团组其他

成员姓名、

学院或

部门、

职称、职务

牛玉贞，数学与计算机科学学院，教授，无；

林文奇，数学与计算机科学学院，150327015，2015级硕士生；

陈培坤，数学与计算机科学学院，160320053，2016级硕士生。

出访国家

或地区

英国

出访任务

（会议中、

英文名称）

计算会议2017

(Computing Conference 2017)

具体

日程

安排

2017年7月16日：下午15:56从福州火车站乘坐高铁G1656,   20:38到达上海。

2017年7月17日：上午11:00点从上海浦东国际机场乘坐英国航空BA168，16:30(伦敦时间)到达英国伦敦希思罗国际机场。

2017年7月18日(伦敦时间)：上午8:00到现场签到，正式开幕，参加全体会议，然后参加墙报展示“借鉴邻居信息的显著性优化(   Learning from Neighbours for Saliency Optimization)”；下午参加人工智能，神经网络等主题的论文分组报告。

2017年7月19日(伦敦时间)：上午参加数据挖掘与分析，高性能计算等主题的论文分组报告；下午参加论文分组报告“用于电力负荷预测的并行演化极限学习机方案 (A   Parallel Evolutionary  Extreme Learning   Machine Scheme for Electrical Load Prediction)”等。

2017年7月20日(伦敦时间)：上午参加图像处理，云计算等主题的论文分组报告；下午参加电子学，安全等主题的论文分组报告，下午6:00会议结束。

2017年7月21日：下午13:40分(伦敦时间)从英国伦敦希思罗机场乘坐英国航空BA169，2017年7月22日上午7:55到达上海浦东国际机场。

2017年7月22日：下午12:55从上海虹桥火车站乘坐高铁G1633,   17:17回到福州。

往返航线

伦敦到上海，英国航空BA169，2017年7月21日13:40（希思罗机场T5）—2017年7月22日7:55（浦东机场T2）。

本次出访

经费来源

（须写明该经费的项目名称和经费卡号，卡号含部门编号和项目编号，编号之间用“—”隔开）

1.项目名称：2D&3D图像和视频质量评估与增强研究；经费卡号：0030-510109；

2.项目名称：基于显著性的3D图像视觉质量评估与增强研究；经费卡号：0030-828941；

3.项目名称：与主观感知一致的立体图像和视频视觉质量客观评价与增强研究；经费卡号：0030-83416089；

本次出访

费用估值

（元人民币/团组，

申请人估算）

100000元

邀请

单位

简介

计算会议（Computing   Conference）（原名科学和信息会议（SAI））是一个从2013以来在英国伦敦举行的研究会议。会议涵盖专题讲座、专题会议、海报演示、教程、研讨会和每年提交的论文等。会议的目标是成为各个领域的研究人员和行业从业者分享新的想法、研究成果和发展经验的首要地点。

出访人员名单（含领队）

陈羽中，林文奇，陈培坤

出访国家（地区）

英国伦敦

实际

出访时间

2017年 7 月 17 日

至  2017年 7 月 22 日

实际出访路线

福州—广州—伦敦—广州—福州

出访任务

参与计算会议2017(英文名称：Computing Conference 2017)

出

访

成

果

报

告

计算会议2017（Computing Conference 2017）于2017年7月18日到2017年7月20日（伦敦时间）在英国伦敦肯辛顿希尔顿酒店举行，是一个高质量、参加人数多的世界前沿的研究会议。本届会议以高性能计算、神经网络、信息计算、电气工程、计算机科学以及物联网知识等相关研究方向为主要讨论内容。计算会议2017聚集了来自55个国家的100多名不同领域的专家，提供了一个自由和开放的环境给学者们互相交流研究成果、想法以及未来的研究方向。陈羽中、陈培坤在此期间的主要出访成果是作为论文作者对收录的论文《用于电力负荷预测的并行演化极限学习机方案 (A  Parallel  Evolutionary  Extreme  Learning  Machine  Scheme  for Electrical Load Prediction)》进行大会报告，并提前对参会者可能想到的问题进行准备，在会上进行报告和答疑。林文奇在此期间的主要出访成果是作为论文作者参加收录的论文《借鉴邻居信息的显著性优化( Learning from Neighbours for Saliency Optimization)》的海报展示，向参展人员展示论文的成果并进行介绍和答疑。

陈羽中、陈培坤对收录的论文《用于电力负荷预测的并行演化极限学习机方案 (A  Parallel  Evolutionary  Extreme  Learning  Machine  Scheme  for Electrical Load Prediction)》的大会报告主要介绍了对极限学习机的改进方案：首先，使用粒子群算法实现对极限学习机的参数、偏置项和神经元个数的快速初始化，使得改进算法能在快速收敛的同时很强稳健性和准确的预测效果；然后，使用流行的hadoop和spark框架对该算法进行并行的实现使其适应当前大数据环境下的运算。经过对比发现，论文提出的改进算法比现有的一些经典算法在电力负荷预测上有更强的稳健性、更快的收敛速度、更好的预测精度，该论文的提出的算法有很强的应用价值。

    林文奇对收录的论文《借鉴邻居信息的显著性优化（Learning from Neighbours for Saliency Optimization）》的海报展示主要介绍了对显著性检测算法的优化方案，提出一种采用像素点的邻居信息来优化该像素点的算法。该算法利用机器学习的方法学习人工标注的标准图与显著性图之间的定量关系，在这过程中同时借鉴到邻居像素点的信息。然后算法将学习到的模型作用在新的显著图上，并将拟合后的显著值约束到合理范围内得到新的显著图。实验结果显示该算法能够使大部分的显著性评估标准的值提高非常明显，使少部分标准的值保持不变，该算法适用于多种显著性检测算法的优化。

    出访成果还包括：听取特邀专家报告、参加海报展示（Poster Presentations），参加“人工智能”论文分组报告：“如何以模糊方式来丰富逻辑表述（How to Enrich Description Logics with Fuzziness）”和“梯状神经信息下的最短路径问题（Shortest Path Problem under Trapezoidal Neutrosophic Information）”、参加“神经网络”论文分组报告：“人工神经网络的自适应图像下行采样预处理程序（Adaptive Image Downsampling Preprocessor for Artificial Neural Networks）”、参加“数据挖掘与分析”论文分组报告：“牛市平衡：对社会信息的金融波动的聚类分析（Bull Bear Balance: A Cluster Analysis of Socially Informed Financial Volatility）”、参加“图像处理”论文分组报告：“利用Gabor小波变换对环境图像中的人脸位置进行精确检测（Accurate Detection of Human Face Position in the Environmental Images using Gabor Wavelet Transformations）”、参加“云计算”论文分组报告：“在云计算环境中对数据进行修改和复制以获得优化的性能和安全性（Modified Division and Replication of Data in the Cloud Computing Environment for Optimal Performance and Security (MDROPS) ）”。

该团组已进行事后公示。（对外处公章）　　　　　　　　　　　　　（领队签字）陈羽中

年    月    日

遵守外事纪律情况（含意见和建议等）：

出访期间，陈羽中、林文奇和陈培坤严格遵守外事纪律，并按计划时间准时回国，顺利完成出访任务。