作為機(jī)器學(xué)習(xí)最重要的一個分支，近年來深度學(xué)習(xí)（Deep Learning）發(fā)展勢頭迅猛，借助龐大的數(shù)據(jù)和計算能力，深度學(xué)習(xí)已經(jīng)在計算機(jī)視覺、語音識別以及自然語言處理方面取得了巨大成就：目前幾乎所有的商用語音識別算法都是基于深度學(xué)習(xí)，針對ImageNet數(shù)據(jù)集的算法分類精度已達(dá)95%以上……

在看到深度學(xué)習(xí)對多個領(lǐng)域的賦能之后，越來越多人開始了深度學(xué)習(xí)之路。企業(yè)在進(jìn)行人工智能領(lǐng)域人才招聘時也常常將深度學(xué)習(xí)以及對深度學(xué)習(xí)框架的掌握程度作為一個篩選維度。

大部分人都是從企業(yè)轉(zhuǎn)型中了解AI技術(shù)的火爆，但卻忽略了高校這股不可忽視的力量。部分高校對人工智能的研究要追溯到上個世紀(jì)的70-80年代，而在人工智能即將掀起的大潮中，高校責(zé)無旁貸地成為了AI人才培養(yǎng)的源頭。

那么，中國大陸高校AI實力到底如何？

根據(jù)麻省理工學(xué)院馬薩諸塞校區(qū)計算機(jī)與信息科學(xué)學(xué)院教授Emery Berger公布的全球院校計算機(jī)科學(xué)領(lǐng)域?qū)嵙ε琶拈_源項目CSranking排名顯示，清華大學(xué)、北京大學(xué)以及中國科學(xué)院大學(xué)分別排在了榜單的前三名，浙江大學(xué)排在第七名，南京大學(xué)排在11位，北京航空航天大學(xué)和哈爾濱工業(yè)大學(xué)并列16名。

了解了高校在人工智能領(lǐng)域的實力，那么，這些名校專家在人工智能領(lǐng)域的研究方向有什么不同呢？如何一次性獲取知名高校在人工智能研究領(lǐng)域的精華呢？

BDTC 2018（2018中國大數(shù)據(jù)技術(shù)大會）重磅推出了深度學(xué)習(xí)論壇，來自清華大學(xué)、南京大學(xué)、復(fù)旦大學(xué)、浙江大學(xué)、廈門大學(xué)、電子科技大學(xué)、西安交通大學(xué)、北京交通大學(xué)、天津大學(xué)等國內(nèi)知名高校的知名講師將帶來一整天的精彩技術(shù)分享。在深度學(xué)習(xí)的路上，你需要腳踏實地的引路人。

深度學(xué)習(xí)論壇引路者

黃萱菁（復(fù)旦大學(xué)教授）

黃萱菁博士，復(fù)旦大學(xué)教授、博士生導(dǎo)師，研究方向為人工智能、自然語言處理、信息檢索和社會媒體分析。她已經(jīng)在SIGIR, IEEE TKDE, ACL,ICML, IJCAI, AAAI, SCIS, CIKM, ISWC, EMNLP, WSDM和COLING等多個高水平國際學(xué)術(shù)期刊和會議上發(fā)表了百余篇論文。近年來擔(dān)任2014年ACM 信息與知識管理會議（CIKM）競賽主席，2015年ACM 互聯(lián)網(wǎng)搜索與數(shù)據(jù)挖掘會議（WSDM）組織者，2015年社會媒體處理大會程序委員會副主席，2016年全國計算語言學(xué)會議（CCL）程序委員會副主席，2017年國際自然語言處理與中文計算程序委員會主席等學(xué)術(shù)職務(wù)。并多次在人工智能、自然語言處理和信息檢索的國際學(xué)術(shù)會議IJCAI, ACL, SIGIR, WWW, EMNLP, COLING, CIKM, WSDM擔(dān)任程序委員會委員和資深委員。

