2011年《中国计算机学会通讯》各期概要

       一直以来,我对于技术人员及科研人员是无比的崇拜。社会能够发展,他们的贡献是举足轻重的。正因为如此,我才在近两年来充当了一个“准科研人员”的角色;也正因为如此,我才会选择“软件研发工程师”的岗位。

       在2011年四月份,我加入了中国计算机学会(CCF),成为一名学生会员。随着2012年的到来,我加入CCF已经有大半年了。在这期间,我每个月都会收到会员部发送的《中国计算机学会通讯》电子刊(pdf版本的)。每一期里面都包含了许多精彩的文章,反映了当前的研究热点。我从中获益颇多,不仅是专业技术或科研实践方面,更多的一种精益求精、不懈努力的态度。

        以下,我对各期内容作一个简介,也算是回顾去年所学。

        2011年第四期的主题是“信息可视化与可视分析”。该技术将数据映射为视觉符号,为人们提供了交互理解高维度、多层次、时空、动态、关系等复杂数据的手段。

        2011年第五期的主题是“生物特征计算”。该技术旨在实现人体生物特征的自动感知与分析,建立生物特征与人的身份、情感、行为、健康状况以及美学评价等对应关系的可计算模型。

       2011年第六期的主题是“电子服务与务联网”。“服务”与“计算”的深入融合形成了一个独特的多学科交叉的领域。现代服务业、服务学、电子服务、云计算、物联网、务联网以及服务工程等研究,推动了服务计算领域的发展,随之也产生了一系列新的研究方向和研究问题。

       2011年第七期的主题是“数据密集型计算”。数据是宝贵的财富,而从海量数据中获取信息却要让人们花费更大代价,以致于现有的计算机处理能力都不能满足数据处理需求。结合海量数据特征,研究者给出了许多解决方案。本期介绍了数据密集型计算的挑战、系统结构、编程模型、应用和数据中心的建设。

       2011年第八期的主题是“可穿戴计算”。真实自然地增强人与计算机交互的手段是可穿戴计算需要解决的问题。其中的学问涉及到对人感知能力的理解和对计算机人机接口极限的应用。如何让计算机与人的联系更加紧密,让计算如影随行?本期专题力图全面介绍可穿戴计算的主要研究和应用领域。

       2011年第九期的主题是“计算系统虚拟化——原理和技术”。计算系统虚拟是当今的技术热点。它可灵活地构建满足多种应用需求的计算环境,为用户提供个性化和普适化的计算资源使用环境。本期介绍在“原理和技术”方面的研究情况,介绍虚拟化技术的研究进展以及该项目在基础理论、关键技术、评测验证和应用示范等方面取得的一系列研究成果。

       2011年第十期的主题是“计算系统虚拟化——评测和应用”。本期继续展示在虚拟计算系统的性能评测和应用示范、验证等方面的研究进展和成果。虚拟化与云计算的时代已经来临。虚拟化技术是构建云基础架构不可或缺的关键技术之一,但是仍存在着诸多问题,需要花时间进行研究。

       2011年第十一期的主题是“人机交互”。不必再受鼠标和键盘限制,可以通过手势、言语、笔迹等不同手段输入信息,甚至是通过非主动方式,如生理、脑电信号输入信息,人们可以融合多个通道信息进行人机交互。这些新型人机交互技术给传统人机界面带来了彻底改变,使计算机和用户间的界线变得模糊。

       2011年第十二期的主题是“社会计算”。如今海量的社会数据催生了社会计算这门新兴的学科,利用计算技术和社会科学的交叉,帮助人们认识社会规律、相互沟通与协作,利用群体智慧解决问题。本期内容覆盖了社会计算的多个主要方向,深入浅出地描绘了社会计算当前研究动态,介绍了国内研究成果。

       每一期内容的特点是:先介绍主题,然后围绕主题介绍一些相关的研究成果,同时穿插一些相关会议或活动。同时,每一期也会有一篇翻译文章,让我们对国外的研究动态也有一个大致的了解。

       通过对每期文章的阅读,我的体会是:1)研究要与社会现实紧密结合,要有应用价值;2)研究是一个长期的过程,需要很大的投入;3)研究也是一个团队合作的过程,要多多交流,关起门来搞研究是没有出路的。

        希望《中国计算机学会通讯》在2012年里能够越办越好!

时间: 2024-08-03 06:34:44

2011年《中国计算机学会通讯》各期概要的相关文章

《中国人工智能学会通讯》——4.24 机器的视觉注意

4.24 机器的视觉注意 1 . 表达方式 对于给定的图像或视频数据,机器的视觉注意过程是希望能找到场景中较为显著(或突出)的区域,其输出结果一般采用视觉显著度图(Saliency Map)的形式.其中每个空间位置的显著性一般用值域为 [0,1]的概率值来表示.概率值越大,表示该位置越有可能成为人类视觉关注的目标.以图 1 为例,图中第一行为原始输入影像:第二行为视觉显著度图(每个像素的灰度值是将其对应位置的概率值线性放大到值域[0,255],并予以显示).图像中强度越高的区域表示越有可能是兴趣

