create SIG directories for five sigs

sigs/CulturalTourism/README.md

@@ -0,0 +1,77 @@
+# 背景
+
+中华优秀传统文化是我国屹立于世界的精神支柱，集中体现了中国精神、中国气质、中国风范。在当今百年变局时代，传承好中华优秀传统文化，必将为国家发展和民族复兴提供强大的精神动力。对于中华优秀传统文化，“坚持创造性转化、创新性发展”，“不断提升国家文化软实力和中华文化影响力”。利用现代科技特别是人工智能技术，赋能文化传承，是实现传统文化创造性转化、创新性发展的有效途径。
+文化与旅游密不可分，文化为旅游行业提供了源源不断的宝贵素材，而旅游则为文化的广泛传播提供了不竭动力。AI技术特别是虚拟现实、增强现实、元宇宙等现代交互式沉浸式技术，可为文旅行业提供线上虚拟体验场景，极大拓展文旅行业的时空限制，有效降低疫情对文旅产业的冲击，因此是实现文化旅游产业的重要技术保障。
+
+在此背景下，2021年9月，陕西师范大学与华为技术有限公司共同成立了陕西师范大学-华为技术有限公司MindSpore研究室，依托民歌智能计算与服务技术文化和旅游部重点实验室、现代教学技术教育部重点实验室、西安市文化旅游资源开发利用重点实验室，开展文化科技融合AI应用场景的研究。由此，昇思MindSpore文旅AI专项兴趣小组（简称：文旅AI SIG）正式成立，并面向开源社区招募志同道合的伙伴。
+
+## 文旅AI SIG的使命
+
+文旅AI SIG着眼于优秀传统文化的传承，着眼于文化旅游产业的持续发展，充分利用国产AI框架昇思MindSpore，打造文旅行业的典型应用场景，为AI与文旅行业的深度融合提供基于昇思MindSpore的实现范式。
+
+## 小组重点工作方向
+
++ MindSpore缺失算子的开发：研究MindSpore缺失算子的开发，包括数据框架算子、数据预处理算子，以及网络结构算子，从而完善MindSpore框架，更好服务于文化资源的智能开发。
+
++ 小样本条件下书法和绘画的智能生成：应用样本增强、迁移学习等技术，研究小样本条件下书法和绘画等文化形态的智能生成方法，并建立符合实际需求的网络模型和训练方法，为文化资源的智能开发提供更加实际的智能解决方案。
+
++ 古籍古画的智能修复：将书法绘画的智能修复技术，应用于古籍古画修复的具体场景。综合应用目标检测、特征匹配、边缘检测、风格迁移等技术，建立适应于古籍古画的智能修复方案，为文化遗产的传承提供智能方法。
+
++ 陕北民歌的智能生成和旋律创新：利用多媒体技术、音频处理技术与数据存储技术，建立陕北民歌的数据库，实现陕北民歌的数字化重构。利用深度学习技术，由歌词、自然语言自动生成特定旋律的陕北民歌，实现陕北民歌的智能创作、旋律创新与内容创新，从而为陕北民歌在新时代的传承与发展提供智能支撑。
+
++ 基于元宇宙的文旅行业沉浸式场景的建立与应用：融合使用虚拟现实、增强现实、混合现实等技术，在Unity引擎、头显、数据手套等软硬件的支持下，实现真实场景向虚拟场景的映射，创建虚拟、交互、智能的文旅场景全流程沉浸式元宇宙体验模式，并研究在虚拟博物馆、虚拟旅游、文化资源活化等场景的具体应用，为文旅行业提供典型的数字化智能化解决方案和应用示范。
+
+## 平台的指导和支持
+
++ 民歌智能计算与服务技术文化和旅游部重点实验室
+
++ 现代教学技术教育部重点实验室
+
++ 西安市文化旅游资源开发利用重点实验室
+
