报告主题：Personalized Predictions of Clinical Outcomes and Treatment Response with Wearables and Machine Learning

摘要：在可穿戴设备应用日益广泛和人工智能技术快速发展的推动下，医疗物联网（IoMT）已经成为精准医疗领域新的临床工具。可穿戴设备使得在日常生活中对患者进行无侵扰监测成为可能。要想在精准医疗中充分发挥其潜力，我们需要开发能从噪声多、数据不完整的可穿戴设备数据中提取可靠临床信息的机器学习模型。此外，这些机器学习方法需要能够在样本量范围广泛的情况下有效地扩展。它们应当在适量的数据存在的情况下提供稳健的预测，同时在大量数据可用时提高预测能力。最后，为了支持精准医疗，机器学习模型需要能做出个性化的预测，不仅预测患者的临床结果，还预测他们对特定治疗的反应，以便为患者定制治疗方案。本次报告将展示为了应对这些挑战，我们近期在使用Fitbit手环进行的三个临床研究中所做的努力。1）我们为样本量有限的可穿戴设备研究构建了一条稳健的特征工程和机器学习流水线。我们在一项关于胰腺手术患者的预期临床试验中展示了这条流水线在预测术后并发症和医院再入院的有效性。2）我们开发了WearNet，一个使用Fitbit数据检测精神障碍的端到端深度学习模型。通过利用一个包括8996名参与者和1247名被诊断为精神障碍的大型公开数据集，WearNet有效地提高了预测性能。3）我们探索使用多任务机器学习基于可穿戴设备收集的数据预测个体化的抑郁症疗法治疗反应，数据来自一项针对行为疗法的患者进行的随机对照试验（RCT）。临床研究的结果证明了机器学习在存在噪声和缺失的可穿戴设备收集的数据的情况下预测临床结果的有效性。此外，通过利用在RCTs中收集的数据，机器学习提供了一个预测个体化治疗反应的有希望的方法。我们将在报告的结尾强调推进IoMT成为精准医疗的重要工具的机会和方向。

个人简介： 吕晨阳是美国圣路易斯华盛顿大学（Washington University in St. Louis）计算机科学与工程系Fullgraf教授和医学系教授。他的研究兴趣包括医学人工智能（AI for Medicine）、物联网（IoT）、实时系统和信息物理系统（cyber-physical systems）。他是AIM研究所的创始主任，该研究所是一个跨学院的、致力于利用AI和IoT赋能医学的跨学科研究中心。他获得了IEEE TCRTS杰出技术成就奖和领导力奖、SenSys Test-of-Time奖、RTAS最有影响力论文奖、以及八项最佳论文奖和优秀论文奖。他现任ACM Transactions on Cyber-Physical Systems主编，曾任ACM Transactions on Sensor Networks主编和TCRTS主席。他是ACM Fellow和IEEE Fellow。

报告主题：园区数字孪生系统：交通全要素一体化感知的研究与探索

摘要：数字孪生可以赋予物理实体的自主身份和信息交互功能，通过路侧交通全要素一体化感知来构建数字孪生系统，面临传感器标定繁琐、感知精度不足、数据无法有效利用等问题，我们提出了利用道路环境中自然特征以及车辆轨迹数据，实现传感器的在线标定；基于纯视觉感知以及多模态BEV融合感知技术，实现交通要素的有效感知；基于数据特点，构建数据模型和时空索引，对感知数据进行高效存储和查询。本次报告将聚焦我们在交通全要素一体化感知的园区数字孪生系统方面的研究与探索。

个人简介：张燕咏现任中国科学技术大学计算机科学技术学院教授，副院长，ACM中国副主席，ACM理事会常务理事，国家科技创新2030“新一代人工智能”重大项目首席科学家,曾担任美国罗格斯大学助理教授、副教授、教授。2017年获评IEEE Fellow，2021年获ACM MobiCom Best Paper Runner up Award， 2022年担任感知旗舰会议IPSN程序委员会联合主席。

报告主题：基础设施辅助的自动驾驶系统

摘要：自动驾驶将彻底改变未来的交通系统。然而，最近其商业试点部署引起人们了对新兴自动驾驶系统安全性的广泛关注。我将介绍团队最近利用智能路边基础设施来提高自动驾驶安全性的工作。首先，我们在香港中文大学校园部署了首个开放智能路灯柱测试平台，其可以为车辆提供目标检测和动态路线规划等各种实时服务。其次，我们提出了一种新颖的实时深度学习任务框架，将模型架构优化和实时调度相结合，实现多个深度学习任务的并发执行。最后，我将介绍两个实时三维感知融合系统，用于车辆和基础设施之间的厘米级精度信息融合。

