《亚洲另类在线制服丝袜国产在线》

产业共话：大规模预训练的商业应用及技术发展方向(🧣) | CNCC2021

大规模预训练模型是否是通向通用人工智能的可行方向？

2018年(🕑)，大(🎟)规模预训练技术极大提高了深度神经网络对大规模无标注数据的自监督学习能力，在GPU多机多卡算力和海量无标注文本(⏰)数据的双重支持下，预训练模型打开了深度学(🔝)习模型规模与性能齐飞的局面，成为人工智能和深度学习领域的又一革命性突破，引发了国际著名互联网企(🍄)业和研究(🍧)机构的激烈竞争，将模型规模(📺)和性能不断推向新的高(🌯)度。

目前，大规模预训练模型已(👺)经在自然语言处理领域取得了巨大的成功。BERT、GPT-3等大规模预训练模型被看做是“暴力美学”的一次胜利，验证了“模型越大，性能越好”的逻辑，业界也普遍形成了一种炼大模型的竞赛趋势，国内也相继发布了ERNIE、盘古(🤙)、悟道等(🐿)大规模预训练模型，呈现百花齐放、百家争鸣的发展格局。

然而在这样的成功背后，是海量的(🛫)数据需求与训练资源消耗。以GPT-3为例，GPT-3有1750亿个参数，预训练数(❔)据量高达45TB，在超大算力资源的加持(🔘)下，GPT-3训练一次的费(💷)用是(⛏)460万美元，训练时间为355个GPU年，这是(🏡)一般的实验室难以承担的。

研究发现，虽然大规模预训练模型在自然语言生成等领域的能(🏙)力已接近人类，但大规模预训练模型对语言的理解有限，只是一个“更大的黑盒子”，依然存在“缺乏常识”的缺陷。此外预训练模型的迁移能力(🔅)仍待研究，另一方面，大规模预训练模型的落地场(🔞)景一直是个很大的挑战，学术界与产业界对大规模预训练模型的(⛪)关注点也有着很大的差异。

大规模预训练模型上述优势和不足，将(➿) AI 研究者推到了一个十字(📂)路口：大(🐗)规模预训练模型是否能成功从自然语言扩展(💧)到其他领域？又会带来(😘)哪些新的挑战？大规模(🕡)预训(✊)练语言模型能否实(👞)现认知(🏥)智能？业界的大模型竞赛现象反映了什么问题？业界进展是怎样的，产业应用所面临的主要(🍤)难点是什么？

10月28-30日，计算机领域年度盛会CNCC 2021将在深圳召开。本届大会共开设了111个技术论坛，涉及32个研究方向。其中在大规模预训练模型领域，大会开设了“产业共话(💉)：大规模预训练的商业(🎴)应用及技术发展方向”分论坛。

围绕着这个研究及产业的热点领域，深圳市人工智能(😾)与机器人研究院牵头，联合深圳市人工智能学会发起这(🙌)次论坛。邀请北大、粤港澳大湾区数字经济研究院等(🎨)领域著名学者及华为、(👮)腾讯、平安(🕎)、百度等产业专家进(💍)行深度解析，探讨大型预训练模型当前现状及未(⚡)来发展方向，提升大(🧚)模(🍨)型(🐁)在产业的技术和应用。本论坛包括主旨演讲及Panel研讨环节，站在行业视角探讨大模型的技术背景、发展趋势，及在医疗、金融等多个领域的应用探讨。

该论坛由(🤩)深圳市人工(🤼)智能与机器人研究院首席科学家(🛥)李世鹏担任主席（做主题报告），北京大学教授/深圳市人工智能学会秘书长邹月娴担任共同主席。

届时，华为(💹)云人工智能(🌆)领域首席科学家田奇、百(🚍)度杰出架构师、百度文心(ERNIE)语义理解技术与平台负责人孙宇，腾讯天衍实(🌃)验室主任郑冶枫、平安科技前沿技术部负责人王磊、粤港澳大湾(💾)区数字经(📏)济研究院认知计算与自然语言讲席科学家张家兴等产学专家将发表主题报告，深入解读当前大规模预训练模型的产业发展趋(⏰)势。

在论坛开始之前，AI科技评论采访了论(⚡)坛主席、深(🐝)圳市人工(📫)智能与机器人(🦊)研究院首席科学家李世鹏，就大规模预训练的进展及本次论坛的准备情况进行了对话。

