全校师生：

        为进一步促进365体育投注科研人员与国内外学者的交流与合作，计算机学院拟定于2021年10月22日至23日举办4场线上学术报告会，欢迎广大师生踊跃参加。报告网址:

        https://zoom.us/j/8763595471?pwd=RlE2dGtJWSt0NW5ZMVNIOFRUdmJyZz09

        Zoom ID: 876 359 5471 Password: ICGEC2021

学术报告（一）

        报告题目：Electronic Medical Record (EMR) traceability with Federated Learning and Blockchain（基于联邦学习与区块链技术的电子病历可追踪性研究）

        报告时间：2021年10月22日 9：20-10：10

        报告人：Prof. Gautam Srivastava（布兰登大学,加拿大）

        Gautam Srivastava教授任职于加拿大布兰登大学，主要从事安全、隐私、数据挖掘和人工智能等领域研究，发表高水平学术论文170余篇，与美国、新加坡、加拿大、捷克、波兰等世界各地学者有广泛的项目研究合作，相关研究受到MITACS和NSERC大力资助。

        内容简介：医疗保健行业一直处于科技的最前沿，目前患者可获得的护理质量达到了前所未有的水平，但是支持医疗保健的系统管理和数据管理严重滞后。本次报告将探讨联邦学习和区块链技术如何可能成为医疗行业的游戏规则改变者，相比于物联网等其他相关技术，更有可能改变我们管理电子病历的方式，也更有可能从根本上彻底颠覆医疗保健行业。

学术报告（二）

        报告题目：Input Space Partitioning for Machine Learning（机器学习的输入空间划分）

        报告时间：2021年10月22日 10：10-11：00

        报告人：关圣威教授（西交利物浦大学，中国）

        关圣威教授曾任英国布鲁内尔大学的终身教授和智能系统系主任，主要研究方向包括机器学习、计算智能、大数据分析、移动商务、建模、网络、个性化、安全、伪随机数生成等，发表130多篇期刊论文和180多篇图书章节或会议论文，先后发表过80多场国际会议的主题演讲，并在180多个国际会议委员会和20多个编委会任职。

        内容简介：本报告将介绍一种提高学习性能的输入属性分组方法，在针对特定问题的训练过程中，根据属性间的相互促进或相关程度，将输入属性划分为组，量化属性之间的支持或消极影响。划分后，将每组属性作为各自的输入，对多个子网络进行训练，通过对每个子网络的结果进行整合得到最终的分类结果。相关方法在多个UCI数据集上进行了验证，实验结果证明了该方法的有效性。

学术报告（三）

        报告题目：Research Experiences and Deep Learning（研究经验与深度学习）

        报告时间：2021年10月23日 9：00-9：50

        报告人：Prof. Keun Ho Ryu（忠北国立大学,韩国）

        Keun Ho Ryu教授任职于韩国忠北国立大学，同时也是越南同德堂大学信息技术学院教授、韩国忠北国立大学的名誉和首席研究员、泰国清迈大学兼职教授，主要研究方向为数据库、大数据分析、数据挖掘、深度学习、生物医学信息学和生物信息学，先后发表1000多篇学术论文，培养博士112名。

        内容简介：本报告将介绍“数据库与生物信息学”实验室的研究经验和深度学习方法。首先，总结实验室过去35年的主要研究方向和内容；然后重新审视机器学习和深度学习概念中的重要技术，并解释如何将深度学习方法应用于对真实世界的研究。最后，介绍实验室正在进行的“时间相关领域的自动自适应深度学习方法”。

学术报告（四）

        报告题目：Signal Processing Approaches to Sensing without Sensors（无传感器传感的信号处理方法）

        报告时间：2021年10月23日 9：50-10：40

        报告人：Prof. Alex X. Liu（密歇根州立大学，美国）

        Alex X. Liu教授任职于美国密歇根州立大学，是IEEE会士，于2004年获得IEEE和IFIP William C. Carter奖，担任IEEE/ACM Transactions on Networking的编辑，目前是IEEE Transactions on reliable and Secure Computing和IEEE Transactions on Mobile Computing的副编辑。

        内容简介：人类活动识别是实现医疗保健、智能家居、健身跟踪和建筑监控等各种前沿应用的核心技术。不同的人类活动对无线信号产生不同的信号变化，通过分析无线信号的变化，可以识别出引起这些变化的相应的人类活动，包括宏观活动（主要涉及手臂、腿或身体尺度的运动）和微观活动（主要涉及手指或手的运动）。团队主要利用商业WiFi设备的信号来识别人类活动，本次报告将介绍团队在此领域的研究成果。