ISSN 1000-1239 CN 11-1777/TP

学术活动

    【征文】多媒体信息处理中的深度强化学习专题(ChinaMM2017)
  •  

    中国多媒体大会(ChinaMM 2017)专题“多媒体信息处理中的深度强化学习”征文通知

    近年来,以数据驱动为核心的深度学习通过逐层抽象方式形成原始数据区别性表达,在自然语言、语音和计算机视觉等领域取得了显著进展。但是,这一任务式、刺激式的学习机制需要向探索式(直觉牵引)、自主式学习机制跃升,具备“学习的学习(learning to learn)”能力,形成解释性强、数据依赖灵活和知识引导的模型和方法。

    深度强化学习是将深度学习的感知能力和强化学习的决策能力相结合的新方法,以Deepmind研制的AlphaGo为代表,目前在对弈游戏、对话生成和机器人控制等方面取得了巨大进步。但是,由于强化学习需要对环境进行探索和交互、从滞后反馈中生成最优策略,因此深度强化学习在多媒体领域研究较为偏少,亟待形成新的模型和方法。

    为此,由中国计算机学会(CCF)主办,CCF多媒体技术专业委员会和中国图象图形学学会多媒体专业委员会共同协办的“2017年中国多媒体技术大会(China MM)”中特别设立“多媒体中的深度强化学习(Deep Reinforcement Learning in MultimediaDRLM)”专题,关注如下主题(但不限于):

    深度强化学习新模型与方法、视觉注意力模型、外在记忆体加载、策略搜索与学习决策、深度神经推理(deep neural reasoning)、跨媒体协同认知和学习、基于互联网的群体智能、迁移学习、非监督学习与生成对抗网络、视觉问答与对话、信息抽取与知识图谱构建、视觉语义理解

    ChinaMM2017的投稿网站https://easychair.org/conferences/?conf=ChinaMM2017投稿中,请在论文第一页右上角标明“DRLM”字样,以便进入该专题论文评审。经过严格评审后,优秀论文将推荐给《计算机研究与发展》,所有经《计算机研究与发展》录用论文将在ChinaMM 2017以学术报告和海报形式交流。投稿论文为中文(8-10页),格式请参照《计算机研究与发展》格式,详见http://crad.ict.ac.cn/journalx/basicinfo/viewHtmlFile.action?magId=1&id=23

    DRLM专题论文具体日期如下:

              投稿截止时间:2017430

              审理结果通知:2017530

              推荐期刊通知:2017620

              期刊录用通知:2017820

                 

    专题负责人:

    韩亚洪天津大学教授

    俞俊杭州电子科技大学教授

    蒋树强中科院计算所研究员

    杨易悉尼科技大学副教授

    吴飞浙江大学教授

  • 发布日期: 2017-02-20  浏览: 4682