李世鹏是国际欧亚科学院院士和国际电机电(🤘)子(🥠)工程(🍊)师学会会士（IEEE Fellow）。他于1999年作为创始成员加入微软亚洲研究院，曾担任副院长、首席研究员及多媒体计算组主任研究员。2018年加入科大讯飞，曾任集团副总裁及研究院联席院长。李院士(👉)研究(😆)方向为多媒体、互联网、计算机视觉等。曾任《IEEE电路与系统视(🌛)频技术学报》总编辑，在多媒体、物联网及人工智能等领域极具影响力，拥有200多(💚)项美国专利并发表了330多篇国际论文（H指数：82），培养出四位MIT TR35创新奖的(🤺)获得者。

Q：本届CNCC大会，除了您主(📭)持的“产业共话：大(🌄)规模预训练的商业应用及技术发展方向”外，另外还有一个从学术角度讨论的“大规模预训练模型”论坛(✌)。学术界和产业界对大规模预训练模型的关注点有什么不一样(🎠)？

A：大规模预(🙄)训练模型(💋)自从GPT-3出来以后引起了包括学术界和工(🕊)业界的很多反响。但大规模预训练是特别耗资源的一件事，现在国(🚇)内能看到的大概(🗼)只(👛)有ERNIE、盘(🍗)古、悟道等(🤓)几套，需要很大的财力和资源才能(👤)支持做这个事情，学术界基本做不了这事，基本上是跟着工业界合作，或者在别(😘)人的基础上做(🐚)一些工作。

那么工业界为什么做这个事情呢？工业界做这个事情还是要看大规模预训练会对他们的商业目的(💃)带来什么好处。有些人说过，大规模预训练(🎉)模型可(😱)能也是通往通用人(✊)工智能之路，现在(😘)大概是(🆑)有那点苗子，但还远远没到那个程度。所以我们这个论坛也(📸)是让大家再讨论一下，到底这些大规模预训(🎚)练模型今天有什么应用？预训练带来的好处在哪？它的(🚃)限制在哪里？怎么去突破？通过这个论坛让大家进行碰撞，找到未来关注的一些点。

Q：目前深圳市人工智能与(🌎)机器人研究院在大规模预训练模型的研究进展如何？

A：我们现在主要是在跟一些企业合作，这东西还是比较耗费资源。

我们论坛的嘉宾中有一位宋彦教授，他(🤺)在我们研究院有一(🛫)个自然语言处理大规模预训练模型的项目，我们会结合产业的一些需求进行研究，毕竟产业界更注重具体的落地应(🤷)用。他们会有很多实际的需(♐)求，比如说(🧕)信息挖掘、信息搜索或者是一些客服问答。在(🌸)得到这些需求后，我们主要考(🎓)虑如何通过这种大规模预训练模型，结合语言、知识、理解能力等，把这些商业应用的东西做得更好。

Q：论坛在嘉宾邀请和主(🗄)题设计上主要会有哪些考虑？

A：本次(💴)议程设计主(🍖)要还是集中在业界关注的话题，以及大模型未来发展趋势的一些思考。我们想说的是现在的大模型其实是已经有一些基本的知识基础，那么接下来还有什么，如何引导其学习和归纳，“学而知之”，建立认知能力(💐)等等，如何去设想，如(🔃)何去突破，我们的选择主题里面会考虑这方面的(🎌)一些内容。

像邹月娴老师会说大模型在视觉推(🧚)理里面的一个突破，百度的孙宇也会介绍基于认知的一个问答系统，华为的田奇老师(🖌)也是带来了基于大模型的通用智能的一些探索。还有我们的粤港澳大湾(🏍)区数字经济研究院的张家新老师，他的演讲主题(📜)也是从大(😓)模型走(🧕)向认知科学。

所以说我们也(⚪)在想现在的这个大模型之后的下一步，看看能不能引起一些这样的思考。比如现在的大模型不是(🆕)所有(🏩)人都能用得起的，下一(🐑)步能否化繁为简赋能多数人？基于规则的模(🍷)型通常意义上比基于数据的模型更简洁(🎩)和稳定。我相信(♋)下一步不管是科研学术界以及业界(🥫)可能都想(🔻)对这个(👗)问题去了(💖)解及探讨。

我们这个论坛之所以叫做“产业共话”，就是希望探讨大家在实践中遇到的实际问题，而不是一味夸大大模型，我们想了解企业遇到过的瓶颈或者困难，这才是真正的有用的、有价值的东西，可以对我们后续的研究者(📠)有着启示。也能对大(👮)家共同去攻克这样的一些难题起到一个积极的作用。

