曹书琴

武汉大学

An Adaptive Multiple Spray-and-Wait Routing Algorithm Based on Social Circles in Delay Tolerant Networks

付诚诚

华中师范大学

抑郁症相关微生物知识图谱构建与营养推荐

管鹏鹏

华中农业大学

ASMdb: a Comprehensive Database for Allele-Specific DNA Methylation in Diverse Organisms

黄伟逸

武汉科技大学

DMP: Content Delivery with Dynamic Movement Pattern in Vehicular Networks

江奎

武汉大学

复杂降质场景的图像增强及相关应用研究

李水佳

中国地质大学（武汉）

智能优化算法在光伏模型和电力系统中的应用研究

李跃鹏

中国地质大学（武汉）

Lasagna: Accelerating Secure Deep Learning Inference in SGX-enabled Edge Cloud

刘帅

华中农业大学

基于混合特征和交互学习的启动子和增强子关系预测

王俊美

华中师范大学

A probabilistic framework for integrating sentence-level semantics via BERT into pseudo-relevance feedback

谢忠伟

武汉理工大学

Event-Dense Cross-modal Text-Image Retrieval

许志伟

武汉科技大学

进化多任务多目标智能优化算法研究

姚鹏程

华中科技大学

面向图分析应用的专用加速器研究

赵进

华中科技大学

面向高并发图分析服务的软硬协同优化技术研究

周四维

武汉理工大学

使用条件二元决策图分析带有备件门的动态故障树的可靠性

报告题目：An Adaptive Multiple Spray-and-Wait Routing Algorithm Based on Social Circles in Delay Tolerant Networks

报告摘要：In delay tolerant networks (DTN), the social attributes of nodes show long-term stability, which can be leveraged for more effective routing. In this paper, we first present a novel way of constructing social circles based on the node clustering phenomena in DTN. Then, considering that the forwarding capability of nodes is significantly different, we propose a spray strategy based on social circles (named SC-SS) to improve the spray-and-wait routing algorithm. SC-SS selects the next hop based on the social circle of nodes in the spray phase. Instead of fixing the initial number of copies, we design an adaptive multiple spray-and-wait routing algorithm based on social circles (named SC-AMSW) to further improve the performance of SC-SS. SC-AMSW selectively sprays messages multiple times in the wait phase and determines an appropriate number of redundant message copies based on delivery predictability. We conduct extensive simulations to confirm the effectiveness of our proposed routing algorithms in DTN.

讲者简介：曹书琴，女，博士生。主要从事容迟网络和交通流量预测方面的研究。在国外学术期刊发表2篇论文，包括Computer Networks（CCF B类期刊）和ACM Transactions on Internet Technology（CCF B类期刊）国际权威期刊，在投论文3篇。参与国家自科面上项目3项，国家联合基金重点项目1项。同时担任International Journal of Distributed Sensor Networks期刊的审稿人，曾荣获武汉大学学业奖学金、优秀共产党员等奖项。

报告题目：抑郁症相关微生物知识图谱构建与营养推荐

报告摘要：众所周知，与人体其他部位相比，肠道微生物群的细菌数量最多，物种数量也最多。先前的研究表明，肠道菌群紊乱，以及微生物相互作用和微生物代谢的活动，可能导致各种疾病，包括消化系统疾病和精神障碍。与新陈代谢和健康相关的营养研究已被证实可用于优化人类肠道的生态系统。尽管许多与微生物相关的发现已发表在科学文章、维基百科内容和其他数据库中。很少有努力收集现有结果并将它们重新组织为结构化知识，这对生物医学界来说会更方便。在本研究中，我们通过将现有数据库与大规模文本挖掘挖掘出的微生物相关信息相结合，提出并构建了一个以微生物为中心的知识图谱（称为 MicrobeKG）。与之前的工作相比，所提出的 MicrobeKG 具有以下优点：（1）MicrobeKG 由基于文本挖掘和数据融合的微生物相关信息组成，包括微生物本体、微生物相互作用、疾病、代谢和营养关联。 (2) 基于语义逻辑的推理自动生成底层知识，占MicrobeKG的60%以上。 (3) 各种应用可以作为案例研究进行，旨在为患者提供营养建议，以潜在地缓解他们的抑郁症。 (4) 开发了一个友好的交互平台（网址为http://microbekg.msbio.pro/home）供公众免费使用，可以轻松完成知识查询和可视化。

