报告人

陈俊龙 教授
1 陈俊龙 教授
澳门大学

题目:智能控制算法

简介:陈俊龙(C. L. Philip Chen)博士,澳门大学讲座教授,科技学院前院长,中国自动化学会副理事长及会士,澳门科协副会长,IEEE Fellow,美国科学促进会AAAS Fellow, 国际系统及控制论科学院 IASCYS 院士,香港工程师学会 Fellow,国家千人学者、国家特聘专家。陈教授现任 IEEE系统人机及智能学会的期刊主编,曾任该学会国际总主席。陈教授主要科研在智能系统与控制,计算智能,混合智能,数据科学方向。在2018年“计算机科学学科”高被引用文章数目学者中世界排名在前17名。详见 https://orcid.org/0000-0001-5451-7230 。陈教授获 IEEE 学会颁发了4次杰出贡献奖,是美国工学技术教育认证会( ABET)的评审委员。 澳门大学工程学科及计算机工程获得国际【华盛顿协议】的认证是陈教授对澳门工程教育的至高贡献。担任院长期间带领澳门大学的工程学科及计算机学科双双进入世界大学学科排名前200名。2016年他获得了母校美国普度大学的杰出电机及计算机工程奖。

摘要:智能控制是来解决传统控制方法难以解决的非线性、高度不确定性、信息不完全性、或者因人而产生复杂性等的具有复杂控制任务的问题。此次报告是讨论基于人工神经网络理论、模糊数学理论、计算智能理论、及模式识别理论等为基础而衍生出来的智能控制方法。课题包括:(1)神经网络控制;(2)模糊控制;(3)强化学习控制;(4)智能自适应控制;(5)基于遗传算法的智能控制;(6)混合智能的控制。

张纪峰 教授
2 张纪峰 教授
中国科学院数学与系统科学研究院系统所

题目:时间非一致性与随机最优控制

简介:张纪峰,中国科学院数学与系统科学研究院系统所所长。研究方向为随机系统、有限信息系统、多自主体系统的分析与控制等。1997年获国家杰出青年基金资助,2009年获全国优秀博士学位论文指导教师荣誉证书, 2010年和2015年先后两次获国家自然科学二等奖,2014年当选为美国电气与电子工程师协会会士(IEEE Fellow),2016年当选为国际自动控制联合会会士(IFAC Fellow)和国际系统与控制科学院院士,2018年当选为欧洲科学与艺术院院士。 现为国务院学位委员会系统科学评议组召集人、国际自动控制联合会技术局副主席、中国自动化学会副理事长、中国系统工程学会副理事长、中国工业与应用数学会常务理事,先后担任《系统科学与数学》、《中国科学: 信息科学》、《系统工程理论与实践》、《IEEE Trans. on Automatic Control》、《SIAM Journal on Control and Optimization》等多个期刊的主编、副主编、编委等;以及包括多届中国控制会议、中国系统科学大会、2012 IEEE Conference on Control Applications, the 9th World Congress on Intelligent Control and Automation, the 17th IFAC Symposium on System Identification, the 20th World Congress of the International Federation of Automatic Control (IFAC)等在内的多个系统控制大会的副主席、程序委员会主席、副主席等。

摘要:对经典的最优控制问题,相应于给定时间-状态初始对的最优控制,将沿着最优轨迹保持最优;即以最优轨迹上任何一点作为新的时间-状态初始对,原有最优控制在后续时间区间上的限制,将是相应于此新初始对的最优控制。这一性质称为最优控制的时间一致性,它可由Bellman最优性原理推得。最优控制的时间一致性虽然在经典最优控制理论中很少被提及,但事实上它是一个本质性的概念,现有的Bellman动态规划理论主要依赖于时间一致性这一性质。 然而,现实世界中存在大量动态优化问题,对它们而言,Bellman最优性原理不再成立,进而最优控制的时间一致性也将丢失,即所考虑问题是时间非一致的;如下几种情形经常被文献提及:(i) 指标泛函中的贴现函数是非指数的,(ii) 指标泛函中存在条件期望的非线性项,(iii) 指标泛函是初始状态显式依赖的。这些现象广泛存在于经济学和金融学领域,比如双曲贴现函数,准几何贴现函数,均值-方差效用函数等。 本报告将详细介绍时间非一致性,具体地,将揭示时间非一致性自Adam Smith以来的定性分析和概念萌芽,阐述其在金融学和经济学中的定量分析和成功运用,描述了系统控制领域的相关研究进展,强调了研究随机最优控制领域内时间非一致的必要性。