++ 陕西师范大学-华为技术有限公司MindSpore研究室
+
+## 文旅AI SIG前期成果积累
+
+文旅AI SIG所在的陕西师范大学是教育部直属、国家“211工程”重点建设大学，也是国家教师教育“985”优势学科创新平台建设高校，2017年成为国家一流学科建设大学，中国语言文学学科相继入选第一轮、第二轮“双一流”建设名单，这为文旅AI SIG从事文化与科技的深度融合提供了坚实的学科基础。
+小组筹备前期，陕西师范大学计算机科学学院孙增国副教授带领团队，在实验室主任吴晓军教授、副主任张玉梅教授的指导下，在西安未来人工智能计算中心提供的算力支持下，应用昇思MindSpore框架，在文化资源开发领域，已经获得如下成果，初步彰显本团队在文旅行业场景的开发能力，为本SIG的建立提供了必要的技术积累。
+
++ 智能书法字体生成技术：利用zi2zi、CycleGAN等基础网络模型，融合自注意力机制、密集连接等改进思路，并结合少样本学习及迁移学习框架，构造了书法字体的智能生成模型，能够由印刷体生成对应的书法字体，并能实现不同书法字体的风格迁移。该技术获得华为昇腾技术认证，申请多项软件著作权，并获得2022昇腾AI创新大赛陕西赛区铜奖。
+
++ 智能山水画生成技术：利用pix2pix、CycleGAN等基础网络，构造了山水画的智能生成模型；融合VGG网络和Gram矩阵，构造了山水画智能生成的神经风格迁移模型，能够由风景照片及素描图生成相应风格的山水画，并能实现不同风格山水画的风格迁移。该技术获得华为昇腾技术认证。
+
+## 文旅AI SIG工作计划
+
++ 初期：小组前期主要以成员学术交流活动为主，每月组织线上或线下交流活动，围绕AI在文旅行业应用的关键问题展开讨论，如智能生成技术、风格迁移技术、特征检测技术、元宇宙构造技术等，介绍国内外研究工作进展，讨论并解决研究工作中的难点问题。
+
++ 中期：通过合作开发等模式，在国内高校及企业间开展文旅AI问题的校企合作研究，打造若干AI在文旅行业的应用范例。
+
++ 后期：通过任务揭榜、申请项目或参加竞赛等模式，在全球范围内开展文旅AI问题的合作研究，实现典型AI文旅场景的落地，取得显著的社会效应和经济效应，推动AI赋能文旅产业高质量发展，并建立团队在AI+文旅领域的影响力。
+
+## 文旅AI SIG构成
+
+实验室负责人
+
+吴晓军，陕西师范大学计算机科学学院教授、博士生导师，民歌智能计算与服务技术文化和旅游部重点实验室主任，西安市文化旅游资源开发利用重点实验室主任，陕西师范大学智能感知与先进计算研究中心主任，教育部科技委委员，民盟陕西省委员会副主委，民盟西安市委员会主委。
+
+张玉梅，陕西师范大学计算机科学学院教授、博士生导师，民歌智能计算与服务技术文化和旅游部重点实验室副主任，西安市文化旅游资源开发利用重点实验室副主任，陕西师范大学智能感知与先进计算研究中心副主任。
+
+领衔成员
+
+孙增国，陕西师范大学计算机科学学院，民歌智能计算与服务技术文化和旅游部重点实验室，副教授
+
+小组成员
+
+01、苑玉杰， 昇思MindSpore布道师
+
+02、杨瑞，陕西师范大学计算机科学学院，博士生
+
+03、毛魏彬，陕西师范大学计算机科学学院，硕士生
+
+04、刘佳兴，陕西师范大学计算机科学学院，硕士生
+
+05、张志远，陕西师范大学计算机科学学院，硕士生
+
+06、董立人，陕西师范大学计算机科学学院，本科生
+
+07、郑铃锋，陕西师范大学计算机科学学院，本科生