讲者简介：付诚诚，博士二年级学生，现就读于华中师范大学国家数字化学习工程技术研究中心，师从何婷婷教授。主要研究方向为：知识图谱，生物信息学，自然语言处理等。攻读博士学位期间，已发表学术论文两篇，并多次在国际学术会议中发表论文并做口头报告。在校期间，多次参与学术交流活动，在第三届“生命科学、数学与计算机科学交叉研究”研究生论坛中获得学术报告类二等奖。

报告题目：ASMdb: a Comprehensive Database for Allele-Specific DNA Methylation in Diverse Organisms

报告摘要：DNA methylation is known to be the most stable epigenetic modification and has been extensively studied in relation to cell differentiation, development, X chromosome inactivation and disease. Allele-specific DNA methylation (ASM) is a well-established mechanism for genomic imprinting and regulates imprinted gene expression. Previous studies have confirmed that certain special regions with ASM are susceptible and closely related to human carcinogenesis and plant development. In addition, recent studies have proven ASM to be an effective tumour marker. However, research on the functions of ASM in diseases and development is still extremely scarce. Here, we collected 4,400 BS-Seq datasets and 1,598 corresponding RNA-Seq datasets from 47 species, including human and mouse, to establish a comprehensive ASM database. We obtained the data on DNA methylation level, ASM and allele-specific expressed genes (ASEGs) and further analysed the ASM/ASEG distribution patterns of these species. In-depth ASM distribution analysis and differential methylation analysis conducted in 9 cancer types showed results consistent with the reported changes in ASM in key tumour genes and revealed several potential ASM tumour-related genes. Finally, integrating these results, we constructed the first well-resourced and comprehensive ASM database (ASMdb, www.dna-asmdb.com).

讲者简介：管鹏鹏，华中农业大学信息学院在读博士生。硕博期间师从李国亮教授，主要从事表观遗传修饰的数据分析。期间收集并分析了公共数据库的DNA甲基化数据，构建了第一个全面且资源丰富的单倍型DNA甲基化数据库。通过对9种癌症类型的ASM分布和差异甲基化分析，发现了关键肿瘤基因中ASM的变化，其中一些与报道的结果一致，其他潜在的ASM肿瘤相关基因有待进一步研究。攻读博士期间以共同第一作者在Nucleic Acids Research，Molecular Plant等杂志发表多篇文章。

报告题目：DMP: Content Delivery with Dynamic Movement Pattern in Vehicular Networks

报告摘要：Vehicular ad-hoc networks (VANETs) have been widely studied in intelligent transportation. Content delivery is an important topic that attracts many researchers. Due to vehicles that may have intermittent connections and uncertain routes, it is difficult to select an appropriate node. In this paper, we analyze the movement pattern of vehicles from real taxis’ trajectories and propose a framework for delivery prediction, which aims to select appropriate nodes. First, we propose the framework which consists of a contact clique model, a social clique model, and a prediction model based on Markov chains, to characterize the movement pattern of vehicles. Second, we capture dynamic movement patterns by dividing the time requirement into equal length slots and construct clique sequences. Based on the fact that the sociality of nodes has strong temporal correlations, we utilize the prediction model to derive future cliques and evaluate two kinds of delivery performance in the future. Finally, we design a content delivery algorithm with dynamic movement pattern (DMP) to select the appropriate node. In our experiment, DMP performs better than that of other methods in terms of overhead, average hops. Also, as the number of nodes increases, our algorithm keeps small fluctuations in node sociality.