施路平 教授
3 施路平 教授
清华大学

题目:类脑计算及类脑计算系统

简介:施路平,清华大学教授,国家千人特聘教授,清华大学类脑计算研究中心主任,光盘国家工程研究中心主任,国际光学工程学会(SPIE)会士。1992年从德国科隆大学获博士学位, 1996-2012在新加坡科学院数据存储研究院光学材料和系统实验室主任, 非易失性存储器实验室主任。曾领导过新加坡科学院10年人工认知存储器重大交叉研究项目。2012年加入清华大学创建类脑计算研究中心,中心从基础理论、神经形态器件、类脑芯片、类脑软件、系统和应用对类脑计算进行全面研究。2015年,领导研制成功首款跨模态异构融合神经形态类脑计算芯片(天机芯),相关结果发表在2016.12 science智能机器人特刊上。研究领域:类脑计算、信息存储、集成光电子、智能系统和仪器。已发表近200多篇学术论文 (包括Science,Nature Photonics), 2004年荣获新加坡国家科技奖。

摘要:类脑计算系统是借鉴人脑信息处理方式,打破“冯•诺依曼”架构束缚,适于实时处理非结构化信息、具有学习能力的超低功耗新型计算系统。当前欧盟、美国等均斥巨资长期支持此研究,但是这项研究目前均处于起步阶段,尚未形成公认技术方案。此报告将从为什么(why)?做什么(what)?和怎样做(how)?三方面来分析类脑计算系统研究,分析发展类脑计算的挑战和前景。

孙富春 教授
4 孙富春 教授
清华大学

题目:基于视触觉融合的目标识别与灵巧操作

简介:孙富春,清华大学计算机科学与技术系教授,博士生导师,国家杰出青年基金和全国优秀博士论文奖获得者。清华大学校学术委员会委员,计算机科学与技术系学术委员会主任。兼任国家重点研发计划机器人总体专家组成员,国家自然基金委重大研究计划“视听觉信息的认知计算”指导专家组成员,中国人工智能学会认知系统与信息处理专业委员会主任,中国自动化学会认知计算与系统专业委员会主任,国际刊物《IEEE Trans. on Fuzzy Systems》,《IEEE Trans. on Systems, Man and Cybernetics: Systems》《Mechatronics》和《International Journal of Control, Automation, and Systems (IJCAS)》副主编或领域主编,国际刊物《Robotics and Autonumous Systems》和《International Journal of Computational Intelligence Systems》编委,国内刊物《中国科学:F辑》和《自动化学报》编委。

摘要:为实现机器人柔和灵巧的操作能力,下一代机器人需装备多模态的分布式感知与融合模块,有望突破像人一样的跨模态信息感知、表征/融合和动作行为。本报告介绍了清华大学课题组研制的高分辨率四模态传感装置和装备有四模态人工皮肤/类肌肉驱动的五指灵巧手,该灵巧手的分布式传感装置包含了微视觉、压力觉/滑觉和温度觉传感器。报告给出了研究团队在跨模态的视触觉信息的处理方面取得理论成果,包括基于视触觉信息的目标识别以及感知-动作映射问题的深度学习和经验学习方法。最后是实验结果分析和未来的研究展望。

汪玉 副教授
5 汪玉 副教授
清华大学

题目:基于FPGA的深度学习处理器

简介:汪玉,清华大学电子工程系长聘副教授,从事高能效电路与系统研究,发表论文200余篇,IEEE/ACM杂志文章40余篇;谷歌学术引用3100余次。担任ACM SIGDA E-News主编,Microecltronics Journal Special Issue Editor, IEEE TCAD编委,DAC等领域顶级会议技术委员会委员,ACM杰出演讲者,ACM FPGA技术委员会亚太地区成员。16年获得NSFC优秀青年基金。获得FPGA17、NVMSA17、ISVLSI12最佳论文,以及8次国际会议最佳论文提名。深度学习FPGA加速器在2016年知识产权转化入股北京深鉴科技有限公司,打造世界最先进的深度学习芯片与平台。

