大数据与人工智能前沿论坛
——人工智能与数据科学系组织参加中国工业与应用数学学会第二十届年会
作者: 信息来源:
发布时间: 2022-11-22
11月17日，中国工业与应用数学学会第二十届年会（CSIAM 2022）在线上开幕。本届年会由中国工业与应用数学学会主办，粵港澳国家应用数学中心、广东工业大学数学与统计学院、中山大学数学学院承办。会议旨在交流工业与应用数学各研究方向的最新学术进展及其在产业界的应用成果，鼓励应用数学与相关交叉学科的融合与发展，力争促进应用数学的教育与研究，并结合数学学科相关关键问题和难点问题，展开广泛的学术交流和讨论。
据介绍，中国工业与应用数学学会（以下简称 CSIAM）是数学学科的盛大聚会，为广大应用数学、人工智能、数据科学领域工作者和科研人员提供了良好的交流平台。本届年会的学术活动包括大会邀请报告7个，主题研讨会50场，论坛5场，圆桌会议1场，青年奖获奖报告6个，自由分组报告5个。
广州新华学院（以下简称“我校”）副校长姚正安、粤港澳应用数学中心东莞分中心学科带头人王一举、人工智能与数据科学系主任熊健及全体老师参加了会议。
11月19日下午，我校教师听取了由中国科学院数学与系统科学研究院研究员刘歆、西安交通大学的教师孟德宇、姜丹丹主持的大数据与人工智能前沿论坛，该论坛主要围绕机器学习、深度学习算法等内容进行主题汇报，并邀请了包承龙、焦雨领、谢琦、胡耀华、徐玮玮等学者参与到主题讨论。
江如俊等学者在机器学习章节的主题汇报中，首先阐述了机器学习及其分支深度学习和神经网络都属于人工智能的子集。人工智能是基于数据处理来做出决策和预测，借助机器学习算法，人工智能不仅能够处理数据，还能在不需要任何额外编程的情况下，利用这些数据进行学习，变得更智能。人工智能是父集，包含了机器学习的所有子集。其次，机器学习包含多种使用不同算法的学习模型。根据数据的性质和期望的结果，可以将学习模型分成四种，分别是监督学习、无监督学习、半监督学习和强化学习。而根据使用的数据集和预期结果，每一种模型可以应用一种或多种算法。机器学习算法主要用于对事物进行分类、发现模式、预测结果，以及制定明智的决策。算法一般一次只使用一种，但如果处理的数据非常复杂、难以预测，也可以组合使用多种算法，以尽可能提高准确度。此外，机器学习算法能够识别模式和相关性，这意味着它们可以快速准确地分析自身的投资回报率。最后，对于投资机器学习技术的企业来说，他们可以利用这个特性，快速评估采用机器学习技术对运营的影响。
姜丹丹老师在深度学习算法章节的主题汇报中，首先介绍了目前人工智能发展迅猛，其主要动力来自深度学习。深度学习的炙手可热源自于它对人工智能技术发展的整体促进和在广泛应用场景中的巨大应用价值，因此深度学习仍旧是当今时代人工智能前沿技术的核心。其次，主要在参数化卷积方法及其应用进行汇报，简要介绍了参数化卷积的研究背景，列出了现阶段的卷积的不足之处，不适用于刻画旋转不变性；不适用于刻画尺度不变性；不适用于网络进行动态调整；不便于应用到非网格数据。
最后，谢琦等学者对于傅里叶公式展开的高精度卷积核参数化进行了会议报告与讨论，分别在傅里叶展开式的系数和基底进行了研究与探讨。
在各主题报告的交流碰撞中，使我校人工智能与数据科学系的教师获益匪浅。赵志琴老师表示，在这次难得的学习机会上，听取专题报告，更深刻地了解机器学习、深度学习和一些算法的改进，在查找差距的同时需要提升自己的综合素质。陈苍老师说到，自己在研究生阶段已经接触了机器学习和深度学习，并且以基于深度学习的量化择时策略研究作为硕士论文研究方向，可是仅是接触了深度学习，并没有在此方向上深入研究。通过这次的学习，思想上有了很大的启发，需摆脱惯性思维，加强自身科研创新能力的培养。
论坛现场
据介绍，CSIAM在老一辈著名数学家的共同倡导下，成立于1990年。是由全国工业与应用数学工作者自愿结成、是发展我国工业与应用数学科技事业的一支重要社会力量。CSIAM积极倡导“创新、求实、协作、奉献”的精神，坚持实事求是的科学态度和优良学风，坚持独立自主、民主办会的原则和“百花齐放、百家争鸣”的方针，积极建立数学界和工业界之间稳定的联系，促进数学工作者和工程技术人员、企业管理人员紧密结合，解决经济发展和技术进步面临的各种数学问题促进应用数学教育与研究，促进应用数学的普及与推广，促进工业与应用数学的繁荣与发展。
本届论坛不仅增强了我校教师的认知能力，拓展了教师教学研究的视野，也全方位提升教师教学综合水平、科研意识等，为我校人工智能与数据科学系培养能够胜任人工智能领域的系统设计、开发、应用和维护，具有分析问题、解决问题、自主学习以及创新能力的高素质应用型专业人才，以契合粤港澳大湾区的经济发展提供了学习和研究方向。
人工智能与数据科学系供稿
图/赵志琴、陈苍
文/陈子兴
编审|龙浩芬
审校|熊健
