9月23日至25日，由我校計(jì)算機(jī)科學(xué)和技術(shù)學(xué)院主辦的2022年第五屆人工智能和模式識(shí)別國(guó)際會(huì)議（AIPR 2022）通過(guò)云端會(huì)議平臺(tái)ZOOM順利舉辦。

為在人工智能和模式識(shí)別這兩大重要領(lǐng)域進(jìn)行進(jìn)一步的探索，與學(xué)界和業(yè)界相關(guān)人員交流新問(wèn)題、新發(fā)現(xiàn)、新成果、新應(yīng)用，會(huì)議接納了兩百余位分別來(lái)自中國(guó)、美國(guó)、加拿大、新加坡、日本、印度、俄羅斯、意大利等多個(gè)國(guó)家和地區(qū)的高校、研究機(jī)構(gòu)的學(xué)者和企業(yè)的從業(yè)人員共聚云端，圍繞數(shù)據(jù)模型與計(jì)算、圖像和視頻中的智能識(shí)別技術(shù)、機(jī)器學(xué)習(xí)等主題積極展開(kāi)交流討論，探討領(lǐng)域中的熱點(diǎn)、難點(diǎn)和重點(diǎn)問(wèn)題，并分享領(lǐng)域中最新的研究技術(shù)成果。

在23日的開(kāi)幕式上，大會(huì)主席、我校計(jì)算機(jī)科學(xué)和技術(shù)學(xué)院院長(zhǎng)緱錦教授致歡迎詞，大會(huì)主席、加拿大阿爾伯塔大學(xué)電氣與計(jì)算機(jī)工程系教授Witold Pedrycz主持大會(huì)主題報(bào)告。

9月24日，會(huì)議邀請(qǐng)人工智能和模式識(shí)別相關(guān)領(lǐng)域的四位IEEE Fellow（電氣與電子工程師協(xié)會(huì)會(huì)士）出席會(huì)議，他們就各自所在研究領(lǐng)域分別發(fā)表主題報(bào)告，并和在場(chǎng)多位與會(huì)專(zhuān)家學(xué)者進(jìn)行了深入溝通交流。

來(lái)自美國(guó)加利福尼亞大學(xué)洛杉磯分校的Demetri Terzopoulos教授（ACM Fellow，IEEE Fellow，加拿大皇家學(xué)會(huì)會(huì)士）作了題為“A Personal Perspective on Medical Image Analysis: Pattern Recognition, Modeling, and Deep Learning”的主題報(bào)告，從個(gè)人角度介紹了將計(jì)算機(jī)視覺(jué)和人工智能的其他方面用于應(yīng)對(duì)計(jì)算機(jī)輔助醫(yī)學(xué)圖像分析和診斷的困難挑戰(zhàn)的主要里程碑，討論了最先進(jìn)技術(shù)日益明顯的局限性，旨在通過(guò)混合學(xué)習(xí)/建模和基本無(wú)監(jiān)督的多任務(wù)方法，在困難的自動(dòng)醫(yī)學(xué)圖像分析任務(wù)上實(shí)現(xiàn)更高的性能水平。

美國(guó)佐治亞理工學(xué)院的劉玲教授（IEEE Fellow）分享了題為“Ensemble Learning Methods for Dirty Data”的主題報(bào)告，重點(diǎn)介紹了佐治亞理工學(xué)院開(kāi)發(fā)的以多樣性為中心的集合學(xué)習(xí)框架，包括通過(guò)提高整個(gè)系統(tǒng)的泛化性能和最大限度地提高集合效用和對(duì)臟數(shù)據(jù)的復(fù)原力來(lái)衡量、執(zhí)行和組合多個(gè)神經(jīng)網(wǎng)絡(luò)的方法和算法。

來(lái)自新加坡國(guó)立大學(xué)的李海洲教授（新加坡工程院院士，IEEE Fellow, ISCA Fellow）作了題為“Recent Advances in Selective Auditory Attention”的主題報(bào)告，分享介紹了用于單聲道語(yǔ)音分離和說(shuō)話(huà)人提取的深度學(xué)習(xí)解決方案，這些解決方案能夠?qū)崿F(xiàn)選擇性的聽(tīng)覺(jué)注意。李教授還介紹了它們?cè)谡Z(yǔ)音識(shí)別、說(shuō)話(huà)人識(shí)別和助聽(tīng)器中的應(yīng)用，討論了計(jì)算聽(tīng)覺(jué)模型、技術(shù)挑戰(zhàn)和該領(lǐng)域的最新進(jìn)展。

青島大學(xué)的侯忠生教授(IEEE Fellow)則分享了題為"Control Theory under Age of AI and Big Data"的主題報(bào)告，介紹了大數(shù)據(jù)/人工智能的背景、卡爾曼范式及其挑戰(zhàn)、數(shù)據(jù)驅(qū)動(dòng)的無(wú)模型自適應(yīng)控制（MFAC）及其利用數(shù)據(jù)和知識(shí)的能力、MFAC與自適應(yīng)控制和PID之間的關(guān)系等重要內(nèi)容。

此外，大會(huì)還根據(jù)報(bào)告主題方向劃分設(shè)置了17個(gè)分組報(bào)告，分別就神經(jīng)網(wǎng)絡(luò)理論與算法、數(shù)據(jù)模型與計(jì)算、機(jī)器學(xué)習(xí)、文本分類(lèi)與情感分析、目標(biāo)檢測(cè)、特征提取與融合、機(jī)器視覺(jué)與圖像模型等主題進(jìn)行了論文報(bào)告，分組討論由來(lái)自華僑大學(xué)、西南交通大學(xué)、華中科技大學(xué)、北京語(yǔ)言大學(xué)、北京郵電大學(xué)、上海理工大學(xué)、克里夫蘭州立大學(xué)、達(dá)特茅斯學(xué)院等高校的學(xué)者主持。

170余位參會(huì)學(xué)者在相關(guān)的主題分會(huì)場(chǎng)就個(gè)人最新研究成果進(jìn)行了15分鐘左右的展示和分享，分會(huì)主席就相應(yīng)報(bào)告提出點(diǎn)評(píng)及建議，并積極推進(jìn)線(xiàn)上即時(shí)討論和問(wèn)答，促進(jìn)了參會(huì)人員就具體問(wèn)題充分、細(xì)致的討論，加深了參會(huì)人員對(duì)相關(guān)領(lǐng)域最新發(fā)展和技術(shù)難點(diǎn)的了解。

會(huì)議現(xiàn)場(chǎng)