讲者简介：黄伟逸，武汉科技大学博士生。2019年6月获得武汉科技大学计算机技术专业硕士学位。目前在武汉科技大学计算机科学与技术学院攻读控制科学与工程专业博士学位。研究兴趣包括Vehicular Networks, Social Networks and Crowdsensing.。

报告题目：复杂降质场景的图像增强及相关应用研究

报告摘要：我们正研究复杂场景下高效实用的图像增强方法，以提升图像质量和可读性。在本次报告中，我准备从如何实现高精度特征表达，合理模型设计到高效推理来实现图像增强，以及建立基于高层次目标检测和分割任务的联合评估体系。

讲者简介：江奎，2019年6月毕业于武汉大学国家多媒体软件工程技术研究中心，获计算机技术专业硕士学位。现在武汉大学国家多媒体软件工程技术研究中心攻读计算机科学与技术专业博士学位。自2017年以来，一直从事计算机视觉研究，将深度学习技术用到解决社会安全监控中的多媒体信息计算问题，着重于图像视频超分辨率重建、视频监控人脸增强、图像去雨、身份辨识与解析。参与国家自然科学基金联合基金重点项目、湖北省技术创新重大项目、国家自然科学基金面上项目的研究，研究结果在本领域国际和国内重要期刊和会议上发表论文20多篇，其中第一作者文章15篇，SCI 一区论文8篇，IEEE Trans期刊6篇，CCF推荐A类论文2篇，B类论文8篇，申报发明专利8项，授权三项。获得AIM (ICCV) 2019 极端视频超分辨率挑战赛 亚军；NTIRE （CVPR） 2019 视频超分辨率挑战赛 Track1 (Clean) 第五名， Track2 (blur) 第三名；旷视2020人工智能开源大赛第三名 （3/108）。

报告题目：智能优化算法在光伏模型和电力系统中的应用研究

报告摘要：随着人工智能及智能计算的快速发展，受自然启发的智能优化算法近些年来受到了极大的关注，这类算法的优点在于其简单、有效、易于实现，且不依赖于所研究问题的特性。在光伏模型和电力系统中，由于这些模型具有非线性、多变量、多局部最优的特点，使得传统优化算法很难提供一个比较准确可靠的解，而智能优化算法可以很好的克服这些不足，因此本次报告将分享智能优化算法在光伏模型和电力系统应用中的相关成果。

讲者简介：李水佳，男，博士研究生，当前就读于中国地质大学（武汉）计算机学院，攻读地学信息工程博士学位，他的研究兴趣主要包括智能计算及其应用、迁移优化及多任务优化。在SCI/EI期刊上发表论文15篇，其中一作8篇，包含高被引论文2篇。

报告题目：Lasagna: Accelerating Secure Deep Learning Inference in SGX-enabled Edge Cloud

报告摘要：边缘智能已被广泛视为多个领域的关键使能技术。随着智能应用的蓬勃发展，人们越来越关注智能应用的安全性和隐私性。由于这些应用程序通常部署在共享和不受信任的边缘服务器上，恶意的攻击者，甚至不可信的基础设施提供商，可能会获取高度安全敏感的数据和代码（例如，预先训练的DNN模型）。当前，软件保护扩展（Software Guard Extensions, SGX）可以提供了一个独立的信任执行环境（Trusted Execution Environment, TEE）来保护任务安全。然而，我们注意到，SGX中的DNN推理性能受到enclave内存空间有限的严重影响，这是由于频繁的页面交换操作和较高的enclave调用开销造成的。为了解决这个问题，我们提出了一个面向SGX的DNN推理性能加速框架Lasagna。Lasagna由本地任务调度器和全局任务平衡器组成，通过探索DNN模型的分层结构来优化系统性能。我们的实验结果表明，我们的层感知千层面有效地将SGX中众所周知的DNN推理速度提高了$1.31倍-1.97倍。

