经过一个多月的酝酿，中国计算机学会模式识别与人工智能专委会（CCF-AI）走进高校第一期报告会于2016年12月17日在天津大学北洋园校区成功举行。胡清华教授主持了本次报告会，CCF-AI专委会秘书长于剑教授亲临会场并致词，清华大学张长水教授、南京大学高阳教授以及北京大学王立威教授受邀作报告。
于剑秘书长致词
胡清华教授主持报告会
来自清华大学的张长水教授进行了题为”Aligning Where to See and What to Tell: Image Captioning with Region-based Attention and Scene-specific Contexts”的报告。报告首先简要介绍了Image Caption学习任务，并指出Image Caption需要深入“理解”图片中物体之间的关系，甚至包括一些抽象的概念。同时报告梳理了Image Caption领域从2010年至今的主要工作，并对最新的工作进行了点评。随后，张长水教授对其所在团队研发出的Image Caption系统进行了相关介绍。该系统对于给定先前生成的词生成下一个词的过程，与视觉感知中注意力转移的过程一致。系统另外一个主要的贡献在于利用了特定场景上下文信息，来获取图像中所包含的更高层次语义信息。实验证明，使用区域重要度信息或者特定场景上下文信息能够一定程度地提高系统的准确度。若是将二者结合，则能够取得更优的效果。报告最后，张长水教授认为Image Caption的难点在于训练数据不足，同时对Video Caption的发展进行了展望。
张长水教授进行报告
来自南京大学的高阳教授的报告题目为“分布式凸优化研究”。报告指出，随着数据规模的增大，分布式机器学习越来越受到业界的关注。大数据的模型训练离不开分布式系统。分而治之，学习一个统一的模型，是分布式优化的一个典型思路。高阳教授从提高分布式交替方向乘子法（ADMM）收敛速度的角度，介绍了基于分组交替方向乘子法的分布式线性分类、分布式不平衡数据的线性分类、以及基于加速交替方向乘子法的分布式优化。
高阳教授进行报告
来自北京大学的王立威教授带来了题为”Differentially Private Machine Learning: From Theory to Practice”的报告。在大数据时代，数据被公开的同时如何防止个人隐私的泄露成为了一个难题。报告首先介绍了差分隐私（differential privacy）的基本概念，并指出差分隐私是允许研究者在不泄露个体信息（用户隐私）的前提下对一个数据集的整体（用户行为）进行分析而研究出的加密手段。目前实现差分隐私一种可行的手段是给数据集注入一些噪音或者说扰动，使得数据集的个体信息不被泄露，而数据集整体的统计学信息却可以被外界了解。王立威教授在报告中主要介绍了其团队所实现的差分隐私框架，并展示差分隐私技术的一些实际应用。报告最后强调了差分隐私相比传统信息隐藏技术的优势，并展示了国际上其他团队最新的研究成果。
王立威教授进行报告
在提问环节，现场师生就自己感兴趣的问题向主讲人进行了提问，各位主讲人分别进行了详细的解答。活动结束后，大家一同合影留念。本次报告会取得了圆满成功。