个人简介：邢国良现任香港中文大学信息工程系教授，IEEE Fellow, 曾在美国密歇根州立大学任终身教授。邢教授研究专注嵌入式人工智能、自动驾驶、智能健康、物联网等方向，总引用数超过11,000 次。邢教授于2010 年获得美国自然科学基金会青年科学家事业奖（CAREER）, 2014年获美国密歇根州立大学杰出教授奖。邢教授的工作在包括MobiSys, MobiCom、IPSN、ICNP、SenSys、IoTDI等多个国际顶级会议上获得最佳论文奖和最佳论文候选。

个人简介：邱锂力博士是微软亚洲研究院副院长，主要负责微软亚洲研究院（上海）的研究工作，并与工业界、大学和研究机构进行合作。邱博士是互联网、无线网络和感知领域的领军人物。她于2001年在康奈尔大学获得计算机科学博士学位，并于同年开始在微软研究院雷德蒙德研究院担任研究员，从2001年到2004年在系统与网络组工作。2005年，她加入了德克萨斯大学奥斯汀分校计算机科学系，担任助理教授。由于其杰出的成就，她后来晋升为终身教授。 她的显著成就赢得了多项声誉良好的荣誉，包括NAI Fellow、ACM Fellow和IEEE Fellow。此外，她还担任ACM SIGMOBILE主席。她是ACM杰出科学家，并获得了NSF CAREER Award等许多荣誉。

个人简介：哈尔滨工业大学教授、IT头部企业首席科学家、教育部高校计算机专业优秀教师奖励计划获得者、物联网智能技术工信部重点实验室副主任。苏州大学特聘教授、厦门大学兼职教授，ACM SIGBED China常委，中国计算机学会物联网专委会委员，智能机器人工信部揭榜挂帅项目技术负责人。先后发表IEEE/ACM TON、TMC、MOBICOM、MOBISYS、SENSYS、INFOCOM等期刊/会议论文60余篇，作为第一作者发表CCF A类会议MOBICOM最佳论文。

报告主题: 支持控制即服务（CaaS）的实时工业网络体系架构

摘要：柔性制造给工业控制网络带来了新挑战——工业控制网络在生产任务切换时存在配置过程繁琐、规模扩展受限、升级成本高昂等问题。其根本原因在于控制任务与控制器紧密耦合、与网络传输分离的运行方式。本项目提出支持控制即服务的实时工业网络体系架构。控制即服务（Control as a Service，CaaS）技术，将控制任务与专用控制器解耦，根据控制任务与网络流量的协同调度，灵活部署到网络中任意交换机中，将整个工业控制网络虚拟为一个通用控制器，实现控制功能虚拟化。在此基础上，本项目采用软硬件协同设计的方法，研发了支持CaaS的网络交换机及协议栈，设计了一系列保障网络确定性、计算确定性、软硬件数据交互确定性的机制，从而最终保障了工业控制任务从输入到输出的端到端确定性。实验结果表明，CaaS实现了零丢包，并将延迟降低了42-45%，抖动降低了三个数量级。我们相信CaaS将推动工业控制网络向着分布化、虚拟化和服务化的方向迈进。

个人简介：杨铮，清华大学副教授，博士生导师、IEEE Fellow。研究方向为物联网与工业互联网。获得国家自然科学奖二等奖。入选国家“万人计划”青年拔尖人才计划、北京市科技新星，获得国家优秀青年科学基金资助。

报告主题: LUT-NN: 赋能基于聚类中心和表查找的神经网络推理系统

摘要：设备端深度神经网络推理需要消耗大量的计算资源和开发成本。为了减轻这一问题,我们提出了LUT-NN，第一个利用表查找来代替线性计算算子的系统，从而减少推理成本。LUT-NN学习每个算子输入的典型特征，称为聚类中心，并预先计算这些聚类中心的结果保存到查找表中。在推理过程中，每个线性算子可以直接从表中读取最接近聚类中心的结果，作为该算子无需计算的近似输出。LUT-NN整合了两种主要的新技术:(1)通过反向传播实现聚类中心学习，采用三个层次的近似来最小化聚类中心带来的精度影响；(2)表查找推理执行，全面考虑不同硬件层次的并行性、减少内存访问和专用硬件单元的利用，以获得最佳性能。LUT-NN在多个复杂的真实任务上进行评估，涵盖图像识别、语音识别和自然语言处理。与相关的矩阵乘法表查找技术相比，LUT-NN实现与原始模型相似的精度,并在所有维度上减少成本，包括计算量(≤ 16倍),模型大小(≤ 7倍),延迟(≤ 6.8倍),内存(≤ 6.5倍)和功耗(≤ 41.7%)。