議題：《基于深度學(xué)習(xí)的自然語言處理》

議題介紹：

近年來，深度學(xué)習(xí)技術(shù)廣泛應(yīng)用于自然語言處理，不僅在文本分類、序列標(biāo)注、機(jī)器翻譯和自動問答等許多任務(wù)中取得了超越傳統(tǒng)統(tǒng)計方法的性能，而且能以端到端的方式進(jìn)行訓(xùn)練，避免了繁瑣的特征工程。該報告將從語言單元建模和神經(jīng)序列模型兩方面介紹基于深度學(xué)習(xí)的自然語言處理的研究現(xiàn)狀，復(fù)旦大學(xué)自然語言處理團(tuán)隊在詞語、短語、句子和句對表示學(xué)習(xí)方面的近期研究工作進(jìn)展，基于深度學(xué)習(xí)的中文分詞、文本分類、語篇關(guān)系分析等算法，并對自然語言處理中深度神經(jīng)網(wǎng)絡(luò)的可解釋性以及未來研究趨勢進(jìn)行初步探討。

程健（中國科學(xué)院自動化研究所研究員）

程健，現(xiàn)為中國科學(xué)院自動化研究所南京人工智能芯片創(chuàng)新研究院常務(wù)副院長、人工智能與先進(jìn)計算聯(lián)合實驗室主任、模式識別國家重點實驗室研究員。分別于1998年和2001年在武漢大學(xué)獲學(xué)士和碩士學(xué)位，2004年在中國科學(xué)院自動化研究所獲博士學(xué)位。2004年至2006年在諾基亞研究中心做博士后研究。2006年9月至今在中科院自動化研究所工作。目前主要從事深度學(xué)習(xí)、人工智能芯片設(shè)計、圖像與視頻內(nèi)容分析等方面研究，在相關(guān)領(lǐng)域發(fā)表學(xué)術(shù)論文100余篇，英文編著二本。曾先后獲得中科院盧嘉錫青年人才獎、中科院青年促進(jìn)會優(yōu)秀會員獎、中國電子學(xué)會自然科學(xué)一等獎、教育部自然科學(xué)二等獎等。目前擔(dān)任國際期刊《Pattern Recognition》的編委，曾擔(dān)任2010年ICIMCS國際會議主席、HHME 2010組織主席、CCPR2012出版主席。

議題：《深度學(xué)習(xí)的高效計算》

議題介紹：

近年來，深度神經(jīng)網(wǎng)絡(luò)在圖像、視頻、語音、自然語言處理等諸多領(lǐng)域取得了突飛猛進(jìn)的發(fā)展，已經(jīng)成為眾多智能系統(tǒng)和應(yīng)用中不可或缺的關(guān)鍵技術(shù)。同時，這些網(wǎng)絡(luò)的計算復(fù)雜度和資源消耗也隨精度的提高而不斷增加，這給網(wǎng)絡(luò)模型的部署帶來重大挑戰(zhàn)，特別是在實時性要求較高的應(yīng)用或資源受限的設(shè)備中。如何有效地計算這些網(wǎng)絡(luò)，如加速、壓縮，正成為一個關(guān)鍵問題。本報告將首先簡要介紹網(wǎng)絡(luò)加速和壓縮的發(fā)展現(xiàn)狀，然后重點介紹基于量化的高效計算方法。最后，我們將分享一些未來可能的發(fā)展方向。

潘綱（浙江大學(xué)計算機(jī)學(xué)院教授）

浙江大學(xué)計算機(jī)學(xué)院教授、博導(dǎo)，計算機(jī)輔助設(shè)計與圖形學(xué)國家重點實驗室副主任，中國人工智能學(xué)會常務(wù)理事、腦機(jī)融合與生物機(jī)器智能專委會主任委員，中國計算機(jī)學(xué)會普適計算專委會常務(wù)委員。主要研究方向為混合智能、腦機(jī)接口、類腦計算、計算機(jī)視覺、普適計算等。獲CCF-IEEE CS青年科學(xué)家獎、CCF-A類會議最佳論文獎1次、CCF-A類會議最佳論文提名獎2次。獲國家科學(xué)技術(shù)進(jìn)步獎二等獎（第2完成人）、教育部科技進(jìn)步一等獎（第2完成人）。

議題：《脈沖神經(jīng)網(wǎng)絡(luò)：模型與應(yīng)用》

議題介紹：

脈沖神經(jīng)網(wǎng)絡(luò)（Spiking Neural Networks）由于比傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)具有更好的生物逼真性，近年來受到研究人員越來越多的關(guān)注。通過脈沖神經(jīng)網(wǎng)絡(luò)，計算系統(tǒng)與生物神經(jīng)系統(tǒng)的連接融合有望變得更加有效與自然。本報告將介紹脈沖神經(jīng)網(wǎng)絡(luò)原理與方法，以及若干脈沖神經(jīng)網(wǎng)絡(luò)的典型應(yīng)用。同時，也將分享課題組近年在脈沖神經(jīng)網(wǎng)絡(luò)方面的研究進(jìn)展。

