因公临时出国(境)团组信息公示
组团名称 |
赖红等1人赴新加坡的团组 |
出访时间 |
2024年6月24日-6月26日 |
团组人数 |
1人 |
出访任务 |
参加国际学术会议Workshop on Tensor Models for Machine Learning: Empowering Efficiency, lnterpretability, and Reliability, 并在会上作会议论文“Dynamic hierarchical quantum secret sharing based on the multiscale entanglement renormalization ansatz”报告 |
出访国家(地区)停留时间 日程安排 往返航线 |
出访新加坡:2024年6月24日-6月26日停留3天 出访路线:重庆-新加坡-重庆 日程如下: 2024年6月24日从重庆乘坐航班抵达新加坡,航线:中国国航 CA449,11:10重庆起飞,16:25新加坡降落。 2024年6月24日下午,会议注册。 2024年6月25日上午,参加会议开幕式。 2024年6月25日下午,在分会场做研究论文报告“Dynamic hierarchical quantum secret sharing based on the multiscale entanglement renormalization ansatz”。 2024年6月26日上午,听取大会主题报告。 2024年6月26日下午,听取分会场报告,与同行开展学术交流和宣传西南大学。 2024年6月26日晚上,从新加坡出发返回重庆,航线:中国国航 CA450,17:35新加坡起飞,6月26日22:45到达重庆。 |
邀请单位及简介 |
“IEEE Conference on Artificial Intelligence (IEEE CAI) 2024 +Workshop on Tensor Models for Machine Learning: Empowering Efficiency, lnterpretability, and Reliability”是一个关注人工智能的应用和影响工业技术应用和创新的关键垂直领域会议。张量网络(TNs)起源于量子物理、化学和应用数学领域,在处理高维数据、生成多路结构化数据、优化神经网络结构等方面表现出了非凡的性能。最近,它进一步发展成为推动机器学习(ML)和人工智能(AI)进步的潜在动力,特别是在量子机器学习、可信机器学习和可解释机器学习等关键领域。本次研讨会旨在汇集来自多学科领域的研究人员,讨论张量网络中的基本挑战,如张量网络结构优化、高效算法和稳健性,以及它们在机器学习中的扩展应用,涵盖效率、可解释性、可靠性等领域的关键挑战。这些努力不仅促进了对机器学习模型的深入理解和增强了它们的可靠性,还确保它们满足资源效率的需求,从而增加了可信度。此外,研讨会预计将释放张量网络的潜力,为未来量子启发式机器学习研究开辟新的方向。 |
经费来源和预算 |
西南大学 |
团组成员名单 |
姓名 |
性别 |
单位 |
职务 |
赖红 |
女 |
西南大学计算机与信息科学学院 软件学院 |
无 |
|
|
|
|
|
|
公示期为2024年4月24日至2024年4月30日,联系人:周老师,联系电话68254363。
计算机与信息科学学院 软件学院
2024年4月24日