您现在的位置:首页 >第十三届和谐人机环境联合会议(HHME2017)Tutorial信息

第十三届和谐人机环境联合会议(HHME2017)Tutorial信息(排名不分先后)

报告题目:移动群智感知:现状与挑战
报告人:郭斌, 西北工业大学教授

个人简介:
        郭斌,工学博士,西北工业大学计算机学院教授,博导。2009年3月在日本庆应大学获得博士学位,2009-2011年在法国国立电信学院进行博士后研究。2010年12月以“海外人才引进”的方式,特评为西北工业大学副教授。2012年入选“教育部新世纪优秀人才计划”,2013年入选“陕西省青年科技新星”,2014年破格晋升教授。
        现工作于陕西省嵌入式系统技术重点实验室,主要从事普适计算和群体感知计算研究。主持国家自然科学基金、教育部新世纪优秀人才计划等课题,并作为学术骨干参与国家973、自然科学重点基金等重大项目。在国内外重要期刊和会议如IEEE TMC, IEEE THMS, IEEE TITS, ACM TKDD, ACM Computing Surveys, UbiComp, INFOCOM等上面发表学术论文80余篇,两篇论文入选ESI高被引论文。曾获得教育部自然科学二等奖(排名3),陕西省自然科学优秀学术论文二等奖(排名1),获得CPSCom’13、GPC’12等国际会议“最佳论文奖”4次。担任《IEEE Transactions on Human Machine Systems》,《IEEE Communications Magazine》,《ACM Transactions on Intelligent Systems and Technology》,《IEEE Internet of Things》等国际权威期刊编委或客座编辑,担任IEEE UIC’15, IEEE CPSCom’16等国际会议主席或程序主席等职务。IEEE高级会员,CCF高级会员,CCF普适计算专委常务委员。

报告摘要:
        随着物联网和移动互联网技术的发展,“移动群智感知”(Mobile Crowd Sensing)作为一种新的感知模式被提出来。与基于传统传感网的感知方式不同,移动群智感知以大量普通用户作为感知源,利用大众的广泛分布性、灵活移动性和机会连接性进行大规模感知,并融合隐式或显式的群体智能实现对感知数据的优选和增强理解(即群智计算),进而为城市及社会管理提供智能辅助支持。群体感知可以应用在很多重要领域,如公共安全、城市管理、智能交通、环境监测等。本报告将介绍移动群智感知的概念、当前主要研究热点(高效任务分配、可视群智感知、群智融合计算等)和未来的挑战,并结合我们近期开展的研究开展研讨。


报告题目:Computational Human Computer Interaction
报告人:喻纯, 清华大学副研究员

个人简介:
        喻纯,博士,清华大学计算机系副研究员,研究课题围绕人机交互自然性的计算原理和优化方法开展,在人机交互领域高水平期刊和会议上发表论文30余篇,包括14篇CCF A类论文,共获得6次论文奖励,包括 CHI 2013、MobileHCI 2013、CHI 2015、CHI 2016、CHI 2017的最佳论文提名奖和 IEEE UIC 2014的最佳论文奖,获得2016年CCF-Intel青年学者计划和2017年CCF青年人才托举计划的资助,现任CCF人机交互专委会委员。

报告摘要:
        当前,以触摸为代表的自然交互接口已逐步取代鼠标键盘成为人们访问信息世界的通道,而学术界和工业界仍在追求以手势、语音等多模态通道构建的自然交互界面。自然交互的目标是让用户方便、有效地表达交互意图。那么,什么是决定交互自然性的关键因素,有没有科学的构建方法仍是开放的问题。本报告将介绍自然交互领域的研究现状和代表性工作,讨论自然交互的关键科学问题,并结合我们在CHI/UIST上发表的研究工作介绍用户行为建模和交互意图推理方法。


报告题目:基于可穿戴设备的人类活动识别
报告人:陈岭, 浙江大学副教授

个人简介:
        陈岭 博士、副教授、博导,浙江大学计算机学院普适计算实验室主任,CCF普适计算专委会委员。从事人类活动识别、位置感知计算等领域的科研工作,在IEEE Transactions on Cybernetics、TMM、TBME、TITS、DKE、GeoInformatica、IJGIS、PMC、IwC、IJHCI、UbiComp、PerCom等期刊和会议上发表学术论文60余篇,2篇论文获HHME会议最佳论文奖(2015、2014)。

报告摘要:
        随着智能设备和可穿戴技术的快速发展,基于可穿戴设备的活动识别成为了普适计算领域极具影响和价值的方向。不同于环境智能和基于视频的活动识别,基于可穿戴设备的活动识别利用便携式传感设备感知人类活动相关的信息来推断用户所从事的活动,对使用环境的依赖较小,可随时随地对用户的活动进行识别,在老年人辅助、儿童监护、交互游戏等众多领域都得到了应用。本报告将介绍基于可穿戴设备的活动识别的概念、当前主要研究热点(基于多情境融合、深度学习、设备放置无关等的活动识别)和发展趋势,并结合我们近期的研究展开研讨。


报告题目:Tensor Flow实战技术讲座
报告人:徐亮, 青岛邃智信息科技有限公司技术总监

个人简介:
        徐亮,青岛邃智信息科技有限公司技术总监。曾参与了科技部、军口863等纵向项目,负责了海尔智能冰箱、油田智能监控、采油大数据挖掘等重要横向课题。发表了包括IEEE Software在内的SCI论文3篇,申请深度学习、大数据相关专利6项。

报告摘要:
        近年来深度学习蓬勃发展,尤其是深度卷积神经网络在图像、视频处理上的突破。深度卷积神经网络能够自动的选择合适的特征进行学习,能够通过底层的特征,学习到高层的语义特征。深度卷积神经网络目前在目标识别、图像分类、动作识别等方面都有着相较于传统方法更高的准确率。Google开源的TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统,能够大大简化深度学习算法实现步骤。本报告将介绍深度学习的起源、卷积神经网络的基本概念、最后结合TensorFlow讲解视频动作识别的典型应用。