摘要:深度学习的应用日益广泛。相比于传统的CPU/GPU平台,针对定制计算结构能够提供更高的计算能效。但是,基于FPGA的深度学习加速器面临开发周期长,性能受限等问题。本报告将通过总结已有工作,结合实际设计经验,总结针对深度学习加速器的设计思路,之后介绍基于FPGA的高能效、快速部署的深度学习处理器结构和部署流程[FPGA 2016+2017]。其中压缩和量化技术可以去除算法中的冗余操作,减少系统计算和存储的需求,同时量化还能够提升FPGA系统的峰值计算能力。由于CNN和DNN/RNN在计算和存储模式的本质差异,针对CNN、DNN/RNN分别设计了两种体系结构与相应的指令、编译系统。基于赛林思的平台,CNN和LSTM的平台均取得了比嵌入式和桌面GPU更好的能量效率(>60GOPS/W)。

王亮 研究员
6 王亮 研究员
中国科学院自动化研究所

题目:AI时代视觉大数据的智能分析

简介:王亮 ,博士,中国科学院自动化研究所研究员,博导,IEEE高级会员、国际模式识别协会会士(IAPR Fellow),模式识别国家重点实验室副主任、图象图形学学会视觉大数据专委会主任、计算机学会计算机视觉专委会秘书长、图像视频大数据产业技术创新战略联盟秘书长、电子学会青年科学家俱乐部副主席。2010年中科院百人计划入选者(终期优秀),2015年国家杰出青年科学基金获得者、中科院脑科学与智能技术卓越创新中心骨干人才,2016年国家青年科技奖获得者、中科院特聘研究员、国家重点研发计划项目首席,2018年入选首都科技创新领军人才培养工程。2004年获中科院自动化所工学博士学位。2004-2010年分别在英国帝国理工学院、澳大利亚莫纳什大学、墨尔本大学及英国巴斯大学工作。主要研究领域是模式识别、计算机视觉、大数据分析等。

摘要:本报告首先简介人工智能的概念和现状,然后介绍其重要的一个分支领域-计算机视觉。视觉大数据分析是模式识别的前沿方向。近年来,深度学习已经在语音、视觉、自然语言处理等领域取得了很大成功,接下来重点回顾深度学习历史及其在视觉大数据分析中的应用进展。针对深度神经网络在结构、功能、泛化性等存在的问题,进一步探索模拟认知过程中的注意、记忆等机制,研究深度认知神经网络理论和方法。最后,展望了几个未来可能的研究方向。

张兆翔 研究员
7 张兆翔 研究员
中国科学院自动化研究所

题目:生物启发的视觉计算

简介:张兆翔,博士,中国科学院自动化研究所研究员,博士生导师,中国科学院脑科学与智能技术卓越创新中心年轻骨干,IEEE高级会员,计算机学会YOCSEF委员,计算机视觉专委会委员,模式识别与人工智能专委会委员,人工智能学会模式识别专委会委员。2004年毕业于中国科学技术大学,获得电路与系统专业学士学位;2004年进入中国科学院自动化研究所硕博连读,于2009年获得工学博士学位。2015年任职中国科学院自动化研究所类脑智能研究中心研究员。张兆翔博士一直从事智能视觉监控方面的研究工作,近期进一步聚焦在结合类脑智能和类人学习机制的视觉计算模型,在可用信息建模和基于模型的物体识别问题上开展了系统工作,在面向国家公共安全和智慧城市监管需求的系统平台上取得成功应用,取得显著社会影响和经济效益,近五年来在国际主流学术期刊与会议上发表论文100余篇,SCI收录期刊论文40余篇,担任了ICPR、IJCNN、AVSS、PCM等多个国际会议的程序委员会委员,SCI期刊《Neurocomputing》编委,《IEEE Access》编委,《Pattern Recognition Letters》客座编委、《Frontiers of ComputerScience》青年编委和TPAMI、TIP、TCSVT、PR等20余个本领域主流期刊的审稿人。入选“教育部新世纪优秀人才支持计划”、“北京市青年英才计划”和“微软亚洲研究院铸星计划”。

摘要:以深度学习为代表的模式识别方法在多种视觉应用中取得了显著成功,甚至媲美人的性能,但是与生物模式识别系统相比,现有的深度学习方法在自适应性、可泛化性和多任务协作方面依旧存在明显缺陷。从脑的神经信息处理机制、认知方法和行为特性上寻求启发有望指导更好的神经网络建模,实现更为鲁棒的类人学习,具有重要研究意义与应用前景。本报告将对近年来生物启发的视觉计算工作的回顾基础上,对我们近期开展的脑启发的神经网络建模与学习方法开展研究,具体报告内容包括神经网络的结构建模、面向多任务的神经网络架构学习、视听模态分析与整合、知识蒸馏和多智能体协同等。