Q：您提到大规模预(🛬)训练模型可能是通向通用人工智能的道路，在您看来，人的认知过程对大规模训练模型研究有什么启发？

A：(⛷)我们的思路是跟人的认知过程做一个对比(🤚)。那人的认知过程是什么样子？我们现在机器又是什么样子？比如说我觉得大规模预训练模型对应的人(😟)的认知过程，可能就是一堆知识堆放在脑子里，死记硬背也许也会有点用。但是人真正的(🗯)认知能力是可以(📷)举一(🙆)反三，是有推理能力(🦏)，是可以从未经历的事(🍩)件(🎐)中，推(📨)演出可能的结果。现在大规模预训练模型也许也可以举一反三，但是还是要需要人通过示例来引导才知道要做什么事。

人有些东(🌎)西是生而知(😅)之(🔢)的，生下来就有一些先验知识，那怎么(🍒)通过这些知识进行推理？这就需要学而知之。人在学习的过程中不但学的是知(🔗)识，而且还学习规则以(🤯)及推理的能力。现(😾)在大规模预训练模型有一些往这个方向(🦂)走的趋势，但还没有一个明确的路径。

所以我们现在也Push 大家往这块去想，你有这样一个(😰)大规模预训练的模型，怎么更好去利用起来，或者有一些什么样的方(✝)法能让我们更好的去(🏻)把它利用起(🐚)来。就像(🈯)我脑(📞)袋里灌了一堆知识，但是我不知道怎么去用(⛲)它。如果能把人的认知过程，也就是人的学习的过程(🔫)放进来，也许就会有一些新的发现。

比如说基于规则，我们在用大规模预训练模型(⏫)的时候，它是需要你先给很多Example，从观察你的 Example 里面猜出来，你大概要想做这个事情。那(👻)么我们可以不可以把这个事情变得更显式，直接告诉它我的规则是什么？我们现在说Big Data，如果(👡)能从数据中找到规律，或者如果规则也像数据那么丰富且容易得到的话，我们就可以从Big Data到Big Rule，这(🔡)可能就是向通用人工智(🍑)能又接近了(🔋)一步。

CNCC2021“产业共话：大规模预(♿)训练的商业应用及(🦓)技术发展方向”技术论坛将于2021年10月28日16:00-19:00在深圳国际(🤙)会展中心召开。齐聚华为、腾讯、百度、平安等行业龙头的大模型设计领军人物，联合科研机构专家共同探讨大型预训练模型产业化应用及新的发展方向。聚(👐)焦医疗和金融热门领域，把(🏯)脉大模型技术发展方向。

本次论坛由深圳(🚬)市人工智能于机器人(💥)研究院首席(🔰)科学家李世鹏担任论坛主席。李世鹏是国际欧亚科学院院士和国际电机电子工程师学会会士（IEEE Fellow）。他于(💬)1999年作为创始成员加入微软亚洲(🧝)研究院，曾担任副院长、首席研究员及多媒体计算组主任研究员。2018年加入(🏩)科大讯飞，曾任集团副总裁及研究院联席院长。李院士(📘)研究方向为多媒(🏀)体、互联网、计算机视觉等。曾任《IEEE电路与系统视频技术学报》总编辑，在多媒体、物联网及人工智能等领域极(💢)具影响力，拥有200+项美国专利并发表了330多篇国际论文（H指数：82），培养出四位MIT TR35创新奖(🏿)的获得者。本(🛤)次论坛李世鹏将发表《连接认知科学与认知智能：新人工智(🦑)能发展之路？》的主题演讲。

北京大学教授、深圳(🌘)市人工智能学会秘书长邹月娴担任论坛联席主席。邹月娴是北京大学深(👧)圳研究生院党委副书(💜)记，教授、博士生导师，ADSP实验室主任，CCF语音对话与听觉专委会(🃏)委员。长期从事机器学习与模式识(🐠)别、信号与信息处理领域科研与教学工作，先后主持(🏡)国家(🧘)级、(💷)地方级科研(💹)项目30多项，形成了一(🕙)系列创新成(❔)果；曾获中(🚷)国电子工业部科技进步三等奖，深圳市科学技术奖科技进步一等奖；在(🕒)领域著名期刊（TIP、(😪)TSP等）和国际(🌦)旗舰学术会议（NIPS、ACL、 AAAI 、CVPR等）上发表学术论文226篇，参与撰写中英文专著2本，授权发明专利(😦)10项。目前致力于跨媒体分析与理解、人机对话、深度学习理论方法与应用研究（https://web.pkusz.edu.cn/adsp/）。

