决跨领域、弱监督条件下的视觉识别问题。

讲者简介:张磊,重庆大学通信工程学院研究员,博士生导师,重庆市生物感知与智能信息处理重点实验室副主任,LiVE智能视觉与学习团队负责人(www.leizhang.tk),CCF计算机视觉专委会委员、CAAI智能服务专委会委员。2013年博士毕业于重庆大学,2013-2018期间曾在清华大学深圳研究院、哈尔滨工业大学深圳研究院、香港理工大学、澳门大学作访问学者和博士后研究员。主要聚焦于迁移学习、深度学习、跨领域视觉大数据建模和仿生嗅觉与味觉方面的智能理论与应用研究,部分仿生技术已产品化。主持国家自然科学基金(青年和面上)、香江学者计划人才项目、教育部博士学术新人奖基金、重庆市留学生创新创业支持计划等研究项目13项;以第一或通讯作者发表SCI/EI论文70余篇,其中包括IEEETNNLS/TIP/TMM/TCYB/TIM/TSMCA/TCBB等15篇,中科院一区论文11篇,3篇论文入选ESI高被引论文和热点论文,发明专利14项。曾担任WRJB期刊主编和Journal of Electrical and Computer Engineering首席客座编辑;担任20余个国际学术会议IEEE TENCON/SSCI/ICCT等会议的最佳论文奖评审主席、荣誉主席、分会主席、重庆地区主席和特邀讲者;担任IEEE TIP/TIE/TCYB/IEEE TMM/IEEE TIM/IEEE TCSVT/IEEE TSMCA/PR等50余个国际期刊审稿人。曾获香江学者奖、重庆市优秀博士学位论文奖、Sensor Review杰出审稿人奖、CCBR最佳论文奖、重庆市自然科学优秀学术论文奖,并于2015年入选重庆大学“百人计划”。