sigs/CulturalTourism/meetings/meeting-template.md

@@ -0,0 +1,17 @@
+# Thursday April 2, 2020 at 21:30pm GMT+8
+
+## Agenda
+
+## Conference links
+
+## Attendees
+
+* Tom (Huawei)
+
+## Notes
+
+* TODO
+
+## Action items
+
+* TODO

sigs/MedicalImaging/README.md

@@ -0,0 +1,54 @@
+# 背景
+
+随着人们健康意识的逐渐增强，人们对医学诊疗服务的需求也与日俱增。目前，基于AI的医学图像辅助诊断模型日趋成熟，如在皮肤病、眼底视网膜病变等诊断任务中，基于人工智能的辅助诊断算法在精度方面已经能够接近、甚至超越了临床专家。将基于AI影像的辅助诊断模型部署到诊疗服务水平较低的城乡基层卫生单位，可有效降低误诊率，提高城乡医疗诊断质量，缓解我国各地医疗资源分配不均衡的问题。因此，研究基于AI影像的辅助诊断系统具有重要的社会价值。
+在此背景下，昇思MindSpore医疗影像AI专项兴趣小组（简称：医疗影像AI SIG）正式成立，并面向开源社区招募志同道合的伙伴。
+
+## 医疗影像AI SIG的使命
+
+对多数疾病诊断问题而言，受数据采集成本、医师临床经验水平和标注习惯差异等因素影响，可用的带标签医学图像通常只有几千张甚至更少。因此，医疗影像AI SIG成立的目的是针对医学小样本数据，在昇思MindSpore框架下开发高效精确的AI辅助诊断模型，构建高效的高维医学影像分割标注工具，提升疾病诊断的精确性。
+
+## 小组的重点工作方向：
+
++ 轻量级深度学习模型构建：针对二维医学小样本数据，构建轻量级深度学习模型（包括CNN，GAN及Transformer等模型），降低模型训练难度，提升模型在疾病诊断中的通用性。
+
++ 面向高维医学图像的新型深度学习模型设计：研究高维深度学习模型，通过引入注意力机制等策略，在降低模型复杂度的同时，提升模型的性能。
+
++ 轻量级深度学习模型及高维深度学习模型的高效训练策略研究：研究新的自监督训练策略（如知识蒸馏、元匹配），提升CNN及Transformer等模型在小样本医学数据上的性能。
+
++ 模型的推广：基于全场景AI框架昇思MindSpore，实现模型的落地和推广。
+
++ 面向医学影像诊断可解释性的强化学习框架：基于昇思MindSpore，在医学影像诊断的可解释性领域研发深度强化学习框架。
+
++ 稳健的医学影像深度学习分析模型构建：探索深度学习模型在医学影像分割和诊断任务中对影像质量漂移的稳健性，尤其是探索推动昇思MindSpore对轻量、快速的在线学习的支持。
+
++ 高效的高维医学影像分割标注工具的构建：基于昇思MindSpore，构建通用的、高效的高维医学影像（视频影像和三维影像）的分割标注工具模块，为医生提供简单易用、精确快速的标注支持，减少医生的耗时。
+
+## 医疗影像AI SIG工作计划
+
++ 初期：以成员学术交流活动为主，每月组织线上交流活动，围绕医疗AI中涉及的图像分类、图像降噪、图像分割、图像配准、图像降噪及图像融合等问题，介绍研究工作进展，讨论研究工作中的难点。
+
++ 中期：通过合作开发等模式，在国内高校及企业间开展医疗AI问题的合作研究。
+
++ 后期：通过任务揭榜或比赛PK等模式，在全球范围内开展医疗AI问题的合作研究。
+
+## 医疗影像AI SIG构成
+
+领衔成员：
+
+张旭明，华中科技大学生命科学与技术学院副教授，研究方向包括手术导航和手术机器人，博士毕业于上海交通大学。近年来，承担国家重点研发计划课题2项，国家自然基金面上项目1项，863子课题1项，中国人工智能学会-华为MindSpore学术奖励基金1项，发表SCI论文60余篇，获得国家授权专利26项，获2021年湖北省科技部进步奖一等奖1项，在华为MindSpore平台支持下，指导本科生获全国生医电子创新大赛二等奖2项。
+
+杨鑫，深圳大学医学部助理教授。香港中文大学博士，北卡罗莱纳大学教堂山分校和哈佛大学医学院访问学者，深圳市海外高层次人才。主要从事智能化医学超声影像研究。在顶级期刊和会议发表论文60余篇，三次获得MICCAI大会演讲，学术引用4170余次。带领研发了首款一站式医学影像标注软件Pair，填补领域空白。推动了华为全场景深度学习框架MindSpore在医学影像标注领域的多个智能应用。主持国家自然科学基金1项、深圳市稳定支持A类项目1项，参与国家重点研发计划1项。
+
+小组成员：
+
+成员：苑玉杰，昇思MindSpore布道师
+
+成员：朱星星，华中科技大学生命科学与技术学院，博士后
+
+成员：王一博，华中科技大学生命科学与技术学院，硕士生
+
+成员：闻明伟，华中科技大学生命科学与技术学院，硕士生
+
+成员：余斌，华中科技大学生命科学与技术学院，硕士生
+
+成员：叶胤妤，深圳大学医学部生物医学工程学院，硕士生

