摘要：模型选择是机器学习的核心。交叉验证作为一种广泛使用的模型选择策略，面临算法效率低、难以适应少标记学习场景等问题。为此，本报告将汇报我们提出的一种无需交叉验证的高效和有效的选择新策略，使之更加实用。

近年来，智能教育系统快速发展，越来越多的学习者参与开展在线自主的学习活动，同时也积累了大量的教学与学习数据。如何利用这些数据，为学习者提供有效的学习服务是当前教育发展的重要任务。为此，发展智能教育技术，旨在利用大数据分析方法，为学习者推荐个性化的学习资源，定制学习策略，具有重要意义。然而，学习资源语义与知识耦合，学习者状态隐含多变，学习目标复杂多样等特点带来了学习资源理解难、学习者诊断难和学习策略设计难等关键挑战。报告将结合大数据分析技术和教育方面的领域知识，介绍学习资源深度表征、学习者认知诊断和个性化推荐等关键技术与应用，为智能教育发展提供数据驱动的解决方案。

摘要：AI发展至今，已经积累了很多的研究成果，很多产品进入了人们的生活、工作之中。AI是否存在共同的预设？如存在，其预设是什么？如不存在，原因何在。本次报告，将力图对这个问题给一个回答，并指出其带来的挑战。

摘要：以数据和标注为基础的深度学习已经在学术和产业界取得长足进展，逐渐触及人工标注质量及数量的天然天花板。后深度学习时代的机器学习技术发展的一大趋势，就是由数据监督信号产生与学习模型优化分离的开环学习范式，逐步向数据监督信号产生与学习模型优化耦合促进的闭环学习范式演进。本报告将介绍闭环学习范式的典型特点，并结合语言智能中的若干典型任务和场景，以对偶学习方法为例，讨论闭环学习的应用及其效果。

【报告摘要】在总结人工智能产业发展和对从业者的技术需求的基础上，进一步分析人工智能产业发展对人才培养的需求。

【报告摘要】南信院深化产教融合，围绕人工智能产业和行业需求，以“行业导向、岗位驱动”为指导方向，“项目式教学”为教学实施方式，经过企业宣讲、专业论证等环节，校企共同制定新华三人工智能特色班的人才培养方案。经学生个人申请、学院审核，校企从2018级和2019级的学生中挑选出了品德优秀、学习拔尖的学生，组建了2018级和2019级新华三人工智能特色班实施本方案。通过一年多的努力，人工智能特色班在各类竞赛中喜获荣誉。

【报告摘要】百度运思教育产品与解决方案介绍

【报告摘要】坚持把立德树人作为根本任务，依据人人出彩的理念，对接大数据产业链，面向智慧航运发展需求，以OBE理念为指导，深化项目化教育教学改革，构建服务江苏涉江涉海战略和南京创新名城建设的大数据技术与应用高水平专业群。

【专家简介】徐丰，复旦大学信息学院教授、副院长，电磁波信息科学教育部重点实验室副主任。国家青年千人计划、国家万人计划科技创新领军人才入选者。2003年获东南大学学士学位，2008年获复旦大学博士学位。2008年至2013年先后任美国大气海洋局（NOAA）卫星应用研究中心博士后、美国宇航局（NASA）戈达德太空飞行中心/智能自动化公司研究科学家等。已发表专著3部，SCI论文70余篇（ESI高被引4篇），曾获国家自然科学二等奖、IEEE地球科学与遥感学会青年成就奖、国际无线电联盟青年科学家奖等。研究方向为电磁散射建模、雷达图像信息获取、微波视觉与物理智能。

