題目：2024自動化與人工智能高端論壇

主講：王鈞教授等

時間：2024年01月02日（星期二）下午14:30-17:45

地點✍️🧑🏼‍🦳：官渡校區圖書館學術報告二廳

歡迎廣大師生參加！

科學技術部♋️、人工智能與自動化創新研究院、自動化學院

2024年01月02日

報告（一） ：

The State of the Art of Collaborative Neurodynamic Optimization

The past four decades witnessed the birth and growth of neurodynamic optimization, which has emerged as a potentially powerful problem-solving tool for constrained optimization due to its inherent nature of biological plausibility and parallel and distributed information processing. Despite the success, almost all existing neurodynamic approaches a few years ago worked well only for optimization problems with convex or generalized convex functions. Effective neurodynamic approaches to optimization problems with nonconvex functions and discrete variables are rarely available. In this talk, the advances in neurodynamic optimization will be presented. Specifically, In the proposed collaborative neurodynamic optimization framework, multiple neurodynamic optimization models with different initial states are employed for scattered searches. In addition, a meta-heuristic rule in swarm intelligence (such as PSO) is used to reposition neuronal states upon their local convergence to escape local minima toward global optima. Problem formulations and experimental results will be elaborated to substantiate the viability and efficacy of several specific paradigms in this framework for supervised/semi-supervised feature selection, supervised learning, vehicle-task assignment, model predictive control, financial portfolio selection, and energy load dispatching.

Jun Wang is the Dean of the School of Data Scienceand a Chair Professor of Computational Intelligence in the Department of Computer Science at City University of Hong Kong. Prior to this position, he held various academic positions at Dalian University of Technology, Case Western Reserve University, University of North Dakota, and the Chinese University of Hong Kong. He also held various short-term visiting positions at USAF Armstrong Laboratory, RIKEN Brain Science Institute, and Shanghai Jiao Tong University. He received a B.S. degree in electrical engineering and an M.S. degree from Dalian University of Technology and his Ph.D. degree from Case Western Reserve University. He was the Editor-in-Chief of the IEEE Transactions on Cybernetics. He is an IEEE Life Fellow, IAPR Fellow, and a foreign member of Academia Europaea. He is a recipient ofthe APNNA Outstanding Achievement Award, IEEE CIS Neural Networks Pioneer Award, CAAI Wu Wenjun AI Achievement Award, and IEEE SMCS Norbert Wiener Award, among other distinctions.

報告（二） 🉐：

數據智能與新型數據隱私計算的探討

在數據🫷🏿、算法、算力、與場景相互融合輔助下⤴️🙆🏿‍♀️，目前人工智能已成為數字經濟發展的核心能力之一。隨著數字經濟的快速發展，數據要素的可信管控、可信人工智能、及人工智能的隱私計算也受到了學術界和產業界的廣泛關註，同時也取得了相關的進展。尤其最近興起的生成式人工智能系列的應用及平臺正以迅雷不及掩耳之勢席卷整個信息產業🧘🏿‍♂️，數據要素的可信及隱私更顯得其重要性，也引起業界對聯邦生態發展的註意。本報告先探討在大模型時代在數據使用方式的變化，也討論數據的隱私的技術及聯邦數據與智能下技術的思考。

陳俊龍（C. L. Philip Chen）博士⏰，國家特聘專家🤏🏼，華南理工大學計算機學院院長、講座教授🏋🏻。陳教授是中國自動化學會副理事長🏂🏿🦹🏽、教育部健康智能與數字平行人工程中心主任🏃🏻👷🏿‍♂️、 廣東省計算智能與網絡空間信息重點實驗室主任、廣東省人工智能產業協會聯席會長。他是IEEE Fellow☎️、AAAS Fellow、IAPR Fellow、 歐洲科學院院士（Academia Europaea）、歐洲科學與藝術院院士（European Academy of Sciences and Arts）、中國自動化學會(CAA) 👮🏿‍♀️、中國人工智能學會（CAAI）及香港工程師學會 (HKIE) Fellow🥐。陳教授曾任IEEE Trans. on Cybernetics （2020-2021），及IEEE Trans. on Systems, Man, and Cybernetics: Systems （2014-2019）兩個頂級SCI期刊主編🙏🏽，曾任該學會國際總主席 (2012-2013)，也是國內期刊 CAAI Trans on AI,《中國科學》🤷🏽，和《自動化學報》的編委。 2018年陳教授獲得了IEEE系統科學控製論的最高學術維納獎(Norbert Wiener Award)，獲 2021 IEEE Joseph Wohl 終身成就獎，及我國吳文俊人工智能傑出貢獻獎。陳教授科研方向主要在智能系統與控製，計算智能🔓，混合智能，數據科學方向，他是2018-2022連續5年Clarivate Analytics的全球高被引科學家（2018 在計算機，2018-2022年在工程及計算機雙學科）。他曾獲中國自動化學會自然科學獎及廣東省科技進步獎一等獎🎟。