吴华强 教授
8 吴华强 教授
清华大学

题目:基于新型电子突触器件的类脑计算研究

简介:吴华强, 清华大学微纳电子系,教授,副系主任,清华大学微纳加工平台主任,北京市未来芯片技术高精尖创新中心副主任。2000年毕业于清华大学材料科学与工程系,获得工学学士学位;同年获清华大学经济管理学院管理学士学位(双学位)。2005年在美国康奈尔大学(Cornell University)电子与计算机工程学院获工学博士学位。随后在美国AMD公司和Spansion公司非易失性存储器研发中心任高级研究员和主任研究员,从事先进非易失性存储器的架构、器件和工艺研究。2009年,加入清华大学微电子学研究所,研究领域为新型半导体存储器及基于新型器件的类脑计算研究。先后负责多项自然科学基金、863、973和重点研发计划多项课题。在Nature Communications, Nature Electronics, Nano Letters, Advanced Materials, Advanced Functional Materials, Scientific Reports等期刊和国际会议发表论文100余篇,获得美国授权发明专利21项,获得中国授权发明专利32项。

摘要:人工智能的研究和应用已经取得了突飞猛进的发展,但是运行人工智能深度神经网络算法的计算平台主要是超级计算机群(成百上千个CPU和GPU),不但需要巨大的硬件投入,而且占用的空间和消耗的能源也非常可观。受限于存储计算分离对芯片性能的限制,同时CMOS工艺微缩速度放缓,以及人工智能应用对计算存储需求的不断提升,当前的技术将面临诸多新的挑战。在这一背景下,新器件的出现变得至关重要,通过引入新原理的半导体器件,不但可以拓展芯片的功能,甚至可以颠覆传统电路理论,突破当前芯片面临的能效、速度瓶颈,大幅提升芯片性能。基于过渡族金属氧化的忆阻器件显示出了优越的存算一体的特性,能够规避存储和计算之间数据搬运的功耗并且能够实现大规模集成,进而实现高性能计算。 展望未来,智能社会即将来临!面向未来的智能芯片,最底层的器件需要具备哪些特性呢?

赵明国 副教授
9 赵明国 副教授
清华大学

题目:利用机器人的自然动力学来实现高能效的移动

简介:赵明国,清华大学自动化系副教授,机器人控制实验室主任。主要从事仿人机器人控制及无人驾驶自行车的研究工作。发表文章40余篇,并获得国家发明专利10余项。担任RoboCup中国委员会委员,自动化学会机器人竞赛工作委员会委员,自动化学会智能自动化专业委员会委员,人工智能学会智能机器人专业委员会委员。 基于被动行走理论提出了‘虚拟斜坡’和‘髋部弹性驱动’等行走方法,获得多项国家自然科学基金、机器人国家重点实验室基金的资助。Stepper2D样机上实现了4.48腿长/秒的双足机器人行走速度世界记录。研究成果应用于RoboCup人形组比赛,获得了多次世界亚军,并在2013年世界人工智能大会(IJCAI13)上获得了Robot Competition Physical Skills Category First Prize。完成了国内首台无人驾驶自行车的研制,并于2015年获得了NI Engineering Impact Award,2017年获得日内外国际发明展银奖。

摘要:服务机器人的应用中常常面临一个重要的问题:使用轮子还是腿来完成运动。两个方法都各有优缺点。在铺设好的道路环境中,轮式机器人因其简单高效而被大量采用,而在复杂多变的环境中,腿式机器人常常是最佳选择。无论采用哪种运动方式,能量效率都是我们最关心的问题之一。因此,在这两种机器人的应用中都有一个共同的主题:利用机器人的自然动力学来实现高能效的移动。 本报告将介绍清华大学机器人控制实验室在这方面做的一些研究工作,即先利用被动步行原理实现高能效的双足运动,然后通过反馈控制进一步提高机器人的稳定性,报告的另外一部分也将向您展示如何通过车把转向控制实现无人驾驶自行车的高能量效率。在这些例子中,我们采用了一种非常简单但非常规的控制方法,它们的共同特点是寻找并利用系统的自然动力学。在两足机器人的研究中,我们考虑的能量补充机制和稳定控制方法,并构造一个参数激励系统,最后实现了一种方法来改善反馈控制系统的稳定性。这种方法受混沌控制的启发,但也不局限与混沌系统,我们希望这种方法可以作为实现可穿戴的软体外骨骼的一种理论基础。在自主驾驶自行车的研究中,我们使用车吧转向过程中的离心力和重力的平衡来实现自行车的平衡控制,并实现了一个一个稳定、灵活、高效的无人驾驶自行车系统,这种技术可以应用于个人智能设备和自动驾驶系统。

