新闻 | 我院成功举办“深度学习在地球科学大数据中的应用研讨会”

2017-06-15   

    2017年6月10日,由上海财经大学信息管理与工程学院举办的“深度学习在地球科学大数据中的应用研讨会”在学院308会议室举行。应学院韩冬梅教授的邀请,中山大学/中国地质科学院地质所高锐院士,华东师范大学副校长周傲英教授,北京大学工学院程承旗教授,弗吉尼亚理工大学樊卫国教授、华东师范大学河口海岸科学研究院周云轩教授,上海瓦歌智能科技有限公司王昊奋总经理,唯品会北京研究院郭师光博士,以及该校讲席教授张学良教授、韩冬梅教授、方慧助理教授、涂文婷助理研究员等国内外业内专家出席了会议,并做精彩学术报告,共同探讨了深度学习方法近年来在大数据分析、图形识别和智能化等方面的发展,以及在地球科学大数据中的应用前景。

image003

    会议首先由上海财经大学副校长刘兰娟教授进行简短致辞,刘校长对各位专家在百忙之中莅临本校进行学术交流表示感谢,期望此次学术碰撞能产生火花,促进深度学习在地学领域的应用,并预祝会议取得圆满成功。在致辞中刘校长指出上海财经大学的愿景是成为国际知名的具有鲜明财经特色的高水平研究型大学。学校发展过程中以“经管”为主体,“法文”、“理工”为两翼,信息管理与工程学院在这其中承担着重要的使命。经过多年的发展,学院已经形成了“信息与管理科学交叉、相互引领”的学科特色,在大数据分析和深度学习为代表的人工智能应用领域优势尤其明显,今年学院还申请了数据科学与大数据技术本科专业。学校在学科布局上越来越认识到工科对经管学科,特别是跟大数据相关的专业的支撑作用,所以学校特别强调并指示信管学院办好大数据专业,要坚持走融合交叉的道路。

    高锐院士以“浅谈地球科学大数据深度学习的前景”为题,对地球科学大数据的海量规模、空间跨度、多尺度等特点进行了概述,对应用深度学习方法解读地学图像大数据、多层圈大数据等进行了预判,并介绍了国内外深度学习等方法在地质资料管理、生态模拟、气候预测等方面的最新应用,希望国内也能抓住机遇,对我国丰富的地表、浅部和深部调查数据进行分析挖掘,把深度学习方法运用到地学大数据实际分析中来,推动我国地球科学的发展。

    周傲英教授做了“数据科学的学科内涵——从科学方法论谈起”的精彩报告,阐述了基本的科学方法论、大数据语境下的方法论、大数据分类、大数据语境的营造、数据科学与工程等相关知识,以及相互间的脉络关系,并以物理学、交叉学科为例做介绍,最后,以“大数据串起了历史,回顾历史,可以看清未来的道路:大数据研究是应用驱动的,大数据应用涉及社会治理生产生活的深层次,挑战和机遇并存”为结束语。

    程承旗教授做了“地球剖分模型及应用方法初探”的学术报告,介绍了GeoSOT模型的基本情况、特点、作用与意义,并且对地球部件标识、大数据部件标识、北斗网格码(BGC)做了精彩演绎,提出了发展深度学习型的GIS系统畅想。

    樊卫国教授做了“基于深度学习的药物副作用检测分析”的学术报告,从药物副作用案例来展开如何将深度学习运用到社会实践中,并对Word embedding training、Named entity recognition深度学习方法处理做了介绍了,上述方法同样可以应用到地球科学大数据的处理上。

    王昊奋总经理做了“知识图谱关键技术及行业应用分析”的报告,介绍了知识图谱相关概念,并对知识图谱和深度学习的联系与异同做了解说,前者能思考、有语言、能推理,后者则有感知、能识别和判断,是聪明的AI(人工智能)。进一步介绍了知识图谱从表示、构建和融合到推理、问答、语义理解等方面的关键技术,以及在金融、医疗、媒体、农业和聊天机器人等方面的应用。

    郭师光博士做了“深度学习模型及其在地球科学中应用前景”的报告,介绍了深度学习模型的网络构建、网络函数拟合,以及最优值搜寻,并对深度学习运用于地震层析成像、断层自动提取、地球大数据成像等应用前景做展望。

    张学良讲座教授做了“城市大数据应用与平台建设”的报告,以互联网高铁数据、大众点评网数据、地铁客流量等数据为例介绍城市大数据,并介绍了中国百城空间网络化计划,以及建立“宏观数据+地理数据+调研数据”相结合的中国城市数据库的远大目标,此外,还介绍了研究团队目前在观测城市活力方面的“五角场人本观测实验室”和“新江湾城人本观测室”的研究现状。

initpintu_副本

    下午研讨会开始后,信息管理与工程学院方慧助理教授作了题为“卷积神经网络及其应用”的报告,方慧老师首先从深度学习基本概念及卷积神经网络的历史开始讲起,然后为大家详细讲解了卷积神经网络的基本原理和常见结构,最后为大家介绍了卷积神经网络在图像分类、分割、物体识别等领域的应用,以及卷积神经网络如何与其他及其学习算法如递归神经网络和迁移学习思想等相结合运用在自动生成图像标题、自然语言处理等领域。

    信息管理与工程学院涂文婷助理研究员作了题为“多模态大数据的机器学习”的报告,涂文婷老师首先通过有趣的麦格尔效应引出了多媒体数据中的多模态现象,并介绍了各个领域中多模态数据的形式。之后定义了多模态数据上的机器学习问题。在具体方法上,涂老师从机器学习过程中的决策层、模型层、特征层角度分别介绍了如何融合多模态数据的信息。尤其是在介绍如何在特征层融合多模态数据信息时,向我们展示了一种基于限制玻尔兹曼机(RBM)的多模态深度学习方法。这一方法引发了大家的兴趣,并得到了广泛讨论。

    信息管理与工程学院韩冬梅老师作了题为“面向语义网的地学多模态数据知识挖掘”的报告,韩冬梅老师首先介绍了前期基金项目情况,然后介绍了一种基于改进梯形云变换的地学数据关联规则推理方法,最后介绍了基于面向对象的遥感图像分类及多源数据融合方法。

    信息管理与工程学院博士生刘启刚作了题为“深度学习对地球科学问题的适用性探讨”的报告。刘启刚博士首先阐述了地球科学中的数据分析问题的特点,然后结合自己的项目经历,对深度学习对地球科学问题的适用性进行了探讨,最后为大家分享了自己近期的研究成果。

    本次会议以“深度学习在地球科学大数据中的应用”为主题,参会嘉宾从不同的背景、不同的角度出发,围绕深度学习和地球大数据两个主题展开了热烈的讨论。在应用方面,不仅深度学习在地球科学上的应用得到了详细的介绍和展望,在其他领域(例如健康医疗)的应用上的探讨也引发了大家思考有哪些方法和技术值得借鉴到地球科学领域中来。在理论方面,不仅深度学习研究中的各种前沿理论(例如卷积神经网络,递归神经网络等)被提及和介绍,知识图谱、多模态数据这些研究话题也开阔了大家的思路。最后参会嘉宾一致认为深度学习技术在地球科学大数据领域发展潜力巨大,发展前景广阔。需要多方共同推进其研发落地。

DSC_0027

    信息管理与工程学院的教师与研究生出席了本次会议。本次会议提升了信息管理与工程学院在地球科学大数据研究领域的学术水平,促进了跨单位跨领域的学术交流,并为后继推进地球科学、城市经济及信息技术领域的协同创新奠定了良好的基础。

供稿:韩冬梅 供图:何志强