sigs/MedicalImaging/meetings/meeting-template.md

@@ -0,0 +1,17 @@
+# Thursday April 2, 2020 at 21:30pm GMT+8
+
+## Agenda
+
+## Conference links
+
+## Attendees
+
+* Tom (Huawei)
+
+## Notes
+
+* TODO
+
+## Action items
+
+* TODO

sigs/RobotVision/README.md

@@ -0,0 +1,62 @@
+# 背景
+
+近年来，随着机器人技术和人工智能技术的发展，各类智能机器人不断出现，在教育、养老、金融、安防等领域为人类提供多样化服务，市场规模持续高速增长，特别是新冠肺炎疫情进一步激发了服务机器人市场。智能机器人已纳入《新一代人工智能发展规划》等国家科技发展战略，成为我国人工智能产业的重要组成部分和未来发展方向。视觉系统旨在使机器像人一样具备观察和理解事物的能力，是机器人感知外界环境和用户的最重要的信息获取途径，是机器人与用户和环境进行交互，进而完成特定任务的重要基础，成为智能机器人的不可或缺的重要组成部分。
+机器视觉系统可以采集外部图像信息，模拟人脑完成重要信息的提取并加以分析，实现对目标物体的识别、定位以及对工作场景进行理解，提升机器人面对外部变化环境的自适应能力，增强机器人面对复杂环境的感知和决策能力。对机器人视觉关键技术进行研究，有助于实现机器视觉由低层视觉任务到更高层视觉任务的发展，进一步提升机器人的智能化程度，助推我国人工智能产业的升级，具有重要的理论与现实意义。
+
+在此背景下，昇思MindSpore机器人视觉专项兴趣小组（简称：机器人视觉SIG）正式成立，并面向开源社区招募志同道合的伙伴。
+
+## 机器人视觉 SIG的使命
+
+机器人视觉SIG致力于机器人视觉关键技术研究，结合昇思MindSpore框架，开发精准、高效的机器人视觉算法模型。
+
+## 小组重点工作方向：
+
++ 情感计算：对情感计算关键技术进行研究，主要包括单帧表情图像识别、视频表情识别、情感极性与程度分析、融合语言信息（文本、语音）与非语言信息（面部表情、身体位置、头部姿态）的多模态多维度情感分析等，以实现情感状态的自动分析，提升用户与机器人之间的交互体验，为智能情感化交互机器人开发提供智能解决方案。
+
++ 动作识别：对动作识别关键技术进行研究，主要包括视频动作定位、时序动作检测、在线动作识别、动作预测等，以克服传统人机交互自由度低、操作不灵活等缺陷，使机器人能更加实时理解人的动作意图，提升人机交互的体验和效率，助推机器人智能个性化交互。
+
++ 场景理解：对场景理解关键技术进行研究，主要包括场景分类、目标（人体、人脸等）检测、语义分割、全景分割等，以克服人类情感和表达模糊多样对场景理解的困扰，突破机器人多模态场景认知难题。
+
++ 视觉问答：对视觉问答关键技术进行研究，主要包括多模态特征提取与交互融合、知识推理、图片问答与对话、视频问答与对话等，为视觉问答提供更加高效、智能解决方案，以克服不同模态信息间的高度异质性，推进跨模态人机交互，推动机器人智能化进程。
+
++ 模型压缩：对模型压缩关键技术进行研究，主要包括网络剪枝、知识蒸馏、参数量化、架构设计、动态计算等，以设计轻量化多分支网络结构，实现深度模型的高效压缩与加速，为智能机器人平台提供轻量、高效的算法模型。
+
+## 机器人视觉SIG工作计划
+