讲者简介：报告人（李跃鹏）于2016年和2019年在中国地质大学（武汉）计算机学院获得计算机学士学位和硕士学位。目前在中国地质大学（武汉）攻读地学信息工程博士学位。目前主要的研究方向为边缘计算、任务调度、人工智能、可信执行环境等。

报告题目：基于混合特征和交互学习的启动子和增强子关系预测

报告摘要：增强子和启动子之间的相互作用（EPI）对细胞内特定基因的表达具有调控作用，与疾病机理、癌症突变等密切相关，因此识别细胞内EPI至关重要。基于湿实验的EPI识别方法效率低且时间成本高，近年来研究者开始将机器学习、深度学习等计算方法应用于EPI识别问题。相比湿实验方法，计算方法能够提高EPI的识别效率和减少成本，但现有计算方法存在模型训练时间较长、跨细胞系预测能力有限等问题。针对上述问题，本研究整合增强子和启动子的序列数据和生化数据，提出基于深度学习的EPI识别模型：EPIAMN。针对序列数据，我们设计深度匹配网络取代传统的RNN网络结构，并融入了注意力机制，加强对增强子和启动子之间的交互信息的学习，加快神经网络的训练速度，获得序列的整体信息和交互信息。此外，我们从生化数据提取了增强子和启动子的生化特征：组蛋白标记、转录因子等。EPIAMN在深度神经网络中融合增强子和启动子的序列特征和生化特征，整合多源信息，实现EPI的高精度识别。在标准数据集上的交叉验证实验证明，较之已有的经典EPI方法，EPIAMN模型能够有效减少模型训练时间，产生了更好的预测精度；更为重要的是，EPIAMN具有很好的跨细胞系预测能力和迁移能力。

讲者简介：刘帅，中共党员，华中农业大学本硕连读。2019年荣获华中农业大学大学生标兵称号，2020年荣获华中农业大学优秀本科生称号，2021年荣获研究生国家奖学金。主要研究方向为生物信息学、深度学习算法开发，主要领域为图神经网络和无监督表示学习。在IEEE/ACM Transactions on Computational Biology and Bioinformatics, Briefings in Functional Genomics, Genes等国际期刊发表4篇文章，在IJCAI国际会议上发表1篇文章。

报告题目：A probabilistic framework for integrating sentence-level semantics via BERT into pseudo-relevance feedback

报告摘要：Existing pseudo-relevance feedback (PRF) methods often divide an original query into individual terms for processing and select expansion terms based on the term frequency, proximity, position, etc. This process may lose some contextual semantic information from the original query. In this work, based on the classic Rocchio model, we propose a probabilistic framework that incorporates sentence-level semantics via Bidirectional Encoder Representations from Transformers (BERT) into PRF. First, we obtain the importance of terms at the term level. Then, we use BERT to interactively encode the query and sentences in the feedback document to acquire the semantic similarity score of a sentence and the query. Next, the semantic scores of different sentences are summed as the term score at the sentence level. Finally, we balance the term-level and sentence-level weights by adjusting factors and combine the terms with the top-k scores to form a new query for the next-round processing. We apply this method to three Rocchio-based models (Rocchio, PRoc2, and KRoc). A series of experiments are conducted based on six official TREC data sets. Various evaluation indicators suggest that the improved models achieve a significant improvement over the corresponding baseline models. Our proposed models provide a promising avenue for incorporating sentence-level semantics into PRF, which is feasible and robust. Through comparison and analysis of a case study, expansion terms obtained from the proposed models are shown to be more semantically consistent with the query.

