于全院士将在2023年CCF中国软件大会上作特邀报告

中国工程院院士于全将在CCFChinaSoft2023上做报告,探讨云原生网络体系架构的关键技术和应用,涉及通信、计算、存储融合,以及内生安全机制。大会主题聚焦智能化软件创新,12月在上海召开,早鸟注册截止日期为10月22日。

d026e74e45edb568aaa32ca33528eb63.jpeg

2023年CCF中国软件大会(CCF ChinaSoft 2023)邀请于全院士作大会特邀报告。

特邀嘉宾

507a03ae0270ef210ad6e52bd04b4aa8.png

于全

中国工程院院士

于全,军事科学院系统工程研究院研究员、科技委主任,信息安全重点实验室主任,自然科学基金重大研究计划“空间信息网络基础理论与关键技术”指导专家组组长,《Journal of Communication and Information Networks》创刊主编 ,中国指挥与控制学会副理事长,IEEE Fellow,中国工程院院士 。1997年被评为“全国优秀科技工作者”,1999年获“中国科协求是杰出青年奖”,2006年获“第九届中国青年科技奖”,2008年被评为“中国青年五四奖章标兵”,2010年获何梁何利基金“科学与技术进步奖”,2018年获中国政府出版奖。获国家科技进步一等奖1项、二等奖1项,军队科技进步一等奖5项、二等奖2项。

报告主题

云原生网络体系架构与关键技术

报告摘要

从万物智联需求出发,提出了通信/计算/存储一体化的原生网络新型架构;从生物学启示出发,提出了类神经元的全解耦异构无线接入,实现空间、时间、频率、功率、编码等网络资源的高效柔性聚合和天空地一体化协同传输;针对不确定性的未知攻击应对难题,提出了类生物免疫的内生网络安全机制,实现零信任安全与自适应防御的有机结合;最后总结了云原生新型网络的云原生、智原生、安全内生、弹性内生、低成本、低能耗六大特征。

2023年CCF中国软件大会(CCF ChinaSoft 2023)由CCF主办,CCF系统软件专委会、形式化方法专委会、软件工程专委会以及复旦大学联合承办,将于2023年12月1-3日在上海国际会议中心举行。

本次大会主题是“智能化软件创新推动数字经济与社会发展”,学术、工业、教育、竞赛等分论坛活动40余场,期待您的参与!

目前大会火热报名中!早鸟注册(early-bird registration)10月22日截止,提前注册付费锁定注册费优惠权益。

CCF ChinaSoft 2023官方首页:http://chinasoft.ccf.org.cn/

点击文末“阅读原文”或扫描下方二维码进入官方注册通道:

https://conf.ccf.org.cn/chinasoft2023

399df56d49fa5831ac0fa4c56054ef25.jpeg

主办单位

中国计算机学会

承办单位

CCF系统软件专业委员会

CCF形式化方法专业委员会

CCF软件工程专业委员会

复旦大学

协办单位

上海交通大学

华东师范大学

东华大学

上海计算机软件技术开发中心

上海市软件行业协会

上海市计算机学会

江苏省计算机学会

钻石赞助

1b171c5f460d412a8ed5e77cfcb36f99.png

白金赞助

888ed8d5c7a5c6958eee0d77e62b6ad1.jpeg

ae31700dbc9315f4bc86fd0e19648aaa.png

e42e66772beb308033fb4badadf21870.jpeg

金牌赞助

6ffcd36a4a7565a24e9a37d7f92152b5.png

10f5e8321513c04c7b25d641999110c0.png

1e3fe59076fe36e13c76e36d6e817101.png

普通赞助

158c843db5effd7c317daf7c5e143473.png

be25e89dbf6246faf2c24bfceec2e5c5.png

09d6bbaa6e635c5692683bd9f84b2f8d.png

23d7a644a105c423221d333e076688e1.png

dc328831dca20e573e069c41fdc7f7bb.png

根据原 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值