论坛日程安排

时间

主题

主讲嘉宾

单位及任职

16：00-16：10

连接认知科学与认(🖌)知智能：(📿)新人工智能发展之路？

李世鹏

深圳市人工智能与机器人研(🖼)究院 首席科学家

16：10-16：30

预训练模型在视觉理解上的应(💸)用与发展

邹月娴

北京大学教授/深圳市人工智能学会秘书长

16：30-16：55

通用AI的探索和实践(🧛)

田奇

华为云人工智能领域首席科学家

16：55-17：20

百(💘)度文心ERNIE预训练技术与平台

孙宇

百度杰出架构师、百度文心(ERNIE)语义理解技术与平台负责人

17：20-17：45

预训练模型在医(🛫)学影像分(⛪)析上的应用

郑冶枫

腾讯天衍实验室主任

17：45-18：10

大规模预训练模型在金融领域应用中面临的主要问题与应对技术探索

王磊

平安科技前沿技术部(🦇)负责人

18：10-18：35

大模型时代(🔩)的认知机器学习

张家兴

粤港澳大湾区数字经济研究院，认知计算(🕙)与自然语(🛑)言讲席科学家

18：(✈)35-19：05

圆桌论坛：(👯)

医疗大模型的应用及前景圆桌(🤖)讨论(🌧)

郑冶枫

陈杰

何径舟

宋彦

陈小军

张彤

腾讯

北京大学教授

百度NLP技术总监

香港中文大学（深圳）副教授

深圳大学 副教授

鹏城(⏪)实验室 助理研究员

主题报(💼)告1：连接认知科学与认知(🦑)智能：新人工智能发展之路？

报告人：李世鹏，深圳人工智能与机器人研究院

人工智能发展迅猛，各种新技术日新月异，同时也出现一些瓶颈。让我们(🐡)暂(➕)停一下步伐，看看认知科学的发展，对认知(🚒)智能的发展有没有启示？认知科学的很多发现，可以在认知智能的研究中(🎒)起到指导作用，以大规模的模型，以及大规模在(🍙)人的认知(👄)过(📑)程中采集的真实数据，也许可以更准确地模拟人的认知过程。“像婴儿一样开始，像孩子一样学习”，也许是一条可行的新人工智能发展之路？大规模预训练模型可能仅(👈)仅是一个新的时代的开始。

主题报告2：(🎽)预训练模型在视觉理解上的应用与发展

报告人：邹月娴，北京大学

视觉理解是计算机视觉(🌻)领(🆖)域的前沿研(⛸)究热点，涉及视觉场景的感知与认知，涵盖图像分类、目标检(😗)测、行为识别、时序动作定位(TAL)等单模态(👵)任务，也包括视觉描述(VC)和语言查询视频定位(VG)等跨模态任务。随着深度学习的快速发展，基于大规模标注数据的视觉预训(🙏)练模(😟)型、视觉-语言预训练模(🥋)型、语言预训练模型助力多个(🕴)下游任务(😣)取得了(🐝)SOTA的(🕙)性能。然而现有预训练任务通常与下游(🌼)任务存在较大的语义鸿沟，并非在所有下游任务上可以获得性能增益。本次讲座将首先介绍视觉(🐡)理解任务(🈹)研究(🐏)现状，预训练模型方法演进及其在视觉理解任务上的应用，最(💚)后分享细粒度跨模态预训练方法及其在视觉定位上的最新研究成果。

主(💞)题报告3：通用AI的探索和实践

报告人：田奇，华为

随着数据的不断积累和算力算法的不断发展，人工智能模型正在(🌆)变的更(🚥)大更通(🌎)用。为了实现普惠(🔅)AI，华为云在2021年HDC大会发布了盘古预训练大模型，建立了一套通用、易用的人工智能工业化开发模式。在该报告中(📦)，将从数据高效、模型高效、知识高效三个方面深入介绍华为云盘古大(🚷)模(🍱)型，尤其是华为云视觉大模型背后的预训练技术(📌)。

