TF23AI联邦学习的最新应用落地

主题报告八视频：FedHealth：面向医养结合的联邦迁移学习方法和应用

主题简介：目前面向疾病诊断的智能算法研究是在限定场景下，通过特定的感知方法和特征进行识别分析，其主要缺陷在于限制移动，时空受限，以致无法全面对用户行为画像，并且由于不同医院间的数据孤岛问题，难以实现真正的“大数据”研究。而健康监护需要在普适环境下实现开放域用户行为的智能感知和理解。针对上述问题，近年来我们利用联邦迁移学习的技术框架解决数据和模型的孤岛问题，将范式驱动的限定场景下面向疾病的的诊断模型向普适场景下的健康状态监测进行联邦迁移，从而解决医养结合的应用痛点。演讲将详细描述团队在面向老人、成人以及儿童认知类疾病的医养结合应用研究，包括针对这些问题在算法研究方面做出的独特贡献, 以及在此基础上打造的一系列实际应用。

个人介绍：陈益强博士是CCF监事，CCF走进高校工作组组长，CCF杰出会员，CCF杰出演讲者，CCF普适计算专委会副主任。现任中科院计算所泛在计算系统研究中心主任，研究员，博士生导师。入选国家万人计划，科技部中青年领军人才，国家“现代服务业”重点项目总体专家组成员等。他于2003年在中科院计算所获得博士学位，2004年在香港科技大学HKUST开展博士后访问。其研究兴趣是智能人机交互和普适计算，他在IEEE TKDE，IEEE TMC，IEEE TNN，IEEE TCSVT等知名国际期刊以及顶级国际会议，如IJCAI，AAAI，ACM MM ，Ubicomp等上发表论文100余篇。曾获国家科技进步奖二等奖以及2016中国计算机学会技术发明一等奖（排名第一）及亚太人工智能大会（PRICAI）等国际期刊会议5个最佳论文奖。陈益强博士是欧洲ECMA可穿戴标准的中方负责人，正推动中日韩美瑞等国科学家共同制定面向健康的可穿戴数据标准工作，是IEEE SMC下IWCD TC(交互与可穿戴计算及设备技术专业委员会)的共同创始委员,是国家数字音视频标准委员会可穿戴数据标准工作组组长,主持面向健康的AVS-W标准制定工作等。