紀(jì)榮嶸（廈門大學(xué)智能科學(xué)與技術(shù)系教授）

紀(jì)榮嶸，廈門大學(xué)教授、博士生導(dǎo)師，福建省“閩江學(xué)者”特聘教授，2014年獲國家優(yōu)青，2016年獲國家萬人計劃青年拔尖。主要研究方向為計算機(jī)視覺與多媒體技術(shù)。相關(guān)工作發(fā)表于SCI源期刊論文90余篇，包括ACM匯刊與IEEE匯刊近50篇、CCF A類國際會議長文40余篇。論文的Google Scholar引用次數(shù)5000余次，SCI引用1600余次，H-因子為33，12篇論文入選ESI高被引/熱點論文；近年來主持國家自然科學(xué)基金聯(lián)合重點項目、軍委科技委戰(zhàn)略前沿專項，國家重點研發(fā)計劃課題/子課題等；獲2007年微軟學(xué)者獎、2011年ACM Multimedia最佳論文獎、2012年哈工大優(yōu)秀博士論文、2015年省自然科學(xué)二等獎、2016年教育部技術(shù)發(fā)明一等獎。擔(dān)任多個國際期刊的副編輯，VALSE2017大會主席、ACM/IEEE高級會員。

議題：《緊致化計算機(jī)視覺分析系統(tǒng)》

議題介紹：

報告主要探索視覺大數(shù)據(jù)搜索識別系統(tǒng)中的緊湊性問題，將覆蓋紀(jì)榮嶸教授研究組近兩年來在面向視覺終端應(yīng)用的視覺特征緊湊表示和深度網(wǎng)絡(luò)壓縮中所做的一些工作與成果。在視覺特征緊湊表示方面，將介紹通過引入大規(guī)模無監(jiān)督排序信息，學(xué)習(xí)排序敏感的哈希碼，以保持原始高維特征空間中的檢索信息。在深度網(wǎng)絡(luò)壓縮方面，將介紹面向特定任務(wù)（人臉和視覺場景解析）的深度網(wǎng)絡(luò)級聯(lián)壓縮模型（串行低秩矩陣分解技術(shù)）與加速模型（結(jié)構(gòu)化稀疏約束剪枝技術(shù)）。

楊一帆（星環(huán)信息科技AI產(chǎn)品部 Chief Product Officer）

楊一帆，星環(huán)信息科技AI產(chǎn)品部 Chief Product Officer。2008年年中國科學(xué)技術(shù)大學(xué)本科畢業(yè)，后續(xù)在University of Kentucky獲得統(tǒng)計博士學(xué)位。 曾在Bank of America反洗錢部?門和阿?里里巴巴搜索事業(yè)部對抗智能團(tuán)隊任職。目前就職于星環(huán)科技-人工智能產(chǎn)品部門. 有豐富的反洗錢、反作弊業(yè)務(wù)背景和統(tǒng)計學(xué)習(xí)、深度學(xué)習(xí)、圖計算研究經(jīng)歷。

議題：《大數(shù)據(jù)時代的反欺詐曲率引擎》

議題介紹：

在數(shù)據(jù)互聯(lián)、信息爆炸的今天，如何更更好的做好一套大數(shù)據(jù)時代金金融反欺詐場景的監(jiān)控、預(yù)警、識 別、管控平臺是一個巨大難題。星環(huán)的Sophon AI平臺經(jīng)過長時間在各類機(jī)器器學(xué)習(xí)、深度學(xué)習(xí)上的積累和沉淀，形成了了一套針對反欺詐中復(fù)雜關(guān)系網(wǎng)絡(luò)的深度圖和知識圖譜解決方案。這套方案結(jié)合了了 大規(guī)模圖查詢、圖模式挖掘、圖嵌入技術(shù)、風(fēng)險知識圖譜和深度學(xué)習(xí)框架，構(gòu)建了了一套覆蓋全鏈路路的大數(shù)據(jù)時代金金融反欺詐場景的智能分析平臺。

