为了在人工智能和模式识别这两大重要领域进行进一步的探索，与学界和业界相关人员交流新问题、新发现、新成果、新应用，华侨大学计算机科学和技术学院主办了2022年第五届人工智能和模式识别国际会议（AIPR 2022），本次会议于2022年9月23日至25日通过云端会议平台ZOOM顺利举办。
一、作为东道主，邀请多国知名专家学者
会议接纳了两百余位分别来自中国、美国、加拿大、新加坡、日本、印度、俄罗斯、意大利等多个国家和地区的高校、研究机构的学者和企业的从业人员共聚线上会议室，围绕数据模型与计算，图像、视频中的智能识别技术，机器学习等主题积极展开交流讨论，探讨领域中的热点、难点和重点问题，并分享领域中最新的研究技术成果。
会议开幕式上，大会主席华侨大学计算机科学和技术学院院长缑锦教授为开幕式致辞并向各位参会代表致欢迎词，大会主席加拿大阿尔伯塔大学电气与计算机工程系教授Witold Pedrycz主持大会主题报告。
(缑锦教授为开幕式致辞)
(与会代表合照)
二、围绕会议中心，主题报告深入探讨人工智能和模式识别相关交叉学科的前沿问题
9月24日，会议邀请到了人工智能和模式识别相关领域的四位IEEE Fellow出席会议，他们就各自所在研究领域分别发表主题报告，并和在场多位与会专家学者进行了深入沟通交流。
上午，来自美国加利福尼亚大学洛杉矶分校的曾获“奥斯卡技术成就学院奖” 的”三院院士” Demetri Terzopoulos教授（ACM Fellow，IEEE Fellow，加拿大皇家学会会士）作了题为“A Personal Perspective on Medical Image Analysis: Pattern Recognition, Modeling, and Deep Learning”的主题报告，报告从个人角度介绍了将计算机视觉和人工智能的其他方面用于应对计算机辅助医学图像分析和诊断的困难挑战的主要里程碑，讨论了最先进技术日益明显的局限性，旨在通过混合学习/建模和基本无监督的多任务方法，在困难的自动医学图像分析任务上实现更高的性能水平。
(Demetri Terzopoulos教授与会报告)
来自佐治亚理工学院的刘玲教授（IEEE Fellow）分享了题为“Ensemble Learning Methods for Dirty Data”的主题报告，在本次演讲中，刘玲教授重点介绍了佐治亚理工学院开发的以多样性为中心的集合学习框架，包括通过提高整个系统的泛化性能和最大限度地提高集合效用和对脏数据的复原力来衡量、执行和组合多个神经网络的方法和算法。
(刘玲教授与会报告)
来自新加坡国立大学的李海洲教授（新加坡工程院院士，IEEE Fellow, ISCA Fellow）作了题为“Recent Advances in Selective Auditory Attention”的主题报告，分享介绍了用于单声道语音分离和说话人提取的深度学习解决方案，这些解决方案能够实现选择性的听觉注意。李教授还介绍了它们在语音识别、说话人识别和助听器中的应用，讨论了计算听觉模型、技术挑战和该领域的最新进展。
(李海洲教授与会报告)
来自青岛大学的侯忠生教授(IEEE Fellow)分享了题为"Control Theory under Age of AI and Big Data"的主题报告，报告主要介绍了大数据/人工智能的背景，卡尔曼范式及其挑战，数据驱动的无模型自适应控制（MFAC）及其利用数据和知识的能力，MFAC与自适应控制和PID之间的关系等重要内容。
(侯忠生教授与会报告)
三、设置学者分会场，在专业领域进行深入交流
9月24日下午及9月25日全天，大会根据报告主题方向划分设置了17个分组报告，分别就神经网络理论与算法、数据模型与计算、机器学习、文本分类与情感分析、目标检测、特征提取与融合、机器视觉与图像模型等主题进行了论文报告，分组讨论由来自华侨大学、西南交通大学、华中科技大学、北京语言大学、北京邮电大学、上海理工大学、克里夫兰州立大学、达特茅斯学院等高校的学者主持。
170余位参会学者在相关的主题分会场就个人最新研究成果进行了15分钟左右的展示和分享，分会主席就相应报告提出点评及建议，并积极推进线上即时讨论和问答，促进了参会人员就具体问题充分、细致的讨论，加深了参会人员对相关领域最新发展和技术难点的了解，从而实现相互启发促进和共同提高的目的！
(主题分会合影留念)
四、大会闭幕，收获海内外与会专家学者赞扬
9月25日晚，大会程序委员会主席华侨大学计算机科学和技术学院副院长、田晖教授主持会议闭幕式并发表致辞，总结了会议召开期间获得的丰硕成果，宣布了各分组报告的最佳报告奖项，并向所有与会人员表达了真诚感谢。
(田晖教授为闭幕式致辞)
本次线上交流会议为全球疫情持续笼罩下的海内外学者开展国际交流提供了新的思路。会议期间，华侨大学师生与海内外专家及研究人员就共同领域进行了深入探讨和交流，为进一步开展科研合作以及学术往来奠定了基础。会议取得了超出预期的成果，肯定了我院在人工智能和模式识别方向取得的优异成绩！
人工智能是一个高度交叉复合、快速发展的领域，具有无所不在的广阔应用场景。目前，我国人工智能基础研究发展态势良好，已经成为人工智能基础研究大国。但成为人工智能基础研究强国，还需要在需求牵引下，按照问题导向继续弘扬“十年磨一剑”的科学家专注精神。与此同时，随着信息技术的发展和推广应用，模式识别所需处理的数据呈现出多源异构、海量混杂、时空动态演变的新特点，对模式识别系统的性能和安全要求越来越高。从总体发展态势上，传统的难点基础理论问题和技术瓶颈问题尚未得到全面充分地解决；同时，在基于泛在感知与开放环境感知的智能信息处理过程中不断地产生着诸多新型的模式识别问题，需要新的学习方法加以解决。