个人简介：曹婷博士，现任微软研究院异构计算组(HEX)首席研究员。研究方向包括深度学习系统、软硬件协同设计、高级语言实现和高能效软硬件设计等。博士毕业于澳大利亚国立大学计算机科学研究院。加入微软前，就职于华为编译器与编程语言实验室，负责方舟编译器内存管理系统。她的论文发表在一系列系统领域顶级会议或期刊包括MobiCom 、MobiSys、ISCA、ASPLOS、PLDI等，并在若干会议如PLDI、OOPSLA、MobiSys等担任主席团成员。她曾获得ICCD、NAS及MobiSys最佳论文，ACM Research highlights，IEEE Micro Top Picks，ACM SIGMOBILE Research highlights以及华为明日之星等奖项。

报告主题:云边端广域协同视频感知与计算

摘要：伴随着算力基础设施的飞速进步，人工智能正在进入一个黄金时代。受益于机器学习算法的突破、海量的训练数据以及广泛部署的视频采集设备，视频分析应用正从众多的AI应用中脱颖而出，在科学和社会发展中展示出巨大的潜能。作为AI系统领域最具挑战的课题之一，实时视频分析具有数据量大、计算密集、语义丰富等特征，以及低延迟和高隐私保护等需求。本次报告将系统性介绍边缘视频分析系统的最新进展，包括边缘侧实时推理加速、跨摄像头网络的协同视频分析以及边缘模型自演进学习等方面。

个人简介：舒元超，浙江大学控制科学与工程学院求是特聘教授，博士生导师，国家高层次人才项目入选者。2015年至2022年在美国微软研究院及云计算部门担任研究员、高级研究员、首席研究员。主要研究领域包括移动及无线系统、协同感知与网络控制、边缘计算。研究成果在计算机、通信、控制等领域的国际顶级期刊及会议上发表论文60余篇，授权受理中美专利20余项，研究成果被纽约时报，华尔街日报，福布斯，彭博社等媒体报道数百次。曾获ACM中国优秀博士论文奖，五项国际会议最佳论文及最佳系统奖。担任期刊IEEE Transactions on Wireless Communications编委、ACM Transactions on Sensor Networks副主编，ACM MobiCom、MobiSys、SenSys、IPSN等国际会议组织及程序委员会委员。

报告主题:基于物理信息方法的可穿戴感知技术

摘要：可穿戴设备已成为支持普适感知和计算的一类重要平台，为嵌入式物联网应用提供一系列重要场景。随着AI和嵌入式计算技术的飞跃，我们见证了新一代可穿戴系统的出现。这些系统利用多模态数据来创造普遍环境中的智能应用。本次报告将深入探讨一系列基于人体电位信号和声音信号技术驱动的创新应用。

个人简介：鄢振宇博士是香港中文大学的研究助理教授。鄢博士的研究涵盖可穿戴感知系统、边缘计算以及嵌入式机器学习等方面。他的工作曾发表在如MobiCom、SenSys、IPSN、IEEE TMC和ACM TOSN等一流的国际会议和期刊。他曾获得英国皇家学会授予的Kan Tong Po国际学者奖，以及ACM SIGBED中国的新星奖。他的论文在MobiCom 2022上获得了“Best Paper Award Runner-up”以及IPSN 2021的“Best Artifact Award Runner-up”。

报告主题:基于新型磁场感知的毫米级动作跟踪

摘要：细粒度身体运动感知可以为个体的行为提供至关重要的信息，包括用户的健康状况、运动表现以及人机交互相关的应用。然而，传统的运动感知技术，如摄像头、RF信号和惯性测量单元，在细粒度跟踪方面存在多种局限性。在这次的讲座中，我们将介绍近期提出的新的细粒度动作感知技术堆栈 — 磁感应。我将介绍两个磁感应相关的具体项目，并阐述精确的行为分析的可行性。第一个项目将介绍一种新的可穿戴系统，可以在毫瓦级能耗下实现毫米级的精度。第二个项目则侧重于解决校准MEMS磁力计，通过解决这一关键的问题，可以使磁感应适用于更广泛的应用。通过这些例子，本次讲座也将展示磁感应系统在解决实际问题中的应用潜力。

个人简介：陈东尧是上海交通大学电子信息与电气工程学院的长聘教轨助理教授。他的研究方向为移动感知、传感器系统以及相关的安全和隐私问题。他带领的CyPhy研究团队致力于开发系统性的解决方案，来应对健康和交通领域中的实际问题。他的研究成果已发表在MobiCom、MobiSys、UbiComp、CCS和CoNEXT等会议上。他最近的工作也在VehicleSec 2023上获得了最佳论文奖。 在加入上海交通大学之前，陈东尧在2015年和2020年从密歇根大学安娜堡分校获得电气工程硕士学位以及计算机科学和工程博士学位，师从Kang G. Shin教授。他在2013年本科毕业于上海交通大学自动化系。