++ 初期：小组前期主要以成员学术交流活动为主，每月组织线上或线下交流活动，围绕动作识别技术、视觉问答技术、情感计算技术、模型压缩技术、场景理解技术等机器人视觉的关键问题展开讨论，介绍国内外最新研究工作的进展，讨论并解决研究工作中的难点。
+
++ 中期：通过合作开发等模式，在国内高校及企业间开展机器人视觉相关技术研究。
+
++ 后期：通过任务揭榜、申请项目或参加竞赛等模式，在全球范围内开展机器人视觉技术的合作研究，推动机器人产业高质量发展。
+
+## 机器人视觉SIG人员构成
+
+领衔成员：
+
+组长、负责人：孙斌
+工学博士，湖南大学电气与信息工程学院副教授，博士生导师，主要研究方向为图像处理、模式识别、人机交互以及智能系统理论与应用，依托机器人视觉感知与控制技术国家工程研究中心，在王耀南院士、李树涛教授团队主要从事机器视觉、多模态信息智能处理、机器人自然交互等方面的教学与科研工作。近年来先后主持国防重点项目课题1项，国家自然科学基金面上和青年项目各1项，湖南省自然科学基金项目2项，作为研究骨干参与国家自然科学基金重大项目、国家重点研发和国际合作重点项目研究工作，研究成果在IEEE TIP，TNNLS，TAFFC，TGRS， Science China: Information Sciences等国内外高水平学术期刊和会议上发表论文30余篇，授权发明专利20项，在AAAI、ACM MM、ACL、ICLR等人工智能领域国内外高水平会议中获得竞赛冠军19项，研究成果在苏州博众机器人、湖南超能机器人、中南大学湘雅医院等企事业单位取得成功应用，取得了良好的社会和经济效益。2019年获得湖南大学首届“杰出博士后”称号，2022获得湖南省自然科学基金优秀青年项目资助。
+
+副组长：李庆鹏
+工学博士，湖南大学机器人视觉感知与控制技术国家工程研究中心副研究员、硕士生导师。2018年在德国慕尼黑工业大学信号处理与对地观测中心访问学习。2019 年北京航空航天大学计算机科学与技术专业博士毕业。2019-2021 年在国家烟草专卖局从事全国烟叶信息化主管工作。2021 年工作调动至湖南大学，目前在机器人视觉感知与控制技术国家工程研究中心王耀南院士、李树涛教授团队主要从事计算机视觉、多源融合感知、智能机器人系统等方面的教学科研工作。主持国家自然科学基金青年项目、湖南省自然科学基金青年项目各1项，中央高校基本科研基金项目1项，校企横向课题2项；作为骨干参与国防科技创新特区重点项目1项。参与国家自然科学基金面上项目2 项、国家自然科学基金重点项目1项，参与军工企业和军队横向课题多项。作为第一作者和通信作者在 IEEE TGRS、GRSL、ICASSP等国际期刊会议发表论文多篇，授权发明专利5项。长期担任 IEEE TGRS、TVT、TITS、GRSL、ISPRS Journal 等国际顶级期刊会议审稿人。2022年获评教育部-华为智能基座“栋梁之师”称号。入选湖南大学2022年度优秀青年教师“托举计划”。
+
+小组成员：
+
+01、成员：苑玉杰， 昇思MindSpore布道师
+
+02、成员：马付严，湖南大学电气与信息工程学院，博士生
+
+03、成员：李  宾，湖南大学电气与信息工程学院，博士生
+
+04、成员：郭  虎，湖南大学电气与信息工程学院，博士生
+
+05、成员：卢伟清，湖南大学电气与信息工程学院，博士生
+
+06、成员：李希亮，湖南大学电气与信息工程学院，博士生
+
+07、成员：司素勇，湖南大学电气与信息工程学院，硕士生
+
+08、成员：廖美祺，湖南大学电气与信息工程学院，硕士生
+
+09、成员：张雨鑫，湖南大学机器人学院，硕士生
+
+10、成员：袁冬琴，湖南大学机器人学院，硕士生

