2019年11月8日-10日，AEIC系列会议——2019年电子工程与信息学国际学术会议（EEI2019）在文化古城南京完满落下了帷幕！在本次大会中，中外嘉宾纷纷在电子信息与工程学等学术领域发表了自己独特的见解、进行了深度交流。接下来就让我们共同回顾这两天大会的精彩瞬间！

会议落幕

主题报告

荣誉教授Prof. Francis Y.L. Chin

中国香港大学

标题:深度学习技术及其最新发展

摘要:人工智能及其应用的研究，尤其在大数据和云计算背景下，机器学习的研究正在兴起。在过去的几年里，谷歌，Amazon，百度，Facebook和许多主要的IT公司都在机器学习技术上，特别是所谓的“深度学习”投入了大量的资金，它使用非常大规模的多层神经网络来增强他们的服务和产品。我们将简要描述可能从这项新技术中受益的应用、计算机如何学习以及为什么深度学习技术非常依赖于大量的训练数据来捕获数据中的隐藏信息。

Shadi M.S. Hilles副教授

马来西亚AL-Madinah国际大学

标题:物联网网络物理系统与安全与隐私挑战

摘要:网络物理系统是物理与具有潜在网络化和互联性的网络组件的组合，它包括智能机器、存储系统等。有许多技术组成了网络物理系统，如人工智能、机器人、自动化、基因工程/生物技术，其中大多数是自主的、没有人为干预的情况，单独的这些都会产生大的影响。它是一个完美的变革风暴，云计算使用远程服务器来存储、管理和处理数据以实现更快的过程，自适应制造是通过沉积材料在层中构建的数字3D设计数据，增强现实节省了物理路径的成本以显示产品……

申晋教授

中国山东理工大学

标题:动态光散射粒度恢复的信息加权反演研究

摘要:在动态光散射(DLS)粒度测量技术中，通过反演散射光的自相关函数(ACF)来确定颗粒尺寸分布(PSD)，往往受到ACF数据中固有的低粒度信息的限制，且在噪声限制和粒度信息利用上缺乏有针对性的反演。对于DLS测量中的ACF数据，大部分粒子尺寸信息集中在衰减段，较大的噪声包含在较大的延迟段。然而，常规反演方法不考虑ACF数据中颗粒尺寸信息的分布，增加了精确反演PSD的难度，尤其是宽分布和近双峰分布的PSD。

Sunil Kumar Jha副教授

中国南京信息工程大学

题目:用于化学蒸汽检测的传感器阵列信息处理

摘要:当前，挥发性有机化合物(VOCs)智能识别与传感系统在医疗、农业、生物计量、安全与保障等领域的应用是一个新兴的研究领域。本研究报告将介绍挥发性有机化合物的分析方法与化学感测方法。简要讨论模式识别方法在传感器阵列响应分析中的作用。此外，还将介绍电子鼻(E-Nose)系统(结合化学传感器阵列和模式识别方法的仿生自然嗅觉系统原型)及其在不同应用中的VOCs识别和传感意义。讨论了当前VOC识别和传感在实时应用中的局限性和发展前景。

口头报告

樊莹-中国上海工程技术大学

题目:云环境下网络密集型系统的性能预测:贝叶斯方法

周益涛-日本德岛大学

题目:基于Resnet-18模型的面部情绪分类

现场剪影

从人工智能到物联网网络，从动态光散射到化学蒸汽检测的传感器方向……嘉宾分享的覆盖面之广，在场的各位也收获满满！随着机械与电子工程信息等机电领域的快速发展，开展更多学术类交流活动、专家学者们汇聚一堂来探讨领域先进问题是促进该领域发展的重要条件。AEIC学术交流中心也将持续为大家提供更多的学术交流平台！