中国人工智能学会通讯——机器学习里的贝叶斯基本理论、模型和算法

非常感 谢周老师给这个机会让我跟大家分享一下.我今天想和大家分享的是,在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法--贝叶斯方法.它是在机器学习和人工智能里比较经典的方法. 类似的报告我之前在CCF ADL讲过,包括去年暑假周老师做学术主任在广州有过一次报告,大家如果想看相关的工作,我们写了一篇文章,正好我今天讲的大部分思想在这个文章里面有一个更系统的讲述,大家可以下去找这篇文章读. 这次分享主要包括三个部分: 第一部分:基本理论.模型和算法 贝叶斯方法基础 正则化贝叶斯推

中国人工智能学会通讯——对偶学习—— 推动人工智能的新浪潮

谢谢大家,感谢组委会的邀请,让我有这个机会与大家分享我们的研究工作.我刚才坐在台下聆听了孙茂松老师和 David的报告,都获益匪浅.首先,老师非常全面地回顾了机器翻译的历史,又有高屋建瓴的讨论,让我们从中学到了很多的东西:其次,很荣幸我的报告排在 David 之后,做优化和机器学习的同事们应该都非常熟悉David 的 No Free Lunch Theory,尤其在今天全世界都希望用神经网络这"一招鲜"来解决所有问题的时候,更应该仔细琢磨一下这个定理,对大家会有很大的启示. 今天我分享

《中国人工智能学会通讯》——8.35 软件工程中的演化计算研究

8.35 软件工程中的演化计算研究 演化计算(Evolutionary Computation)是通过模拟生物进化过程与机制来求解问题的自组织.自适应的人工智能技术,在模式识别.机械工程.电气工程.生物学等众多领域都获得成功[1-2] .近年来,演化计算在软件工程领域也获得了广泛应用,形成了新的学科交叉方向--基于搜索的软件工程(SBSE,Search-Based SoftwareEngineering). 2001 年,Mark et al [3] 首次提出了"基于搜索的软件工程"的

《中国人工智能学会通讯》——6.20 情感分析研究任务

6.20 情感分析研究任务 情感分析任务和其他自然语言处理任务一样,首先需要资源的支持,在此基础上,开展情感分析元素抽取以及文本情感分类工作,下面进行简要介绍. 文本情感资源构建 情感资源一般包括情感词典和情感语料库.目前人工构建情感词典较多的是收集了褒贬情感词的词典,如哈佛大学 GI(General Inquiry)情感词典1 .匹兹堡大学提供的 OpinionFinder 主观情感词典2 .伊利诺伊大学 Bing Liu 提供的词典资源 3 ,而对于喜.怒.哀.乐.悲.恐.惊等情感相应的词典

中国计算机学会:三大电信运营商涉嫌双重收费

中介交易 SEO诊断 淘宝客 云主机 技术大厅 本报北京4月6日电(记者李新玲)4月6日,中国计算机学会在北京就"微信收费"事件发表特别声明,反对三大电信基础运营商对微信收费,认为这是一场垄断企业和民营企业之间的利益之争,三大国有基础电信运营企业在未经有关法律程序的情况下试图增加收费名目是没有依据的,涉嫌双重收费,建议国家加强对电信领域垄断行为的监管. 中国计算机学会认为,三大基础电信运营商提供的是通信设施服务,已经向客户收取了使用通信设施费用,如果再收取客户的费用(无论是对增值服务商

中国人工智能学会通讯——深蓝、沃森与AlphaGo

在 2016 年 3 月 份,正当李 世石与AlphaGo 进行人机大战的时候,我曾经写过 一 篇< 人 工 智 能 的 里 程 碑: 从 深 蓝 到AlphaGo>,自从 1997 年深蓝战胜卡斯帕罗夫之后,随着计算机硬件水平的提高,计算机象棋(包括国际象棋和中国象棋)水平有了很大的提高,达到了可以战胜人类最高棋手的水平.但是,长期以来,在计算机围棋上进展却十分缓慢,在 2006 年引入了蒙特卡洛树搜索方法之后,也只能达到业余 5 段的水平.所以 AlphaGo 战胜韩国棋手李世石,确实是人

中国人工智能学会通讯——无智能,不驾驶——面向未来的智能驾驶时代 ( 下 )

到目前为止似乎比较完美,而实际还 存在着一些问题.我们现在看到很多道 路上面,交通标志牌它的分布非常稀疏, 可能每过一两公里才能够检测出来一个 交通标志牌,因为毕竟这个深度学习算 法是目前最完美的,它有时候还会错过 一个交通标志牌,这时候怎么办呢?我 们会发现在路面上也有非常明显的视觉 特征,我只要把路面的这些视觉特征识 别出来进行匹配,其实是有连续的绝对 的视觉参考的.所以我们做的办法是, 把这个路面粘贴起来.这个粘贴的方法 很简单,跟我们手机拍场景图片一样, 我们慢慢移动的时候可以把这个场景

中国人工智能学会通讯——深度学习与视觉计算 1.3 计算机视觉领域利用深度学习可能带来的未来研究方向

1.3 计算机视觉领域利用深度学习可能带来的未来研究方向 第一个,深度图像分析.目前基于深度 学习的图像算法在实验数据库上效果还是 不错的,但是远远不能够满足实际大规模 应用需求,需要进一步的提升算法性能从 而能够转化相应的实际应用.比如这个基 于图片的应用,可以估计性别和年龄,但 是其实经常会犯错,因此需要进一步提升 深度图像分析的性能. 第二个,深度视频分析.视频分析牵扯 到大量的数据和计算量,所以做起来更加 麻烦.当前深度视频分析还处于起步的阶 段,然而视频应用非常广泛,比如人机交互. 智