sigs/RobotVision/meetings/meeting-template.md

@@ -0,0 +1,17 @@
+# Thursday April 2, 2020 at 21:30pm GMT+8
+
+## Agenda
+
+## Conference links
+
+## Attendees
+
+* Tom (Huawei)
+
+## Notes
+
+* TODO
+
+## Action items
+
+* TODO

sigs/TimeSequence/README.md

@@ -0,0 +1,59 @@
+# 背景
+
+随着信息产业技术的升级，产生了大规模的时间序列数据，长期并广泛存在于工业制造、航空航天、公共卫生、环境保护等关键基础领域。时间序列信息能够被充分理解、计算和利用，实现精准预测并辅助决策，是关系到国家竞争力的重要问题。该类分析的朴素描述是回归问题，在上个世纪60年代，序列数据规模较小、任务相对简单，以线性回归为代表的统计学手段是主流的解决手段，通常要求被分析的序列具有一定统计假设。进入互联网时代后，数据的规模发生了显著的变化，以循环神经网络、时间卷积网络等为代表的深度学习模型被引入，其独特的端到端 (End-to-End) 网络架构可以避免专家知识依赖的领域特征工程，直接建模大规模的序列关联。SIG领衔人在该领域提出了Informer等代表性模型，并推动序列预测往长时序发展。针对海量的数据处理需求和多变的业务需求，序列预测技术持续演进，赋予了这个领域独特的研究热度和生命力。在此背景下，昇思MindSpore时序AI专项兴趣小组（简称：时序AI SIG）正式成立，并面向开源社区招募志同道合的伙伴。
+
+## 时序AI SIG的使命
+
+产业大数据中产生越来越多的长序列预测与决策需求，带来全新的挑战和困难。首先长序列预测的输出显著变长，导致传统模型长期预测性能严重失效、预测效能受制于模型推断复杂度。并且长序列预测中元素关联跨度大，导致输入数据中预测机理不明确、关键元素缺失导致的协同建模困难被明显放大。因此针对产业大数据中，因序列数据的长度和规模持续递增所带来的，长序列预测失效、远期关联语义失真、结构嵌入模型失序等难题，重点解决长序列预测关键科学问题，小组主要开展了如下几个方向的工作：
+
++ 长序列高效建模和精准预测：研究长序列场景下序列数据的稀疏建模与单步推断预测，利用序列数据的长尾冗余性假设，建模序列稀疏机制以提升长序列模型的计算效率和准确性，并通过避免迭代递推计算减小预测误差的累积，保证模型计算复杂度与预测精度的有效平衡，解决长序列数据的高效精准预测问题
+
++ 长序列协同预测和持续决策：研究多序列场景下内嵌数理规则的长序列数据预测方法，突破传统预测模型可解释能力不足、预测机理不明确、关键元素缺失的局限性，通过融合数理方程提升模型稳定可解释预测的能力，还原非稳态环境下的环境与策略的复杂依赖关系，解决长序列数据的数理规则协同预测与持续决策问题。
+
++ 长序列结构嵌入和组合预测：研究多任务场景下长序列数据结构关联的嵌入模型框架搭建，针对不同的任务主导因素分布，提出了具有时空分辨颗粒度的多种序列数据建模方式，通过使用网络架构自动搜索方法进行多任务的数据分布长期变迁追踪和组合预测。
+