【专家简介】王楠楠，男，华山学者特聘教授，博士生导师，2015年3月博士毕业于西安电子科技大学。西安电子科技大学综合业务网理论及关键技术国家重点实验室智能信息处理中心主任。2011年9月至2013年9月在澳大利亚悉尼科技大学访问。近年来，一直从事计算机视觉和统计机器学习方面的研究，在异质图像变换与识别、图像跨域重建与识别方面进行了深入研究，内容包括了画像-照片合成与识别，图像/视频超分辨率重建、图像恢复，行为定位与识别，行人重识别等。在IEEE TPAMI、IJCV、NeurIPS等国际顶级期刊和会议上发表学术论文100余篇，获得国家自然科学基金委优秀青年基金，入选中国科协青年人才托举工程，获中国人工智能学会优秀博士学位论文、陕西省优秀博士学位论文奖、陕西省科学技术一等奖等奖项，主持国家自然科学基金优青项目、面上项目、装备发展部-教育部联合基金青年人才项目等十余项课题。

【专家简介】赵一铮，博士。2017年于英国曼彻斯特大学获得计算机科学博士学位，并先后在曼彻斯特大学和牛津大学开展博士后研究工作，2019年入职南京大学人工智能学院担任副教授，研究方向为：知识表示与推理、数理逻辑、本体论。他在CCF A/B类等国际会议发表学术论文10篇，目前担任AAAI、IJCAI、ECAI等国际会议程序委员会委员以及AI Journal等期刊审稿人。他以主要研究者身份参与三项英国工程与自然科学委员会（EPSRC）项目，涉及经费超过120万英镑。他以项目PI身份主持一项国家自然科学基金、三项江苏省科研基金和一项“之江实验室”基金。他与Google DeepMind旗下的智能医疗机构Babylon Health合作完成的智能医疗系统为全英超过6000万注册者提供先进的智能医疗服务。他于2019年入选江苏省“六大人才高峰”计划，2020年入选江苏省“双创人才”计划。

【专家简介】宫辰于2016、2017年分别获得上海交通大学和悉尼科技大学博士学位，现任南京理工大学计算机科学与工程学院教授、博导。研究兴趣为弱监督学习及其在计算机视觉、数据挖掘方面的应用。已在国际顶级期刊或会议上发表100余篇学术论文，包括JMLR、IEEE T-PAMI、IEEE T-NNLS、IEEE T-IP、ICML、NeurIPS、CVPR、AAAI、IJCAI等。目前担任AIJ、JMLR、IEEE T-PAMI等20余家国际权威期刊审稿人，并受邀担任ICML、NeurIPS、ICLR、CVPR、AAAI、IJCAI等多个国际会议的SPC/PC member。曾获上海交通大学“优秀博士学位论文”、中国人工智能学会“优秀博士学位论文”、中国科协“青年人才托举工程”、吴文俊人工智能优秀青年奖、上海市自然科学二等奖等。

【专家简介】李楠，博士，现任微软亚洲互联网工程院（苏州）资深研发总监，主要从事机器学习技术在互联网广告、搜索、推荐中的研究和应用工作。李楠博士从南京大学机器学习与数据挖掘研究所（LAMDA）取得硕士和博士学位，加入微软前曾任阿里巴巴达摩院高级算法专家和苏州大学数学科学学院计算数学系主任；在相关顶级期刊和国际会议TPAMI / IJCAI / AAAI / NeurIPS等发表论文20余篇，并获得包括PAKDD数据挖掘总冠军和MobiQuitous Best Paper Runup在内的多个奖项；曾主持研发包括AliOS搜索、淘宝/天猫个性化推送、闲鱼搜索推荐等多个重要项目，并入选IBM博士英才计划、浙江省151人才工程（第二层次）等。

【报告摘要】将自然语言句子分析为机器可以理解的语义表示是自然语言处理长期以来的一个目标，抽象语义表示 (Abstract Meaning Representation, AMR) 是近几年国际上新兴的一种句子级语义表示方法。AMR具备较完整、较准确地表示一个句子语义的能力，近年来备受研究者关注。本次报告将首先回顾AMR分析的相关工作；然后介绍如何使用预训练的方法提高AMR分析的性能；最后探讨语义分析和句法分析之间关系。