讲者简介：王俊美，2018级博士研究生，主要研究方式为信息检索。目前，以第一作者/导师一作学生二作发表论文4篇，其中3篇被SCI收录，包括2篇中科院一区，CCF B类论文。申请国家发明专利2项(已过实审)，获得软件著作权1项(已授权)。获奖方面，参加全国研究生数学建模竞赛并获得全国二等奖1项、参加美国大学生数学建模竞赛并获得国际二等奖1项、参加“武汉市计算机软件工程学会研究生论坛”并获得优秀博士生奖1项。参与项目方面，作为课题第一参与人主持并完成华中师范大学优博培育项目1项；作为参与人，参与国家级项目1项、国家语委科研项目2项、省部级课题项目1项。

报告题目：Event-Dense Cross-modal Text-Image Retrieval

报告摘要：The event-dense feature is gradually emerging in the cross-modal text-image retrieval tasks, while few current works focus on this character to deal with this task. We take the text-image retrieval on the food domain as an event-dense task example for the empirical validation, since each instruction in the recipe text contains several events. First, the significance of each event element is taken into consideration to enhance the discriminative ability of the learned recipe embedding. Second, event-aware multi-subspace alignment is performed on the learned recipe and image embeddings to semantically align the recipe embedding and image embedding in the joint latent space. Besides, event-aware modality alignment optimizations are leveraged to optimize the recipe and image embedding during the joint embedding learning phase. Extensive experiments demonstrate that our proposed approach with event-dense driven techniques significantly outperforms the state-of-the-art approaches.

讲者简介：谢忠伟，男，浙江温州人，武汉理工大学计算机与人工智能学院在读博士，2017年获日本樱花计划资助赴东京大学短期交流，2019年留学基金委公派在美国佐治亚理工大学进行联合培养，在CIKM、CVPR、DASFAA、TOIS和TSC等国际刊物发表学术论文10篇。主要的研究兴趣包括机器学习和跨模态检索。

报告题目：进化多任务多目标智能优化算法研究

报告摘要：受人脑可以同时处理多个任务的启发，演化计算领域提出了多任务优化范式以同时优化多个任务，并利用任务间的相关性以迁移学习到的知识从而提升算法的整体优化效率。然而目前的多任务算法在考虑同时优化的多个任务的差异性，迁移时机以及信息迁移的概率等因素上存在着不足，导致多任务优化中存在着负迁移。为此，从改进信息迁移策略和算法搜索策略的角度，我们在多任务多目标优化问题上进行了以下尝试。首先，为了提升搜索性能，提出了一种种群精英信息引导的烟花算法以解决多任务问题。其次，提出了一个基于多种群框架的多任务免疫算法以解决多目标问题。其包含了一种新的信息传递策略，使免疫算法有能力解决超多任务的问题。最后，受文化迁移的启发，我们提出了一种基于文化迁移的多目标进化策略算法。其包含精英引导的变异策略和水平文化迁移策略以提升算法搜索效率，并且提出了一种自适应信息迁移策略以动态地调整信息迁移的强度以减少负迁移。与目前先进的多任务算法相比，提出的多任务烟花算法能有效解决单目标和多目标问题，提出的多任务免疫算法有能力在超多任务上取得较好成绩，提出的多任务多目标进化策略算法能有效降低负迁移的发生。

讲者简介：许志伟，武汉科技大学计算机科学与技术学院2020级博士研究生。本硕博均就读于武汉科技大学计算机学院。为IEEE, CCF, ACM, CAAI, IEEE-SMC, IEEE-CIS 会员，CSDN人工智能领域优质创作者，博客专家。主要研究方向为演化计算，多目标优化与多目标决策，生物信息学。获得2019年与2021年研究生国家奖学金。发表SCI论文6篇，中文核心一篇，其中一作或导师一作发表SCI二区及以上论文4篇。IEEE Transactions on Systems, Man, and Cybernetics, Systems, IEEE ACCESS审稿人。