++ 联合共建MindSpore“长序列智能计算通用套件”：基于全场景AI框架昇思MindSpore，实现一系列序列模型的落地和推广，目标典型产业领域需求，推动构建大规模时序模型预训练任务。研究更为规范和自动化的模型迁移技术以提升AI模型从其他框架迁移到MindSpore的自动化程度，以降低其他框架模型迁移到MindSpore的成本，形成融合生态。
+
+## 时序AI SIG工作计划
+
++ 初期：以成员学术交流活动为主，每月组织线上交流活动，围绕时序预测AI中涉及的高效建模、精准预测、协同决策、持续决策、组合预测等问题，介绍研究工作进展，讨论研究工作中的难点。
+
++ 中期：通过合作开发等模式，在国内高校及企业间开展时序预测AI问题的合作研究。
+
++ 后期：通过任务揭榜或比赛PK等模式，在全球范围内开展时序预测AI问题的合作研究。
+
+## 时序AI SIG 学习指南
+
++ 前期基础：需要成员对机器学习的基本理论有所掌握，了解经典时序模型（Arema，LSTM，…）的原理并且能够动手复现。另外需要具备一定的文献阅读能力和代码开发能力。
+
++ 进阶路线：
+
+1. 了解时序常见问题（预测、分类、异常检测等）和对应的常用处理方式。
+2. 按照“统计类模型—树模型—深度学习模型”的顺序逐步学习时序领域经典模型。
+3. 动手实践一些开源项目，或者参加一些时序领域比赛。
+
+## 时序AI SIG人员构成
+
+领衔成员：
+
+周号益，北京航空航天大学软件学院助理教授，大数据与脑机智能高精尖创新中心、未来区块链与隐私计算高精尖创新中心成员，人工智能学会CAAI青工委委员，北京青年互联网协会会员。主持参与国家自然科学青基/重点/面上项目、科技部重点研发项目，主持参与华为、国家电网、航天五院、京东方等企业项目。研究成果发表在国际顶级学术会议期刊10余篇，授权专利5项。获人工智能国际顶级会议AAAI 2021最佳论文奖、服务计算顶级会议IEEE IWQoS 2022最佳论文奖；获国家电网大数据中心科技进步一等奖、工信部工业互联网创新成果转化一等奖等；入选ACM China北京优博奖、世界人工智能大会WAIC 2021“云帆奖”、北京市“海英之星”、智源领域新星等。
+
+小组成员：
+
+姓名 单位 任职 邮箱
+
+仉尚航 北京大学 助理教授 shanghang@pku.edu.cn
+
+孙佩源 北京航空航天大学 讲师 sunpy@buaa.edu.cn
+
+苑玉杰 华为公司 昇思MindSpore布道师 yuanyujie@huawei.com
+
+朱天晨 北京航空航天大学 博士在读 zhutc@act.buaa.edu.cn
+
+李岚皓 北京航空航天大学 博士在读 lilanhao@buaa.edu.cn
+
+高崇涵 北京航空航天大学 硕士在读 gaoch@buaa.edu.cn
+
+肖思炀 北京航空航天大学 硕士在读 xiaosy@act.buaa.edu.cn
+
+陈博胆 北京航空航天大学 硕士在读 chenbd@act.buaa.edu.cn

sigs/TimeSequence/meetings/meeting-template.md

@@ -0,0 +1,17 @@
+# Thursday April 2, 2020 at 21:30pm GMT+8
+
+## Agenda
+
+## Conference links
+
+## Attendees
+
+* Tom (Huawei)
+
+## Notes
+
+* TODO
+
+## Action items
+
+* TODO