報告（三） ：

基於神經微分方程的深度神經網絡與優化算法研究

深度神經網絡與優化算法在現代信息科學與技術中具有舉足輕重的地位。目前，深度神經網絡的表達能力、可訓練性、泛化性、魯棒性等關鍵性能的機理認識尚不完全清楚；時變、受擾、非凸等復雜情況下的優化算法研究中還存在諸多挑戰。本報告以神經微分方程為橋梁，從動力學角度在深度神經網絡結構與優化算法建立聯系，並為二者提供新的理解和方法。具體而言🕵🏻‍♀️，本報告將深度神經網絡的表達能力👊🏽、可訓練性🧕、泛化性、魯棒性等關鍵性能與神經微分方程中的階數🧽、一致性、迭代魯棒性🙆🏽‍♂️、零穩定性等核心概念建立聯系，並提供了這些關鍵性能的高效提升方法。此外🧔‍♀️，通過針對時變、受擾、非凸優化問題構建神經動力學優化算法💔，顯著降低了動態問題求解的滯後性🦄👨‍🍼，提升了噪聲擾動下優化算法的魯棒性，並通過協同求解的方式為非凸優化問題的收斂性提供了保證。

金龍分別於2011年和2016年在中山大學獲得學士學位和博士學位，2016年至2017年在香港理工大學擔任博士後研究員，2017年2月加入蘭州大學🧘🏼‍♂️，任教授👩🏼‍🎤、博士生導師🌵🙇🏽，2020年入選蘭州大學“萃英學者”特聘教授，2023年任香港城市大學計算機系訪問教授🏡🧑🏼‍🍼。主持國家自然科學基金青年/面上/中英國際合作🪑、國家重點研發計劃課題🤸、甘肅省自然科學基金重點/傑青、以及中國電子學會-騰訊Robotics-X項目🕵🏿📊、CCF-百度松果基金項目等。多次入選愛思唯爾“中國高被引學者”；以第一完成人或者唯一完成人獲得中國人工智能學會優秀博士學位論文獎勵🦪、吳文俊人工智能優秀青年獎勵🧒🏻、甘肅省科技獎自然科學二等獎、中國自動化學會自然科學二等獎；以第二完成人獲得省部級科技獎兩項；指導的學生論文5次入選國家一級學會以及甘肅省優秀學位論文🧘🏼‍♂️。目前擔任包括IEEE TIV, CAAI TRIT等多個SCI期刊副編輯等職務。研究興趣包括神經網絡、機器人、分布式系統和智能計算。

報告（四） 🚍：

小樣本與深度學習

內容包括：小樣本深度學習方法介紹

1）深度自編碼學習

2）遷移/聯邦學習

3）從淺層模型遷移至深層模型的學習

4）混雜圖像分類的遷移/聯邦學習

文成林🧜🏻，男，1963年4月生，博士(後)👓，二級教授⚓️，博士生指導教師。1986年河南大學數學系本科畢業留校𓀓，至到2004年6月調動到杭州電子科技大學🧏，是該校首任特聘教授🦸🏽‍♂️；2020年1月調動至熊猫体育任二層次高層人才特聘教授；入選美國斯坦福大學發布的2022年度“全球前2%頂尖科學家榜單”🤾🏼‍♂️。主要研究方向：信息融合和目標檢測、故障診斷與主動安全控製👦🏽、深度學習與優化決策系統、人機混合增強智能與工業認知計算、知識遷移與聯邦學習。近年來，已主持承擔國家重點研發計劃1項目👯、8項國家自然科學基金（3項重點、1項目重大研究計劃），聯合承擔4項🤦🏼‍♂️、並參與組織8項國家自然科學基金重點項目等20余項國家或省部級項目🌳，科研經費3000余萬元。已發表學術論文300余篇，其中有200余篇/次被SCI/EI收錄；出版7部學術專著👩‍🎓，教材5部🙃。獲省部級科技獎6項。已培養碩士學位研究生160余人，博士學位畢業生30余人🧑🏻‍⚕️。