鄭凱（電子科技大學(xué)教授，中組部青年千人獲得者）

鄭凱，電子科技大學(xué)教授，博士生導(dǎo)師，國家“青年千人”，四川省“千人計劃”專家。2012年于澳大利亞昆士蘭大學(xué)獲計算機(jī)科學(xué)博士學(xué)位，2012至2017年在澳大利亞昆士蘭大學(xué)先后擔(dān)任博士后研究員和講師。近年來的主要研究方向涵蓋了時空數(shù)據(jù)管理、不確定數(shù)據(jù)管理、內(nèi)存數(shù)據(jù)管理、圖數(shù)據(jù)管理以及區(qū)塊鏈數(shù)據(jù)管理等領(lǐng)域的理論基礎(chǔ)與技術(shù)應(yīng)用。在數(shù)據(jù)庫和數(shù)據(jù)挖掘等領(lǐng)域的重要會議和期刊發(fā)表論文120余篇，谷歌學(xué)術(shù)引用2200余次。曾獲得澳大利亞優(yōu)秀青年基金（2013），數(shù)據(jù)庫頂級會議ICDE最佳論文獎（2015），國際會議APWeb-WAIM和WISE最佳論文獎（2017）。擔(dān)任數(shù)據(jù)庫國際會議APWeb2016的程序主席和DASFAA2017的大會執(zhí)行主席，擔(dān)任國際SCI期刊Distributed and Parallel Databases編委，WWWJournal、Geoinformatica、Frontier of Computer Science客座編委，擔(dān)任數(shù)十個大數(shù)據(jù)與人工智能領(lǐng)域頂級會議的程序委員(TPC member)。

議題：《深度學(xué)習(xí)在時空數(shù)據(jù)管理中的應(yīng)用》

議題介紹：

近年來，深度學(xué)習(xí)的模型與技術(shù)在音視頻分析等多媒體領(lǐng)域取得了巨大的成功，在大量的產(chǎn)品和應(yīng)用中已經(jīng)逐漸取代傳統(tǒng)機(jī)器學(xué)習(xí)模型成為數(shù)據(jù)分析的主流工具。相比之下，深度學(xué)習(xí)技術(shù)在其它數(shù)據(jù)類型中的應(yīng)用則處于起步階段，有許多開放性的問題亟待研究。另一方面，作為傳統(tǒng)關(guān)系型數(shù)據(jù)的重要擴(kuò)充，時空數(shù)據(jù)管理由于其在交通、氣象、城市規(guī)劃、國土資源等關(guān)鍵行業(yè)的應(yīng)用而成為了學(xué)術(shù)界和業(yè)界共同關(guān)注的課題。在此次報告中，我將結(jié)合時空數(shù)據(jù)的來源、分類以及主要特點，來介紹深度學(xué)習(xí)技術(shù)應(yīng)用在時空數(shù)據(jù)管理領(lǐng)域時的挑戰(zhàn)與機(jī)遇。此外，我還將分享深度學(xué)習(xí)技術(shù)在時空預(yù)測場景中的應(yīng)用案例。

魯繼文（清華大學(xué)自動化系副教授）

魯繼文，清華大學(xué)自動化系副教授、博士生導(dǎo)師，中組部青年千人計劃入選者，國家優(yōu)秀青年基金獲得者。主要研究方向為計算機(jī)視覺、機(jī)器學(xué)習(xí)和智能機(jī)器人，發(fā)表IEEE 匯刊論文60余篇（其中PAMI論文11篇），谷歌學(xué)術(shù)引用6100余次（H指數(shù)為40），獲IEEE 國際會議最佳論文獎2次。主持國家重點研發(fā)計劃課題1項、國家自然科學(xué)基金項目2項。曾/現(xiàn)任IEEE Transactions on Circuits and Systems for Video Technology、IEEETransactions on Biometrics, Behavior, and Identity Science、Pattern Recognition等7個國際期刊編委，中國工程院院刊Engineering青年通訊專家，ACCV、ICIP、ICME等20多個國際會議的領(lǐng)域主席。擔(dān)任IEEE信號處理學(xué)會多媒體信號處理技術(shù)委員會委員，IEEE信號處理學(xué)會信息取證與安全技術(shù)委員會委員，IEEE電路與系統(tǒng)學(xué)會多媒體系統(tǒng)與應(yīng)用技術(shù)委員會委員。