报告题目：面向图分析应用的专用加速器研究

报告摘要：图具有极强的抽象性与灵活性，已广泛应用于经济建设、国防安全、社会生活等重要领域。近年来，现实应用对于分析复杂图数据的需求日益增长，图分析应用也因此受到了越来越多的关注和研究。然而由于图数据的稀疏性和不规则性，大量的计算冲突与乱序访问严重限制了图分析应用在通用处理器（如CPU）上的性能。在这一背景下，设计面向图分析应用的专用加速器架构变得至关重要。本报告围绕计算流水线、内存子系统和片上互联架构三个关键问题，详细介绍了我们在图加速器方面的相关工作。

讲者简介：姚鹏程，博士生。研究方向为领域专用加速器，包括计算架构，内存子系统，片上互联等。在MICRO, HPCA, PACT, FPGA, IPDPS, ICDCS, DATE等国际顶级或著名会议或期刊上发表论文12篇，其中MICRO，HPCA，PACT是体系结构领域的顶级会议，国内每年平均仅被录用1~2篇论文。曾获图计算挑战赛GraphChallenge全球总冠军，博士国家奖学金等奖项。

报告题目：面向高并发图分析服务的软硬协同优化技术研究

报告摘要：近年来，随着大数据应用需求的爆炸式增长，图分析平台上通常并行运行着大量图分析任务为不同应用产品提供各类信息服务。然而，在现有图计算系统及体系结构上，由于没有透明地充分感知各图分析任务在运行时的特征，例如数据访问行为相似性等，这些并发图分析任务在执行时面临着严重的数据访问瓶颈和底层硬件资源难以有效利用等挑战。这导致现有图计算系统及体系结构在支持高并发图分析服务时吞吐率低。为此，本次报告将介绍面向高并发图分析服务的软硬协同优化技术，其能够高效地规则化图数据访问和处理来提高内存带宽和缓存资源的利用率，从而使得现有图计算系统能够透明地支持其上大量并发图分析任务的高效执行。

讲者简介：赵进，华中科技大学2017级博士，主要研究方向为图计算系统软件和体系结构。相关成果在SC 2021， SC 2019， IEEE TC， ACM TOS等国际顶级会议与期刊发表论文7篇。

报告题目：使用条件二元决策图分析带有备件门的动态故障树的可靠性

报告摘要：带备件门的动态故障树（Dynamic Fault Tree, DFT）被广泛的用于可靠性分析。传统的基于马尔可夫的DFT分析方法可能会遇到诸如状态空间爆炸之类的问题。而基于代数结构的方法由于容斥定理的应用也会消耗很长的计算时间。近些年来，一些组合解析方法被应用于动态故障树分析，如顺序二元决策图（Sequential Binary Decision Diagram， SBDD）和代数二元决策图（Algebraic Binary Decision Diagram, ABDD）。但是，他们也是通过基于序列相关的最小割序列（Minimal Cut Sequence, MCQ）来分析系统。基于条件二元决策图（Conditional Binary Decision Diagram, CBDD）的组合方法通过挖掘出一种可检测的（备件门中）组件状态来描述备件门中组件之间基于序列依赖的失效行为对带备件门的(不可修)DFT进行可靠性分析。在此方法中，最小割集（MCS）可代替MCQ用于定性分析，通过组件状态定位故障而不必依赖于故障顺序。与基于马尔可夫链的方法相比，该方法可以用于任意（组件）失效时间分布的系统可靠性分析。与SBDD和ABDD不同，在构建CBDD时，具体的操作规则可以消除矛盾结点并减少冗余。对于定量分析，CBDD通过利用不相交乘积之和简化计算。

讲者简介：周四维，武汉理工大学计算机科学与技术专业博士研究生。2009年6月获得湖北大学系统分析与集成硕士学位。2009年7月至2015年7月在湖北大学知行学院任计算机专业教师。2017年9月至2019年9月作为（国家留学基金委）联合培养博士在达拉斯德克萨斯大学计算机系学习。主要研究方向为动态系统可靠性静态分析方法，基于无关性覆盖模型的动态故障树可靠性分析方法，针对计算机容错系统可靠性分析的二元或多元决策图算法的设计、实现及应用。