报告承办单位: 数学与统计学院
报告内容: 深度学习算法在空间智能应用中的挑战及研究进展
报告人姓名: 向雪霜
报告人所在单位: 钱学森空间技术实验室
报告人职称/职务及学术头衔: 副研究员
报告时间: 2019年6月14日14:00-14:40
报告地点: 云塘校区理科楼A-419
报告人简介: 向雪霜,2014年博士毕业于中科院数学与系统科学研究院，2015-2016于新加坡国立大学进行博士后研究，现任钱学森空间技术实验室副研究员。主要从事偏微分方程数值方法、深度学习算法与理论等研究。先后承担国家自然科学基金青年基金、国家自然科学基金重点项目子课题、国防科技创新特区创新工作站重点项目，在计算数学、人工智能领域发表高水平期刊或会议论文20余篇。曾获钱学森空间技术实验室2017/2018先进个人，中国空间技术研究院2017先进个人、2018技术创新先进个人。
报告摘要：本报告将首先简介深度学习算法、空间智能应用对深度学习算法的挑战。分别针对这些挑战，报告将简要介绍研究团队在数据融合、生成模型、小样本学习、网络压缩、网络安全等方向的研究进展。在数据融合方向，我们提出了任务驱动的桥神经网络，由任务驱动共同子空间的学习过程，在数据匹配、迁移学习、跨视角重构等融合问题上取得突出效果；在生成模型方向，我们通过在网络参数上增加随机性来提高生成模型表达能力，在参数估计、图片生成等标准数据集上取得更优效果；在小样本学习方向，我们将小样本学习任务统一到监督学习框架，进而引入多任务和跨任务训练方法，基于现有模型架构实现训练加速，且在部分任务上提高精度；在网络压缩方向，我们将随机优化思想引入到模型压缩过程，试图解决权重重要性的局部判断、确定性模型压缩的不可恢复问题，搜索高效神经网络架构，实现高精度、轻量化的深度学习；在网络安全方向，将网络的对抗样本加入到训练集中进行联合训练，通过动态调整对抗样本幅度，实现网络面对黑盒攻击时的综合鲁棒。
报告承办单位: 数学与统计学院
报告内容:基于距离学习的低带宽人物深度恢复技术
报告人姓名: 黄美玉
报告人所在单位: 钱学森空间技术实验室
报告人职称/职务及学术头衔: 助理研究员
报告时间: 2019年6月14日14:40-15:20
报告地点: 云塘校区理科楼A-419
报告人简介: 黄美玉,2016年博士毕业于中科院计算技术研究所，现任钱学森空间技术实验室助理研究员。主要从事普适计算、人机交互、计算机视觉和机器学习技术的研究。目前主持国家自然科学基金青年项目 1项，在普适计算、人工智能领域发表高水平期刊或会议论文18篇；授权中国专利3项；获ICCSE2018最佳论文奖，2015年和2016年北京市科学技术奖二等奖。
报告摘要：
本报告将首先介绍人物深度恢复技术的研究背景及挑战，然后介绍现有的深度恢复技术的研究现状及存在的问题，最后介绍我们的解决方案——基于距离学习的低带宽人物深度恢复技术。具体地，面向低带宽环境中基于深度传感器的沉浸式远程视频交互系统的遮挡一致处理要求，针对现有的深度恢复方法专注于恢复常规的深度图像，仅能修复压缩比小于16倍的深度图像，或者只能修复少量缺失或不准确深度值的问题，我们提出了一种基于WLMNC距离的人物深度恢复方法，能够充分利用人物姿态的骨骼关节点信息，实现在高达 64 倍压缩比下的高精度人物深度恢复；考虑到WLMNC距离等同于对人物像素施加一个线性变换，限制了在复杂遮挡情况下的深度恢复性能，进而提出了基于神经网络的非线性WLMNC距离，在仅损失少量带宽的情况下大幅提高人物深度恢复的精度和效率。为了确保所提方法的有效性，我们对所提方法进行了理论分析，并建立了一个包含各种类型的具有自我遮挡的人物姿态的基准数据集。在基准数据集上的实验结果证明了我们的方法优于现有的最先进的深度恢复方法。
报告承办单位: 数学与统计学院
报告内容: Optimized Schwarz methods for the biharmonic problem(双调和问题的最优Schwarz 算法)
报告人姓名: 刘勇翔
报告人所在单位: 鹏城实验室
报告人职称/职务及学术头衔: 助理研究员
报告时间: 2019年6月14日15:20-16:00
报告地点: 云塘校区理科楼A-419
报告人简介: 刘勇翔,2014年博士毕业于中国科学院数学与系统科学研究院,并于2014到2016年在日内瓦大学与Martin Gander教授合作进行博士后研究工作。主要从事数值分析和偏微分方程数值解法的研究，特别对区域分解算法有深入研究。现在鹏城实验室量子计算研究中心工作。
报告摘要：We study some Dirichlet and Neumann conditions for the biharmonic problem. This problem, which needs two different boundary conditions, is quite different from the classical Laplace problem. Different choices of these Dirichlet and Neumann transmission conditions will lead to different Dirichlet-Neumann methods, and also different optimized Schwarz methods. Furthermore, according to some careful convergence analysis, we optimize each method by choosing suitable corresponding parameters. We illustrate our theoretical results with numerical experiments.
