Activities
隨著人工智能和機器人技術(shù)的發(fā)展，對控制理論研究的深度和廣度得到開拓，形成了智能控制理論。當(dāng)下，智能控制的應(yīng)用研究十分活躍，各種智能決策系統(tǒng)、專家系統(tǒng)、學(xué)習(xí)系統(tǒng)和故障診斷系統(tǒng)等已被應(yīng)用于各類工業(yè)過程控制系統(tǒng)、智能機器人系統(tǒng)和智能化生產(chǎn)系統(tǒng)。智能控制技術(shù)呈現(xiàn)出的強大生命力，已引起世界各國專家學(xué)者的關(guān)注。
中國自動化學(xué)會將以“人工智能與智能控制”為主題，于2018年7月28日-7月29日在湖北武漢·華中科技大學(xué)舉辦第6期『智能自動化學(xué)科前沿講習(xí)班』。此次講習(xí)班由華中科技大學(xué)自動化學(xué)院院長、圖像信息處理與智能控制教育部重點實驗室主任曾志剛教授和清華大學(xué)胡曉林副教授共同擔(dān)任學(xué)術(shù)主任，邀請業(yè)界多位知名專家作主題報告，分享交流智能控制的學(xué)術(shù)前沿、產(chǎn)業(yè)發(fā)展及應(yīng)用實現(xiàn)。
報告內(nèi)容
.jpg)
報告題目：智能控制算法
講者：陳俊龍，澳門大學(xué)講座教授，中國自動化學(xué)會副理事長，IEEE Fellow，AAAS Fellow，IAPR Fellow，CAA Fellow
摘要：智能控制是來解決傳統(tǒng)控制方法難以解決的非線性、高度不確定性、信息不完全性、或者因人而產(chǎn)生復(fù)雜性等的具有復(fù)雜控制任務(wù)的問題。此次報告是討論基于人工神經(jīng)網(wǎng)絡(luò)理論、模糊數(shù)學(xué)理論、計算智能理論、及模式識別理論等為基礎(chǔ)而衍生出來的智能控制方法。課題包括：（1）神經(jīng)網(wǎng)絡(luò)控制；（2）模糊控制；（3）強化學(xué)習(xí)控制；（4）智能自適應(yīng)控制；（5）基于遺傳算法的智能控制；（6）混合智能的控制。
.jpg)
報告題目：時間非一致性與隨機最優(yōu)控制
講者：張紀(jì)峰，中科院系統(tǒng)科學(xué)研究所所長，中國自動化學(xué)會副理事長，國家杰青，IEEE Fellow，IFAC Fellow，CAA Fellow
摘要：對經(jīng)典的最優(yōu)控制問題，相應(yīng)于給定時間-狀態(tài)初始對的最優(yōu)控制，將沿著最優(yōu)軌跡保持最優(yōu)；即以最優(yōu)軌跡上任何一點作為新的時間-狀態(tài)初始對，原有最優(yōu)控制在后續(xù)時間區(qū)間上的限制，將是相應(yīng)于此新初始對的最優(yōu)控制。這一性質(zhì)稱為最優(yōu)控制的時間一致性，它可由Bellman最優(yōu)性原理推得。最優(yōu)控制的時間一致性雖然在經(jīng)典最優(yōu)控制理論中很少被提及，但事實上它是一個本質(zhì)性的概念，現(xiàn)有的Bellman動態(tài)規(guī)劃理論主要依賴于時間一致性這一性質(zhì)。 然而，現(xiàn)實世界中存在大量動態(tài)優(yōu)化問題，對它們而言，Bellman最優(yōu)性原理不再成立，進(jìn)而最優(yōu)控制的時間一致性也將丟失，即所考慮問題是時間非一致的；如下幾種情形經(jīng)常被文獻(xiàn)提及：(i) 指標(biāo)泛函中的貼現(xiàn)函數(shù)是非指數(shù)的，(ii) 指標(biāo)泛函中存在條件期望的非線性項，(iii) 指標(biāo)泛函是初始狀態(tài)顯式依賴的。這些現(xiàn)象廣泛存在于經(jīng)濟(jì)學(xué)和金融學(xué)領(lǐng)域，比如雙曲貼現(xiàn)函數(shù)，準(zhǔn)幾何貼現(xiàn)函數(shù)，均值-方差效用函數(shù)等。 本報告將詳細(xì)介紹時間非一致性，具體地，將揭示時間非一致性自Adam Smith以來的定性分析和概念萌芽，闡述其在金融學(xué)和經(jīng)濟(jì)學(xué)中的定量分析和成功運用，描述了系統(tǒng)控制領(lǐng)域的相關(guān)研究進(jìn)展，強調(diào)了研究隨機最優(yōu)控制領(lǐng)域內(nèi)時間非一致的必要性。
.jpg)
報告題目：類腦計算及類腦計算系統(tǒng)
講者：施路平，清華大學(xué)教授，博士生導(dǎo)師，清華大學(xué)類腦計算研究中心主任
摘要：類腦計算系統(tǒng)是借鑒人腦信息處理方式，打破“馮?諾依曼”架構(gòu)束縛，適于實時處理非結(jié)構(gòu)化信息、具有學(xué)習(xí)能力的超低功耗新型計算系統(tǒng)。當(dāng)前歐盟、美國等均斥巨資長期支持此研究，但是這項研究目前均處于起步階段，尚未形成公認(rèn)技術(shù)方案。此報告將從為什么（why）？做什么（what）？和怎樣做（how）？三方面來分析類腦計算系統(tǒng)研究，分析發(fā)展類腦計算的挑戰(zhàn)和前景。