【报告摘要】随着社交网络的飞速发展，人们在以微博、Twitter为代表的社交平台上发表的内容逐渐趋于多模态化，比如用户常以图文并茂的方式来表达自己的态度和情感。因此，如何结合社交媒体上的图片、视频等多模态信息进行社交媒体分析给传统的单模态文本分析带来了新的挑战。本报告将简单回顾多模态社交媒体分析的相关工作，介绍团队近年来在多模态命名实体识别和情感分析方面的研究进展，并探讨多模态社交媒体分析的困难与挑战。

【报告摘要】文本、图像、视频、音频等数据的大量涌现，使得多模态数据的语义理解与知识表示需求变的更加迫切。认知科学研究表明，个体感知、认知外界进而形成知识的过程，通常是多种感官同时对信息进行处理和融合。多模态知识图谱的构建，能够让基于知识图谱的智能服务更好的理解真实世界的数据场景，进而更好的支撑各项上游任务和行业应用，如推荐系统、语义搜索、智能问答等。本报告将介绍东南大学认知智能研究所在多模态构建方面的工作进展，并分析未来挑战。

【报告摘要】认知智能是人工智能赋能行业的高级阶段。行业认知智能的落地实践，则需要与行业的know-how专家知识、业务知识和行业知识等深度结合，因此离不开知识图谱和专家系统的支撑。本次报告将简单阐述行业认知与知识图谱技术的应用发展趋势，探讨行业认知落地的最佳姿态，并分享一些行业认知落地实践的案例。

【报告摘要】目前，知识图谱在工业界的应用已经非常广泛，目前已经有相当规模的工业级知识图谱已经落地，尤其是在金融、电商、医疗、社交、文娱、教育等领域。比如企查查、天眼查等企业知识图谱、Facebook、腾讯等社交知识图谱、美团的美食知识图谱等。人工构建是早期知识图谱构建的主要方法，手工构建的优点首先是准确率较高，其次是人类便于理解，缺点是效率低、成本高，构建出的图谱规模有限。随着NLP技术的进度，通过训练高质量的机器学习模型对数据进行精准抽取逐渐取代了人工构建，但训练高质量的模型需要大量的标注数据，并且在专业领域中标注数据往往需要领域知识，这无疑增大了知识图谱构建的门槛和成本。本次报告将介绍如何降低标注数据的成本，通过半监督学习或者元学习方法从非结构化数据中构建知识图谱的研究进展。

【报告摘要】特征表示学习是数据挖掘和机器学习的关键问题，是从数据到知识的重要手段。基于表示学习的方法，如何构建并应用知识图谱，解决数据孤岛、烟囱式开发等问题，是亟待研究的问题。本报告将总结团队近年来在算法层面：特征表示学习和应用层面：知识图谱应用方面的工作，具体包括：1）基于自编码机模型的表示学习方法；2）知识图谱的自动构建；3）具体领域知识图谱的困难与应用。

【报告摘要】大规模神经网络系统往往容易受到输入噪声的影响，对输入文本的微小变动有可能引起输出结果的较大偏差，这些发生较大结果偏差的样本也被称为对抗样本。自动的发现对抗样本是一种对神经网络机器翻译系统进行鲁棒性分析和提升的重要方法。现有的文本对抗样本的生成工作往往采用基于人工规则进行替换或者基于梯度的方法，能够生成的对抗样本类型往往受到限制，或者计算效率相对较低且往往难以保证语义一致。本次报告介绍实验室在这方面的最新工作，我们将针对机器翻译系统生成对抗样本建模为“受限的马尔可夫决策过程”，该方法设计了基于编辑修改的动作空间，并利用对抗学习方法自动学习判别语义变化的判别器，并进一步约束对样本的搜索。实验表明该方法可以在不依赖人工规则的情况下高效的查找到大量的对抗样本，提升了对抗样本的语义质量和生成速度。基于该生成方案，我们初步探索了强化机器翻译鲁棒性的可能途径。