sigs/XAI/README.md

@@ -0,0 +1,59 @@
+# Summary
+
+Explainable AI (also termed transparent AI) is a form of artificial intelligence whose behavior is easily understood by humans. Unlike a "black box" in machine learning, in which the creators of an AI cannot explain how a specific decision was made, it implies the "explainability" of the algorithm's operation. The MindSpore XAI SIG is an initiative designed to build a collaborative environment for innovative research and industrial applications in XAI.
+
+## Motivation
+
+Theoretical flaws in machine learning decision-making mechanisms
+Due to data samples' general limitations and biases, this association learning will inevitably learn a spurious relationship. A model based on this as a decision-making basis may perform well on most test data, but in fact, the reasoning and decision-making ability based on correct causality has not been learned, and its performance will be greatly reduced when faced with new data with distribution shift from the training samples.
+
+## Application pitfalls of machine learning
+
+First, due to the limitations and biases of data sample collection, data-driven AI systems are also biased, tantamount to bias in human society. Entrusting the future and destiny of individuals to such a biased artificial intelligence system damages social justice and causes contradictions among social groups.
+Secondly, the "black box" deep neural network often makes low-level mistakes humans do not make, leading to potential security risks.
+Lastly, and most importantly, from the point of view of the decision-making mechanism, the current analysis of deep learning algorithms is still in an opaque exploratory stage. Especially for super-large-scale pre-trained neural networks with hundreds of millions of parameters, such as BERT[1], GPT3[2], etc., the decision-making process is still not clearly explained academically. Such "black box" deep neural networks cannot be fully understood and trusted by humans for the time being, and the potential risks of large-scale application of such pre-trained models cannot be ignored.
+Traditional AI systems fail to meet regulatory requirements in major fields such as finance, medical care, and law, legislation on the prevention and supervision of the application risks of artificial intelligence systems has been gradually strengthened and implemented.
+
+## Goals
+
+The goals of this SIG are as follows:
+
+1. To develop novel solutions to basic scientific problems such as poor robustness, poor interpretability, and strong dependence on data of artificial intelligence methods represented by deep learning;
+
+2. To improve the state-of-the-art XAI solutions, such as perturbation, counterfactual, and explainable GNN;
+
+3. To explore the basic principles of machine learning, develop explainable and general-purpose next-generation artificial intelligence methods;
+
+4. To promote the innovative application of explainable artificial intelligence methods in the scientific/industrial fields;
+
+5. To promote academic activities, including academic workshops, conferences, and contests;
+
+6. To contribute to open-source software for XAI based on MindSpore
+
+## SIG members
+
+PolyU:
+
+Prof. LI Qing qing-prof.li@polyu.edu.hk lead
+
+Dr. ZHANG Chen jason-c.zhang@polyu.edu.hk  co-lead
+
+Dr. LIN Wanyu wan-yu.lin@polyu.edu.hk approver
+
+Dr. FAN Wenqi wenqi.fan@polyu.edu.hk approver
+
+Dr. ZHOU Kai kai.zhou@polyu.edu.hk approver
+
+Huawei:
+
+Dr. CAO Chen caleb.cao@huawei.com approver
+
+Dr. WANG Lunning wangluning2@huawei.com approver
+
+Dr. Yang Yujie yuanyujie@huawei.com approver
+
+Dr. Huang Yongxiang huang.yongxiang2@huawei.com coordinator and contactor
+
+HKUST:
+
+Prof. CHEN Lei leichen@cse.ust.hk co-lead

sigs/XAI/meetings/meeting-template.md

@@ -0,0 +1,17 @@
+# Thursday April 2, 2020 at 21:30pm GMT+8
+
+## Agenda
+
+## Conference links
+
+## Attendees
+
+* Tom (Huawei)
+
+## Notes
+
+* TODO
+
+## Action items
+
+* TODO