議題：《深度強化學(xué)習(xí)與視覺內(nèi)容理解》

議題介紹：

深度強化學(xué)習(xí)是人工智能領(lǐng)域的研究熱點，被認(rèn)為是人類邁向通用人工智能的重要技術(shù)。深度強化學(xué)習(xí)通過將深度學(xué)習(xí)的感知能力與強化學(xué)習(xí)的決策能力相結(jié)合，以端對端的方式實現(xiàn)從輸入到輸出的感知與決策，在許多視覺內(nèi)容理解任務(wù)中取得了重要突破。報告簡述深度強化學(xué)習(xí)的基本思想和回顧近年來的研究進(jìn)展，并介紹課題組近年來所提出的多個深度強化學(xué)習(xí)方法，主要包括多智能體深度強化學(xué)習(xí)、漸進(jìn)式深度強化學(xué)習(xí)、上下文感知深度強化學(xué)習(xí)、圖模型深度強化學(xué)習(xí)等，以及它們在等多個視覺內(nèi)容理解任務(wù)中的應(yīng)用。

郝建業(yè)（天津大學(xué)智能與計算學(xué)部副教授，CCF青年人才托舉計劃獲得者）

郝建業(yè)，現(xiàn)任天津大學(xué)智能與計算學(xué)部副教授，博士生導(dǎo)師。哈爾濱工業(yè)大學(xué)本科，香港中文大學(xué)博士，麻省理工學(xué)院博士后研究員。2015年入選天津市“青年千人計劃專家”，2016年入選天津大學(xué)“北洋青年學(xué)者”，2017年入選中國計算機(jī)協(xié)會（CCF）“青年人才托舉計劃”。主要研究方向為多智能體系統(tǒng)、深度強化學(xué)習(xí)、 博弈論等。目前已發(fā)表高水平學(xué)術(shù)論文60余篇，專著2部。先后主持參與國家基金委、軍科委、科技部、工信部及天津市科技項目10余項。曾多次擔(dān)任強化學(xué)習(xí)會議及研討會聯(lián)合主席，擔(dān)任20余個知名國際會議程序委員會委員和知名期刊審稿人。曾榮獲ANAC國際頂級談判比賽2012年度冠軍、2015年度亞軍、澳大利亞教育部 Endeavor Fellowship、香港中文大學(xué)全球杰出研究者等。

議題：《多智能體深度強化學(xué)習(xí)》

議題介紹：

隨著AlphaGo的出現(xiàn)，近幾年深度強化學(xué)習(xí)技術(shù)成為人工智能領(lǐng)域及工業(yè)界的研究熱點，并在機(jī)器人、推薦搜索、游戲AI等一系列智能決策領(lǐng)域廣泛應(yīng)用。多智能體強化學(xué)習(xí)（群體智能+深度強化學(xué)習(xí)）是實現(xiàn)通用人工智能的重要途徑之一。本報告將首先介紹多智能體強化學(xué)習(xí)的背景及基礎(chǔ)，然后重點介紹多智能體深度強化學(xué)習(xí)的最新研究進(jìn)展及其應(yīng)用。

沈超（西安交通大學(xué)教授）

沈超，博士，西安交通大學(xué)電子與信息工程學(xué)院教授/博士生導(dǎo)師，網(wǎng)絡(luò)空間安全學(xué)院副院長。國家優(yōu)秀青年科學(xué)基金獲得者，陜西省青年科技新星，中國計算機(jī)學(xué)會 YOCSEF西安副主席，中國自動化學(xué)會工業(yè)控制系統(tǒng)信息安全專委會委員。目前主要研究方向為數(shù)據(jù)驅(qū)動的網(wǎng)絡(luò)空間安全、人工智能安全、信息物理融合系統(tǒng)安全，在IEEE TDSC、IEEE TIFS、ACM CCS、IEEE DSN等權(quán)威刊物上發(fā)表論文 40余篇。主持和參與國家自然科學(xué)基金、重點研發(fā)計劃、基金委創(chuàng)新群體、裝備預(yù)研基金等課題20余項，研制多個系統(tǒng)并應(yīng)用于國家大型企業(yè)和國防單位。獲得2013年全國特征識別大會最佳論文獎，2015年全國盲信號處理大會最佳論文獎，2018年IEEE ICCSS會議最佳論文獎。