主题报告4：预训练模型在医学影像(🦆)分析上的应用

报告人：郑(📟)冶枫，腾讯天衍实验(🅿)室

由于隐私和监管(😵)问题，医(☕)学影像的获得特别困难。同时医学影(👩)像的标注经(🌖)常需要医学专业知识，只有专家才能准确标注。这些都导致有标注的医学影像数据极其稀少。预训练是解决标注样本稀缺的有效手段，然而由(⭕)于自然图像与医学影像的差异，在(🛠)自然(🍔)图像上预训练好的模型迁移到医学影像(🚴)上效果(🎶)往往参差不齐。同时很多医学成像模态是3维的（比(🗾)如CT和核磁共振成(🐾)像），业界更加缺乏预训练好的3维影像分析模型。本次讲座将介绍我们近期在医学影像预训练上的一些工(🙋)作，比如，Med3D项目采取积少成多的方法，将业界的多个公(🥅)开3维医学影像数据聚拢起来，联合预训练一个(🈁)多模态、多器(🐽)官的模型；我们也(🏖)提出魔(🍈)方变换的自监督学(📼)习算法，预训练时只需要3维医学影像而不需要任何标签；最后将介绍一种基于对比学习和Transformer架构的预训练方法。

主题报告5：百度文心ERNIE预训练技术与平台

报告人：孙宇，百度

近年来，预训练语言模型在自然语言处理领域发展迅速，并获得广泛应用。2019年，百度(☕)率先提出(🏺)了基于知识增强预(🎚)训练技术ERNIE，取得世界级突破。2020年，ERNIE又在语言生成、跨模态理解、多语言理解等方向取得突破，先(✉)后提出了ERNIE-GEN、ERNIE-VIL、ERNIE-M等(🐁)模型，取得几十项SOTA，登顶十余项世界权威评测榜(🍠)首。2021年，百度发布知识增强大模型ERNIE3.0，刷新50余个中文NLP基准，并登顶SuperGLUE榜首。ERNIE广泛应用于搜索引擎、金融风控、智能客服等产(🍦)品，覆盖(😓)金融、通信、教育、互联网等行(🍐)业。本次报告主要包含百度文心ERNIE预训练技术的最新进展、应用情况以及未来发展方向(💿)。

主题报告6：大规模预训练(🐖)模型在金融领域应用中面临的主要问题(❄)与应(🎩)对技术探索

报告人：王磊，平安科技

大规模预训练模型在最近(📚)几年获得了蓬勃发展，其在各行各业的应用也逐渐普遍起来(🍇)。在金融领域应用这些大规模(🎣)预训练模型解决场景问题(🛂)给我们带来了很多便(🙁)利，但也面临一些问题。其中两个问题尤其值(🙊)得关注：一是(🐀)大规模(🐄)预训练模型基于大语料训练，其在解决金融领域问题时不可避免的会引入过多背景信息，这些(🏌)信息的存在可能在我们建立领域文本认知(🗨)模型时引入了噪音；二是基于大规模预训练模型建立的(🕺)各类NLP模型，其性能确有提(🔉)升，但金融领域天然(🕺)容错性(🧢)低，目前不少模型的结果需要人工核对后(💙)才可(🗜)使用，这阻碍了实(🐸)际的商(💃)业应用。如何解决这些问题是值得思考的，为抛砖引玉，针对上述两个问题我们将分别介绍语义空间分解及置信度评估两类技术探索。

主题报告7：大(💪)模型时代的认知机器学习

报告人：张家兴，粤港澳大湾(🚟)区数字经济研究院

让机器(🏷)像人一样去学习，是机器学习领域一直在追求的目标。当下，大规模预训练模型展现出了在零样本和小样本学习、样本生成、先天支持后天等方面的强大潜力，而这些(🤓)正是通往类人的认知机器学习道路上(🏼)的重要基石。本次演讲，将和大(🔅)家一起探讨大模型时代认知机器学习的实(🏈)践之路。

圆桌论坛：医疗大模型的应用及前景圆桌讨论

嘉(😨)宾：

郑冶枫，腾讯天衍实验室

陈杰，北京大学

宋彦，香港中文大学（深圳）

何径舟，百度

陈小军，深圳大学

张彤，鹏城(🎣)实验室

陈杰，北京大学副教授，围绕计算机视觉和医学图像分析展(🔑)开研究，发表期刊和会议论文约100余篇，代表论文包括国际顶(🤠)级刊物TPAMI，IJCV，TSMC，TIP，TNNLS以及国际顶级会议CVPR，ICCV，NeurIPS等。Google Scholar 引用4700余次，单篇文章的最高引用达到了1100次，次高引用900余次。近五年先后获国家自然科(🚓)学基金项(🌙)目3项，主持广东重点项目1项(🗡)，广东应急项目1项，作为课题负责人主持工信部5G+医疗健康应用试点项(🕶)目。获国家科技进步二等奖两次（2005，2015）。担任国际顶级期刊TPAMI和IJCV的客座编辑、TVCJ的编委、国际顶级会议的研讨会(🥗)共同主席，例如（ICCV，CVPR，ECCV和ACM MM）。

