Mobicom2018参会总结
15级拔尖班 朱孟泽
一周的会议时间过得很快，这是我第一次参加学术会议的经历，有很多体会。
出于对移动计算分析领域的强烈兴趣，我找到了刘譞哲老师的实验室，和博士生徐梦炜学长，合作了两段移动计算系统优化的研究工作。其中一篇论文DeepCache: Principled Cache for Mobile Deep Vision被Mobicom2018收录，我们去参会展示成果。在这项工作中，我们为CNN视觉任务提出了一个细粒度的缓存系统，我们称之为DeepCache。它的工作原理如下。当一个新的图像帧到来时，它将首先根据我们创新的图像匹配算法与前一帧匹配。我们的算法将快速准确地识别可重用区域，并将其传递给修改后的CNN算法运算系统。该系统将在不同CNN层之间传播关于可重用区域的信息，并重用来自最后帧的计算结果。最后，我们优化了18%的时间和20%的能量消耗。
第一天和最后一天的workshop，主要内容分别是参会文章的前瞻和前沿领域的研究方向，而中间三天的主会则是每一篇文章团队的展示，覆盖了移动计算的各个领域。听了很多大牛的演讲，我认为之所以移动计算需要优化，其原因是移动设备的计算能力有限，在时间和能耗上实现深度神经网络的计算有一定困难。解决方案基本上有两种：寻求高计算性能的设备的协助和本地优化。而我们这篇文章采取的是第二种解决办法。具体来说，借助输入的相似性，达到时间能耗与准确度的这种权衡。我之前还和梦炜学长合作过DeepWear: Enabling Deep Learning on Wearable Devices via Adaptive Local Offloading这篇文章，目前等待IEEE Transactions on Mobile Computing的最终审核。这篇文章就是在讨论第一种方式的可行性，在Mobicom2018会议上也有学者提出，这种方式的瓶颈是数据传输，我们给出了其中一种解决方案，将数据先进行本地计算压缩，选取合适的分割点再传输，平衡了计算和传输的时间和电池消耗，达到总体最优。
我认为参加学术会议更大的价值在于，输入和输出。我同梦炜学长参会归来，接受了很多同行优秀科研工作者的理念，将可取的地方融入到北大里，聚沙成塔，学习优秀的学术理念和成果。同时，我们也带去了北大的成就，让全国乃至全球其他学校看到我们的独特之处，随着我们信科学院的进步，他们也会更多地发现北大人身上的闪光点，从而更加认可我们的学术水平。这一点，是我认为交流活动最宝贵的地方。不可否认的是，在计算机领域，美国的顶尖学校目前比我们领先，这也是我们去参会交流的原因，努力学习，赢得尊重，争取赶超。
在科研路上，我还有很长的路要走，我将会不断完善挑战自己，完善自己。最后，感谢信科学院和拔尖班能给我去参会的机会，我也会尽我所能，将我所学，去反馈学校。老师们辛苦了！
