ИСТИНА

• Охват: Международная
• Даты проведения: 22-28 ноября 2021
• Место проведения: Сочи, Сириус, Russia
• Организатор:
  Московский исследовательский центр Huawei
• Число участников: 120
• Число иностранных участников: 15
• Число участников из МГУ: 2
• Веб-сайт: https://sochisirius.ru/obuchenie/graduates/smena1107/5337
• Описание конференции:

  Начиная с середины 2010-х годов концепция машинного обучения получает новый виток развития. С применением современной вычислительной электроники и нарастающим объемом цифровых данных, академические и индустриальные организации получили возможность создавать продвинутые алгоритмы, отвечающие пользовательским запросам в различных сферах применения. Увеличение объема цифровых данных и запрос на создание алгоритмов, применяемых в конечных устройствах (персональных, IoT, умного города и т.д.) приводит к необходимости исследования передовых алгоритмов машинного обучения для всего разнообразия вычислительных платформ и практических задач. Конференция MLW’21 – направлена на решение проблем поиска оптимальных алгоритмов машинного обучения для текущих задач индустрии, а так же исследования новых подходов к машинному обучению для будущих применений. В ее рамках рассматриваются вопросы применения разнообразных подходов, методов, моделей и программно-аппаратных средств машинного обучения в применении к индустриальным и персональным задачам в широком спектре вычислительных устройств. Основные направления конференции Theoretical foundations of NN convergence/robustness/capacity Interpretable machine learning: NN interpretability Generative models: convergence, quality assessment Multidomain/Multimodal models: multimodal transformers, etc. Fusion: joint processing of multi-sensor inputs Zero-shot and Few-shot learning General image and video reconstruction, Super-Resolution, denoising ISP: Raw Data processing, Raw denoising, demosaicing Domain-specific image/video reconstruction (human faces, text, cartoons, etc) (Automatic) Quality assessment for images and video, perceptual quality, temporal consistency Neural Network quantization, pruning, distillation (Automatic) Design of effective NNs for particular hardware Data-free or few-shot methods for NN compression Hyper-parameter optimization Stochastic calculus, stochastic differential equations, diffusion processes Manifold learning and topological data analysis Perception, prediction and planning for Autonomous Driving Vehicle One class classification and unsupervised alignment for anomaly detection Video/Image understanding and next generation computer vision paradigms; text2image, text2video, video and image captioning Implicit layers networks Neural networks optimization algorithms, trends and directions of the research New technology for video coding: semantic extraction and managed synthesis Temporal stability of video processing algorithms Quantization-aware training based on non-gradient methods Unconventional computing: memristive devices, memristive crossbars, spiking neural networks, organic memristive assembly

• Добавил в систему: Ватолин Дмитрий Сергеевич

Доклады:

• 2021 Cheating techniques for video compression and processing methods quality assessment (Устный)
• Автор: Vatolin D.S.