宋彦教授现为香港中文大学（深圳(🏔)） 副教授。宋教授的研究方向包括自(🤡)然语言处理(🌉)、信息检索和抽取、文本表征学习等。其著作多次被国际权威组织或会议收录，如国际计算语言学协会（ACL）(🖨)，美国人工智能协(🥗)会（AAAI），自然语言处理的经验方法会议（EMNLP），国际人工智能联(✒)合会(🌍)议（IJCAI）等等。

除学术论文著作颇(🦑)丰外(🥨)，宋教授还拥有丰富的实(🌽)践经历。他于2010年在微软亚洲研究院担任访问研究员，参与构建了第一个大(📥)规模中文组合范畴语法树库和语法分析器；(👵)于2011至2012年担任华盛顿大学访问学(🎽)者；后于2013至2017年加入微软人工智能研究中心，成为“微软小冰”项目的创始人之一；在2017到2019年间，他加入腾讯人工智能实验室，作为自然语言(📥)理解（NLU）团队首席研究员(🗯)，领导构建了腾讯AI Lab大规模中文词向量数据集（包括800万中文词），该数据集成为2018年十大人工智能开源数据集。目前(💎)，宋教授正作为研究科学家，于深圳市大数据研(➗)究院进行医疗文本表征学习(✨)研究。

何径舟，百度深圳研发中心自然语言处理部技术总监，螺旋桨 PaddleHelix 生物计算平台负责人。何径舟毕业于北京大学计算机系，有 10 年以上(🌎)人工智能技术研发和管理经验，主要研究领(👪)域包括自然语言处理、机器学(🛍)习、生物计算、智能机器人等。何径舟深度参与了知识增(💪)强的语义理解技术与平台文心ERNIE、大规模隐变量对话模型 PLATO 、飞桨图学习框架 PGL 、飞桨强化学习框架 PARL 、生物计算平台(🌸)螺旋桨 PaddleHelix 、小度机器人等代表性工作(🗞)，带领团队夺得十余项国际比赛和权威榜单冠军，4 次斩获百度(🕌)最高奖。何径舟是 200 余项 AI 专利(🤶)发明人，曾获中国专利优秀奖，受聘中国专利审查技术专家。何径舟也是中国人工智能学会（CAAI）会员，香港人工智能与机器人学会（HKSAIR）(🛍)会员，中文信息学会（CIPS）青年工作委员会委员。

陈小军，深圳大学计算机与软件学院副教授(🎧)，大数据技术与应用研究所助理所长，CCF YOCSEF深圳AC委员，2020年度主席。曾参与过多项国家863项目以及中国科学(🏺)院战略性(🐮)先导科技专项。领导开发开源(🍋)数据挖掘平台AlphaMiner v1.1-v2.5版本，在(🍤)国内外多所学校做教学(🌷)软件使用。2010年开始，领导开发AlphaMiner云计算(🏜)版本，并在2010及2011年深圳中国国际高新技术成果交易会予以展示。曾参与中科院(🎴)战略先导专项(🧛)开发了基于互联网的云计算(🥀)大数据(🧠)挖掘平台。从事数(🔶)据挖掘、机器学习研究十余年，在相关的国际学术期刊和(🕣)会议上发表SCI/EI检索论文近50篇，包括CCF A 类/一区论文20余篇（发表在KDD、ICCV、IJCAI、AAAI、SIGIR、TKDE，TNNLS上），CCF B/C类论文十余篇。主要研究内容涉及聚类算法、特征选择算法、有监督及半监督学习算法、基因数据聚类分析及图像分析等(🤙)。

张彤，鹏城实验室(🗞)助理研究员，CCF女工委(🈶)委员，CCF YOCSEF深圳AC委员，深圳市女科技工作者协会副会长，深圳市海(👋)外高层次人才，国家优秀自费留学生奖学金获得者，博士毕业于澳大利亚悉尼大学，2015-2019在英国伦敦大学国王学院从事博士(🗡)后研究工作。主要研究(👬)方向为多模态多维度医学影像分析，受(🌘)邀担任多个顶级期刊及会议的审稿人，多次(🍙)受邀(📗)在国内外学术(♑)会(🎵)议上给主题/邀请报告，谷歌学术引用(🈂)1300余次。

【亚洲另类在线制服丝袜国产在线的相关新闻】