南京航空航天大學人工智能學院成立兩周年之際，學院于6月22日舉辦了人工智能線上學術報告會。會議邀請北京大學林宙辰教授、天津大學胡清華教授、南京大學吳建鑫教授、清華大學朱軍教授、南方科技大學唐珂教授、國防科技大學侯臣平教授、中國科學技術大學劉淇教授和複旦大學付彥偉教授等專家做學術報告。會議采用騰訊會議在線上開展，并進行了同步直播。會議吸引了三百餘人參加，取得圓滿成功。

會議開始，陳兵院長代表學院感謝各位專家受邀進行報告。他表示，人工智能學院成立兩年以來，在人才培養、科學研究、師資建設等方面取得了顯著進展。本次會議專家們的精彩報告為師生們分享前沿成果，将進一步推動學院的科研發展。

林宙辰教授的報告介紹了一種用于訓練前饋神經網絡的高效優化方法LPOM，該方法在内存和計算速度上均有顯著優勢，可避免梯度消失和爆炸問題，且對函數性質要求更松，具有更廣泛的适用場景。

胡清華教授以基于不确定性建模的分類回歸學習為題，系統性地介紹了分類與回歸兩種典型學習任務中各類不确定性問題帶來的挑戰以及對應的建模方法，并結合不同實際任務介紹了研究動機與應用效果。

吳建鑫教授介紹了在卷積神經網絡壓縮方面的系列工作，在不損失或少損失準确率的前提下，顯著降低CNN的算力和存儲需求，使CNN模型可以方便的應用于移動環境等資源受限場景。

朱軍教授針對複雜場景下智能決策面臨的多智能體、環境未知等挑戰，介紹了他們的最新研究，包括具有延遲更新的高效CFR算法、沖刺湯普森采樣算法、融合CFR與後驗采樣的強化學習算法等。

唐珂教授圍繞參數化這一許多人工智能任務中對性能影響巨大的關鍵難題，針對參數空間不平滑、不連續、評價數據缺失嚴重等挑戰，系統性的介紹了具有較好泛化能力的參數化求解器方法。

侯臣平教授以動态特征挖掘為主題，從特征增減和特征累積等典型場景出發，介紹了安全使用新增特征的分類方法和任意特征缺失的多視圖學習方法，并對動态特征挖掘問題進行了總結和展望。

劉淇教授以教育領域為背景介紹了從大規模異構學習數據中進行認知診斷和知識跟蹤的機器學習模型，以及基于學習者認知畫像的自适應學習路徑推薦方法，以及在實際教育産品種的應用。

付彥偉教授針對小型網絡直接進行訓練可能會陷入局部最優的問題，介紹了一種基于逆尺度空間的微分包含方法來進行模型壓縮，通過理論證明和實驗結果驗證其具有更好的全局收斂性。

會議最後，陳松燦教授進行了總結發言，并再一次感謝各位專家帶來的精彩報告。

本次會議在疫情期間以線上報告形式成功舉行，為學院師生帶來了内容豐富、精彩紛呈的學術大餐，對促進人工智能學院的學術交流和科研創新具有重要意義。