胡晓林 副教授
10 胡晓林 副教授
清华大学

题目:神经网络的攻击与防御

简介:胡晓林,2007年在香港中文大学获得自动化与辅助工程专业博士学位,然后在清华大学计算机系从事博士后研究,2009年留校任教至今,目前是计算机系副教授。他的研究领域包括人工神经网络和计算神经科学,主要兴趣包括开发受脑启发的计算模型和揭示大脑处理视听觉信息的机制。在IEEE Transactions on Neural Networks and Learning Systems, IEEE Transactions on Image Processing, IEEE Transactions on Cybernetics, PLoS ONE, Neural Computation, European Journal of Neuroscience, Journal of Neurophysiology, Frontiers in Human Neuroscience, Frontiers in Computational Neuroscience 等国际期刊和CVPR, NIPS, AAAI等国际会议上发表论文70余篇。他是IEEE Transactions on Neural Networks and Learning Systems的编委。

摘要:神经网络在各种任务上取得了巨大的成功,但是人们发现它很脆弱:对输入数据做一点微小的扰动,就会导致输出结果完全不同。这种特殊扰动后的输入数据称为对抗样本,而这种操作被称为对神经网络的攻击。有攻击就应该有防御。防御的意思是构造方法使得神经网络不被对抗样本欺骗。我将介绍这个领域的历史和最新进展,并对未来进行展望。

曾志刚 教授
11 曾志刚 教授
华中科技大学

讲习班致辞

简介:曾志刚,华中科技大学教授、博士生导师,自动化学院院长,国家杰出青年科学基金获得者,教育部长江学者特聘教授,万人计划科技创新领军人才,图像信息处理与智能控制教育部重点实验室主任。先后担任IEEE Transactions on Neural Networks;IEEE Transactions on Cybernetics; IEEE Transactions on Fuzzy Systems;Cognitive Computation;Neural Networks;Applied Soft Computing;自动化学报和控制工程的编委。担任IEEE Transactions on Neural Networks and Learning Systems;Neural Computing & Applications;Neurocomputing;International Journal of Fuzzy Systems;Neural Processing Letters 等5个SCI源国际学术期刊的客座编委。担任过三十多个国际学术会议的大会主席,程序委员会主席,出版主席等。

注册费用

  • ◆ 2018年07月26日(含)前注册并缴费:自动化学会会员2000 元/人,非会员报名同时入会2500元/人
    ◆ 现场缴费:会员2500元/人,非会员3000元/人(包含提前报名现场缴费、现场报名现场缴费)
    ◆ 公务卡缴费可现场刷卡,但需要提前提交报名信息方可按优惠价格缴费
    ◆ 在校生参会可享受学生优惠价格1200元/人
    ◆ 自动化学会团体会员参加,按会员标准缴费
    ◆ 同一单位3人及以上团体报名,按会员标准缴费
  • ◆ 注册费包括讲课资料和两天会议期间午餐,其它食宿、交通费用自理

缴费方式

  • 方式一:在线缴费
    在线填写报名信息后完成缴费即可。支持支付宝、微信及银联在线支付
  • ◆ 方式二:银行转账
    帐 号:11-250101040011739
    户 名:中国自动化学会
    开户行:农行科院南路支行
    地 址:北京市中关村东路95号(100190)
    注:为方便核查缴费状态,烦请您务必在转账时备注“姓名+单位+讲习班”
  • 方式三:现场支付
    请于2018年07月27日下午在现场缴纳
  • 注意事项:
    1、为及时核查缴费状态,请在银行转账时,务必注明姓名、单位等信息,完成注册
    2、会议统一开具“会议注册费”发票
    3、发票和会议通知将在签到时统一发放(现场支付除外)
    4、采用现场支付方式交费的发票和会议通知将于会议结束后统一邮寄