【报告摘要】认知过程是主体的自我控制过程，通过排除环境变化产生的干扰，使认识符合主体的目的，其主要表现为信息的获取、储存、加工处理、变换和反馈等思维操作活动。因此，对认识控制过程进行模拟并应于无人机决策与控制中必将发挥重要的作用。本报告将介绍认知原理在无人机目标意图识别、攻击决策和智能飞行控制等方面的应用及其研究发展。

【报告摘要】基于工业互联网平台的智能运维解决方案将现代服务业理念应用于电力、石化等行业，结合人工智能、大数据、及工业互联网等先进技术，在实现企业设备远程、高频次、大范围、智能化运维服务流程创新和再造基础上，构建集设备状态监测、实时诊断、趋势预判于一体的集成化、综合性远程运维服务。

【报告摘要】当前信息化和城市化给我们提供了很多机遇，同时也有很多的挑战。本报告首先给出智慧城市的相关概念，然后以无锡作为亚洲唯一入选的IEEE智慧城市为背景，将分析智慧城市大数据的本质，并对无锡在智慧城市建设等方面的创新实践做简单介绍。最后介绍智慧城市应用中的图像识别、图像和视频处理的学术案例。

【报告摘要】本报告将简要介绍我们近几年在基于机器学习的脑影像／脑网络智能分析与应用方面的相关工作，主要包括磁共振（MR）图像快速重建、多图谱MR图像分割、脑连接网络分析等，以及在脑疾病早期诊断、影像遗传学、脑认知与脑解码中的应用。

【报告摘要】在数据时代无论是城市建筑服务，还是服务城市建筑，都在被建筑的数据化重构，过去靠计划服务建筑，建筑计划服务都会一点点被数据驱动所引领，我们会有那些挑战和机会，哪些生态位会消失，又会产生哪些新的生态位？我们如何越过产业变革的大潮！成为新的弄潮啊。

【报告摘要】无论是技术带来的巨变，还是疫情危机带来的前所未有的冲击，都让我们真切地感受到，数字化是个必选项。数字化就是企业的“免疫力”和竞争力，企业要想提高对未来不确定性的驾驭能力，势必要打好数字化转型的“战争”。

数字化转型要有前瞻、系统和生态的视角，必须打破传统企业流程驱动的预设性运作模式，围绕企业核心战略构建数据中台，沉淀数据资产和数据能力，建立数据资产化、资产服务化、服务业务化、业务数据化的企业数据应用闭环，形成以战略为核心、技术为驱动、人才为根本的数字化转型铁三角相互动态发展的模式，实现企业持续增长和创新发展。

【报告摘要】围绕智能巡检、远程运维、协同制造集成等智能制造领域，以特种机器人为载体，运用人工智能、大数据等技术， 通过对企业设备、设施的基本信息、运行状态的数据采集和智能处理，实现企业设备的自动化监测和故障预警功能，助力企业安全、精益生产。

【报告摘要】机器视觉应用需要实现在各行业的快速发展，软件平台的专业化和规模化，技术发展的一体化和智能化是必然的趋势。本报告将对于机器视觉的软件平台进行具体的介绍和说明。

【报告摘要】智能制造是未来制造业转型升级的主要发展方向，而智能制造的源头是产品研发设计，设计的智能化程度对制造起到非重要的作用。高质量、高效率、低人耗、低成本的产品设计可以减少生成过程中的制造缺陷，减少零部件采购库存，缩短开发周期，加快上市速度，有效保证智能制造的顺利实施。

通过一个真实案例，讲述如何借助机器学习的方法将夹具设计中工程图标注模块化、标准化、智能化，采集大量以往标注过的工程图图纸，进行数据的分析挖掘，构建工程图标注学习库，从而实现新设计的图纸的自动标注。

