12月3至5日，第七届信息通信技术与灾害管理国际学术会议在线上举行。本次会议由浙江省人民政府授权，浙江传媒学院主办，智能媒体技术研究院和媒体工程学院承办，围绕“应急服务”“临时规划”“灾难管理”等议题展开交流和研讨，分为3个主题演讲和7个研讨会，来自美国、德国、日本、法国、奥地利及海峡两岸的专家、学者、师生代表共计100余人参加会议。会议受新冠疫情的影响，被迫改为线上举行，尽管形式有别，但开得如同往届一样精彩。

  学校副校长李文冰教授为大会致欢迎辞。她指出，随着互联网、移动智能终端、物联网等信息通讯技术迅猛发展，以及计算机计算能力不断提升的背景下，各种数据爆炸式增长和数据的持续获取成为现实。为了充分发掘大数据的价值，我们必须解决包括数据采集、信息抽取和清理、数据集成、数据分析以及解释和部署等一系列问题。同时还提到，若能妥善解决这些问题，将在疫情服务、临时规划、生态恢复等灾害管理方面起到重要的推动作用。最后，她对会议的顺利召开表示热烈祝贺，对长期以来关心支持学校发展的朋友们表示衷心的感谢，对本次会议及参会各方表达了美好祝愿。

开幕式由大会联合主席之一、智能媒体技术研究院副院长张解放教授主持。他说本次会议安排在我们学校主办和承办，得到了学校领导和有关部门的大力支持，非常感谢各位专家学者的积极参与，欢迎各位有机会到学校参观指导，并就相关学术问题进行深入交流。

大会联合主席之一、日本电气通信大学策力木格教授作会议情况专门介绍。自第一届信息通信技术与灾害管理会议2014年在阿尔及利亚举办至今已成功举办了六届，他回顾了历届会议的承办情况，并着重介绍了此次会议的组织机构、会议宗旨及会议收录论文的情况。他对为本次会议顺利召开提供保障支持和付出努力的单位及工作人员表示由衷感谢。

浙江大学信息技术学院副院长陈积明教授做了题为《分析新型冠状病毒肺炎的时空数据特征》的主旨报告。利用时空数据对新冠疫情进行了全面分析，同时在疫情态势监测、传播机理分析、早期预测等方面进行了深入探讨。通过对智能设备位置信息的长时间、大规模采集，采用时空域结合的分析方法，揭示了群体活动模式同疫情态势的关系；并基于时空域数据和SIR模型进一步刻画了活动情况同疫情感染率的关系；最后基于对抗生成网络等技术，从群体层面和个人层面提出了有效的疫情早期预测方法。

香港理工大学计算机系郭嵩教授做主旨报告《智能城市边缘智能TinyML系统》。郭教授介绍了面向边缘计算的轻量级机器学习方法，并从智慧出行、智慧管理、智慧生活等角度阐述了轻量级机器学习方法对智慧城市的重要作用。郭教授团队设计了一种不对称量化（Octo）的机器学习训练方法，可以INT8的精度逼近FLOAT32精度的模型性能；通过部分异步并行框架，有效降低各边缘节点共享训练知识时的通信代价。最后，面向设备异构问题，设计了一种基于知识迁移的联邦学习模式，通过软预测的形式有效解决设备及用户的差异化数据分布问题。

美国奥本大学教授、Earle C.Williams杰出学者毛世文做题为《基于深度学习的室内指纹识别》报告。毛世文教授介绍了将深度学习应用于基于指纹的室内定位技术，提出了ResLoc的设计，同时还提出了一种基于深度高斯过程的室内无线地图构建和位置估计方法DeepMap，旨在大大减少训练负担。实验结果表明，在具有代表性的室内环境中，与现有的定位方法相比基于深度学习和C的定位系统能够有效地降低定位误差。

4日和5日，7场研讨分会有序进行，来自国内外高校和研究机构的30多位论文作者分别作了精彩的报告，聚焦会议主题，从学术、技术、产业、研究等进行深度研讨，并分享了信息通信技术、人工智能、优化算法等交叉学科应用中取得的创新性研究成果。

本届灾害管理信息与通信技术国际会议如期召开，不仅提升我校了国际影响力，推动我校科研事业更高质量发展，还为参会各方交流学术思想，碰撞思维火花提供平台，进一步推动管理信息与通讯技术研究。