首页 > 培养工作 > 学术动态 > 正文

信息学院硕士研究生齐托托同学参加2018年众智科学与工程国际会议

发布时间:2018-10-02 16:21    浏览次数:    来源:

2018年7月28日至7月31日,众智科学与工程国际会议(The2018 International Conference on Crowd Science and Engineering, ICCSE 2018)在新加坡南洋理工大学隆重召开。本次会议吸引了全球各地百余名专家学者参与。

论文展示者众多且内容各异,但均紧紧围绕众智科学这一主题。根据论文内容,报告一共分为5个部分,分别为众智和众学习、众经济、众优化、众应用、众行为。“众智和众学习”部分的论文涵盖跨领域行为识别中的深度迁移学习、大数据情境下的数据挖掘的影响力、个性化门户网站需求的建模和分析等各个方面。“众经济”包括电子商务环境下商务模型的中介者决策分析、共享经济下负外部性的来源、众智科学的交易模型和成本等方面。“众优化”包括众包质量管理的最优化实现、空间众包平台的基准、众智的提升方法等维度。“众应用”主要集中在基于多维度数据预测毕业生的就业情况、移动设备和应用的混合兼容性测试方法、区块链技术在自动化农业领域的应用等维度。“众行为”则涵盖了电子参与行为、汽车保险制定行为以及信息技术设计中的游戏化设计行为等维度。

我校信息学院硕士研究生齐托托同学参加了此次国际会议,并在第一分会场中做题为《A Scientometric Analysis of E-participation Research from 2001 to 2017》的学术报告。该论文被归类至“众行为”,主要分析了当前电子参与研究的现状以及前景,结果指出社交媒体已成为电子政务领域研究的重中之重。

8月3日,齐托托同学于我校沙河校区主教学楼104教室,就国际会议交流情况与我校师生进行了深度分享,向我校师生详细介绍了围绕众智科学与工程主旨的一系列主题演讲。VictorLesser学者深入浅出地讲了多主体协同领域的主要观点、假设以及一系列问题;DaqingZhang学者就原居安老问题提出非侵入式的人体感应WiFi解决方案;StevenHoi学者首先明确指出了在自动化国家应用情境下机器学习和众包所面临的机遇和挑战,紧接着指出传统机器学习方法的局限性,从而进一步介绍了几个前沿的机器学习方法以克服传统方法的不足,最后分享了几个正在进行的众包创新项目和应用;FabioCasati学者则指出目前在众包和自动化领域的研究文献发表速度快,数量众多,从而使得研究人员很难跟上科技的前沿;NaokoIwasaki学者对比分析了不同国家智慧城市的建设目标及进程,指出智慧城市是将来所有国家的发展目标之一;SinnoJialin,Pan学者指出监督学习算法有两个主要的弊端,其一是严重依赖训练数据的规模和质量,其二是当今监督学习算法训练出的模型大多局限于特定领域,而当领域改变时便不再适用。

此次参会受到澳门十大正规网站研究生学术交流支持计划的支持。