議題：《深度學(xué)習(xí)系統(tǒng)與應(yīng)用的安全初探》

議題介紹：

深度學(xué)習(xí)技術(shù)引領(lǐng)的人工智能浪潮正在為人類生產(chǎn)和生活帶來深刻的技術(shù)變革，基于“深度學(xué)習(xí)+大數(shù)據(jù)+高性能計算”的端到端解決方案為許多復(fù)雜任務(wù)提供了有效解決途徑，在某些特定領(lǐng)域其能力已經(jīng)接近甚至超越人類。但是在美好藍(lán)圖之下，深度學(xué)習(xí)系統(tǒng)及應(yīng)用在數(shù)據(jù)安全、模型安全和代碼安全等方面的安全問題也逐漸暴露出來，智能安全已經(jīng)成為一個不容忽視的問題。本次報告將從安全研究人員角度探討深度學(xué)習(xí)與安全之間的關(guān)系，分析深度學(xué)習(xí)在網(wǎng)絡(luò)空間安全領(lǐng)域的應(yīng)用潛力，以及深度學(xué)習(xí)系統(tǒng)所面臨的安全風(fēng)險與威脅。

霍靜（南京大學(xué)助理教授）

霍靜，南京大學(xué)計算機(jī)科學(xué)與技術(shù)系助理研究員。2017年于南京大學(xué)計算機(jī)科學(xué)與技術(shù)系獲得博士學(xué)位并獲得南京大學(xué)優(yōu)秀畢業(yè)生稱號。主要研究方向為機(jī)器學(xué)習(xí)與計算機(jī)視覺，重點關(guān)注通過度量學(xué)習(xí)，深度學(xué)習(xí)以及生成對抗學(xué)習(xí)等技術(shù)解決跨模態(tài)數(shù)據(jù)下的人臉識別、行人重識別的問題。主持國家自然科學(xué)基金項目以及江蘇省自然科學(xué)基金項目各1項。目前在國際會議和期刊上發(fā)表了學(xué)術(shù)論文10余篇，包括ACM MM、TNNLS、TCYB等。

議題：《多模態(tài)深度學(xué)習(xí)及其視覺應(yīng)用》

議題介紹：

多模態(tài)數(shù)據(jù)在現(xiàn)實生活中廣泛存在，目前很多的視覺應(yīng)用涉及到對多模態(tài)數(shù)據(jù)的分析，檢索查詢和識別。隨著深度學(xué)習(xí)的不斷發(fā)展，目前深度學(xué)習(xí)在多模態(tài)數(shù)據(jù)處理中也起到了越來越重要的作用，包括多模態(tài)數(shù)據(jù)的特征抽取，多模態(tài)數(shù)據(jù)相似性度量以及多模態(tài)數(shù)據(jù)生成。本報告將首先介紹多模態(tài)數(shù)據(jù)分析的背景以及回顧多模態(tài)深度學(xué)習(xí)的近期研究進(jìn)展，然后重點介紹課題組近年來提出的多模態(tài)深度學(xué)習(xí)方法以及相關(guān)的計算機(jī)視覺應(yīng)用。

?；w（北京交通大學(xué)計算機(jī)科學(xué)系教授）

?；w，教授，博士生導(dǎo)師，北京交通大學(xué)計算機(jī)科學(xué)系副主任。曾獲ACM中國新星獎、中科院院長特別獎、中科院百篇優(yōu)博等?，F(xiàn)任中國計算機(jī)學(xué)會多媒體專委會副秘書長、人工智能與模式識別專委會委員（秘書處成員）、SIGMM中國執(zhí)委會委員等。主要研究方向為多媒體計算、網(wǎng)絡(luò)數(shù)據(jù)挖掘等。已出版Springer英文專著一部，發(fā)表論文70余篇，其中包括會議獲獎?wù)撐?篇（CCF-A類2篇）、IEEE/ACM匯刊近30余篇（第一作者10+篇）。擔(dān)任SCI期刊Neurocomputing和KSII TIIS編委，國際多媒體會議ACM Multimedia 2018和國際模式識別會議ICPR 2018領(lǐng)域主席，曾擔(dān)任國際會議PCM2015（CCF-C類）和ICIMCS2015（SIGMM China旗艦會議）程序委員會主席。主持多項國家級課題，擔(dān)任國家自然科學(xué)基金重點項目負(fù)責(zé)人，獲2016年北京市科學(xué)技術(shù)獎（基礎(chǔ)研究類，排名第二）。