国际神经网络联合大会（IJCNN 2023）于2023年6月18日至6月23日在澳大利亚黄金海岸召开。bet356亚洲版在线体育多篇文章被大会录用。孟雷教授指导的博士生马浩凯和硕士生王雨情参加线下会议并作论文报告展示，闫中敏副教授指导的硕士生张宇线上参加会议并作了报告。

马浩凯口头报告了题为“Cross-Modal Content Inference and Feature Enrichment for Cold-Start Recommendation”的文章。该文章提出了一种跨模态内容推理和特征增强的推荐框架，基于异构信息的语义一致性，引入了图像注释数据作为特权信息，在训练阶段帮助指导统一特征从视觉空间到语义空间的映射，并通过融合协同、视觉和跨模态推理的语义表征来增强商品的内容表征。该方法能够取得相对于现有方法3%-15%的性能提升，并保证冷启动和暖启动推荐精度的同步提升。

同时，马浩凯受IJCNN组委会邀请分别作为线下论坛“Neural Networks for Recommendations”和线上论坛“Sentiment and Emotion”的论坛主席（Session Chair），代表组委会负责统筹线上线下两个不同分论坛的相关工作。

王雨情口头报告了题为“Multi-Channel Attentive Weighting of Visual Frames for Multimodal Video Classification”的文章。文章基于多模态语义信息的一致性和细粒度模态信息互补性的两类数据特征，通过多粒度、多视角的帧加权机制过滤视觉噪声和冗余信息，引入多模态交互网络，增强模态间关键信息的互补性，形成对比注意、视觉自注意和跨模态注意机制进行关键帧选择的有机结合框架，该方法能够有效结合基于卷积和基于Transformer架构的视觉模型提升识别率3%-6%。

张宇线上作了题为“Multi-View Graph Contrastive Learning for Urban Region Representation”的报告。该工作结合了多视图和图对比学习方法，生成城市区域表征。基于人群轨迹数据和城市空间信息构建了三个区域视图，并提出一种基于三元组损失的对偶多重损失函数，以无监督方式学到有效的城市区域表征。将该方法应用于纽约曼哈顿市，发现基于人群轨迹数据学到的城市区域表征能有效辅助于城市计算任务，在土地利用分类、签到预测和犯罪预测等多个城市下游任务上均取得了优越的性能。

本届IJCNN会议及研讨会吸引了来自63个国家的1000余位专家学者和相关从业人员参加。会议汇集了神经网络及其应用领域的顶尖学者，共同探讨深度学习架构、认知架构、脑启发式架构、视觉与机器人技术、预测、可解释性人工智能、语义认知、对比学习、强化学习、联邦学习、生物医学和网络安全应用等前沿领域。108个线下报告会议、42个线上报告会议以及3个海报会议为与会者提供了展示和交流的平台。在为期6天的会议中，与会专家学者畅所欲言、激烈讨论，共同探索最新学术思想，并为进一步的学术研究提供了源源不断的灵感和思路。

bet356亚洲版在线体育师生的学术成果在国际会议上的展现，体现了学院科研实力正在全球范围内得到认可，学院将持续鼓励和支持师生的国际化交流实践，通过国际学术交流活动拓展师生的国际视野，激发师生的创新热情，增强师生的国际合作意识，全面深化落实科研改革政策，不断提升学院的学术水平和国际影响力。

国际神经网络联合大会（IJCNN）是国际神经网络学会（INNS）的旗舰年度会议，也同样是迄今为止报告神经网络、神经信息学和神经技术新发展的最大、最有威望的论坛。它由国际神经网络学会（INNS）和IEEE计算智能学会（IEEE CIS）联合组织和赞助。大会历史悠久，第一次会议于1987年举办。

（文/图：马浩凯、王雨情、张宇、尚文；责任编辑：尚文）