【报告摘要】集成电路人才缺乏是中国集成电路产业的难点之一，南京集成电路产业服务中心从四年前开始探索实践人才工程化培养，从集成电路人才培训平台，到南京集成电路大学，产学研融合人才培养，是本报告的探索内容。

【报告摘要】本文主要介绍了MEMS传感器可靠性的相关研究方法。从MEMS介质接触型和非介质接触型两类产品为切入点，以MEMS压力传感器和加速度传感器为典型案例，系统的从传感器设计，工艺，封装，生产，应用等角度介绍了可靠性开发的相关经验和成果。同时，又从行业角度探讨了不同应用对MEMS 传感器的可靠性要求及高华在其中所做的工作。

【报告摘要】近年来，基于深度学习的人脸识别、图像分类等为代表的视觉计算得到长足发展，并迅速得到产业应用，这些视觉技术已经成为众多智能系统和应用中不可或缺的关键技术。同时，深度神经网络的计算复杂度和资源消耗也随精度的提高而不断增加，这给视觉计算的部署带来重大挑战，特别是在实时性要求较高的应用或资源受限的设备中。本报告将从人工智能算法和芯片两个方面介绍边缘端智能计算遇到的挑战，以及如何应对等内容。

【报告摘要】华润上华ASIC和MEMS等特色工艺技术介绍

【报告摘要】现有的基于深度神经网络的图像复原算法大多依赖模型的容量，网络结构设计上没有有效利用图像退化过程的性质。针对这一问题，首先介绍图像退化的物理成像模型以及基于统计先验建模的相关复原算法，并以此为基础讨论如何利用物理成像模型和先验建模的方法约束深度神经网络，使得深度神经网络更加紧致，从而能够有效地刻画并解决图像复原及增强问题。

【报告摘要】图像复原在实际生活中有重要应用价值，例如视频监控、医学成像等，因此得到广泛关注和研究。人脸图像恢复作为图像恢复问题的重要组成，已得到长久发展，然而当前主要的人脸去模糊方法依然集中在均匀去模糊方向。而实际应用中由于相机的非平面内运动，人体运动，姿势改变等造成实际模糊都是非均匀的。本次报告主要介绍三维人脸重建在人脸复原中的应用，提出基于三维人脸结构先验知识的人脸复原方法，分别针对人脸图像去模糊、超分辨两个应用介绍了三维人脸结构知识在复原网络中的引导作用。

【报告摘要】受人类视觉注意力机制启发，视觉显著性检测任务旨在从给定的输入数据中提取最引人注意的区域或目标，已经被广泛应用于目标跟踪、内容编辑、压缩编码、质量评价等研究领域，以及智能拍照、智慧医疗、自动驾驶、对地监测等工程领域。当今大数据时代不仅带来了数据“量”上的飞跃，还促使数据在“质”上发生了突破。随着各类成像设备与硬件技术的发展，不同类型、不同模态、不同空间、不同维度的数据不断涌现，为人们更好地认知客观世界提供了丰富的数据资源，但同时也带来了新的问题和挑战。本次报告将以显著性目标检测为基本任务，重点介绍RGB-D显著性检测、协同显著性检测和遥感显著性检测等方面的工作。

【报告摘要】许倩倩副研究员长期聚焦群智计算的重要研究方向：网络众包策略理论与方法研究，该报告将覆盖近年来她在该领域所做的一些工作和成果：1）以组合霍奇理论/认知临界性为指导，提出众包协同统计排序方法，在网络众包平台下实现可解释、可回溯的全序/偏序统计排序；2）以随机图理论、矩阵扰动论为基础，提出群智计算高效随机/主动采样机制，突破网络众包平台资源配置瓶颈；3）以鲁棒损失重构、负迁移抑制为线索，提出样本层面的异常模式检测及用户层面的用户行为分析方法，助力精准的众包用户质量控制及建模。