.jpg)
報告題目：基于視觸覺融合的目標(biāo)識別與靈巧操作
講者：孫富春，清華大學(xué)教授，博士生導(dǎo)師，計算機科學(xué)與技術(shù)系學(xué)術(shù)委員會主任，國家杰青
摘要：為實現(xiàn)機器人柔和靈巧的操作能力，下一代機器人需裝備多模態(tài)的分布式感知與融合模塊，有望突破像人一樣的跨模態(tài)信息感知、表征/融合和動作行為。本報告介紹了清華大學(xué)課題組研制的高分辨率四模態(tài)傳感裝置和裝備有四模態(tài)人工皮膚/類肌肉驅(qū)動的五指靈巧手，該靈巧手的分布式傳感裝置包含了微視覺、壓力覺/滑覺和溫度覺傳感器。報告給出了研究團(tuán)隊在跨模態(tài)的視觸覺信息的處理方面取得理論成果，包括基于視觸覺信息的目標(biāo)識別以及感知-動作映射問題的深度學(xué)習(xí)和經(jīng)驗學(xué)習(xí)方法。最后是實驗結(jié)果分析和未來的研究展望。
.jpg)
報告題目：基于FPGA的深度學(xué)習(xí)處理器
講者：汪玉，清華大學(xué)長聘副教授，博士生導(dǎo)師，國家優(yōu)青，深鑒科技聯(lián)合創(chuàng)始人
摘要：深度學(xué)習(xí)的應(yīng)用日益廣泛。相比于傳統(tǒng)的CPU/GPU平臺，針對定制計算結(jié)構(gòu)能夠提供更高的計算能效。但是，基于FPGA的深度學(xué)習(xí)加速器面臨開發(fā)周期長，性能受限等問題。本報告將通過總結(jié)已有工作，結(jié)合實際設(shè)計經(jīng)驗，總結(jié)針對深度學(xué)習(xí)加速器的設(shè)計思路，之后介紹基于FPGA的高能效、快速部署的深度學(xué)習(xí)處理器結(jié)構(gòu)和部署流程[FPGA 2016+2017]。其中壓縮和量化技術(shù)可以去除算法中的冗余操作，減少系統(tǒng)計算和存儲的需求，同時量化還能夠提升FPGA系統(tǒng)的峰值計算能力。由于CNN和DNN/RNN在計算和存儲模式的本質(zhì)差異，針對CNN、DNN/RNN分別設(shè)計了兩種體系結(jié)構(gòu)與相應(yīng)的指令、編譯系統(tǒng)。基于賽林思的平臺，CNN和LSTM的平臺均取得了比嵌入式和桌面GPU更好的能量效率（>60GOPS/W）。
.jpg)
報告題目：AI時代視覺大數(shù)據(jù)的智能分析
講者：王亮，中科院自動化研究所研究員，博士生導(dǎo)師，模式識別國家重點實驗室副主任，國家杰青，IAPR Fellow
摘要：本報告首先簡介人工智能的概念和現(xiàn)狀，然后介紹其重要的一個分支領(lǐng)域-計算機視覺。視覺大數(shù)據(jù)分析是模式識別的前沿方向。近年來，深度學(xué)習(xí)已經(jīng)在語音、視覺、自然語言處理等領(lǐng)域取得了很大成功，接下來重點回顧深度學(xué)習(xí)歷史及其在視覺大數(shù)據(jù)分析中的應(yīng)用進(jìn)展。針對深度神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)、功能、泛化性等存在的問題，進(jìn)一步探索模擬認(rèn)知過程中的注意、記憶等機制，研究深度認(rèn)知神經(jīng)網(wǎng)絡(luò)理論和方法。最后，展望了幾個未來可能的研究方向。
.jpg)
報告題目：生物啟發(fā)的視覺計算
講者：張兆翔，中科院自動化研究所研究員，博士生導(dǎo)師，類腦智能科研中心研究員
摘要：以深度學(xué)習(xí)為代表的模式識別方法在多種視覺應(yīng)用中取得了顯著成功，甚至媲美人的性能，但是與生物模式識別系統(tǒng)相比，現(xiàn)有的深度學(xué)習(xí)方法在自適應(yīng)性、可泛化性和多任務(wù)協(xié)作方面依舊存在明顯缺陷。從腦的神經(jīng)信息處理機制、認(rèn)知方法和行為特性上尋求啟發(fā)有望指導(dǎo)更好的神經(jīng)網(wǎng)絡(luò)建模，實現(xiàn)更為魯棒的類人學(xué)習(xí)，具有重要研究意義與應(yīng)用前景。本報告將對近年來生物啟發(fā)的視覺計算工作的回顧基礎(chǔ)上，對我們近期開展的腦啟發(fā)的神經(jīng)網(wǎng)絡(luò)建模與學(xué)習(xí)方法開展研究，具體報告內(nèi)容包括神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)建模、面向多任務(wù)的神經(jīng)網(wǎng)絡(luò)架構(gòu)學(xué)習(xí)、視聽模態(tài)分析與整合、知識蒸餾和多智能體協(xié)同等。
.jpg)
報告題目：基于新型電子突觸器件的類腦計算研究
講者：吳華強，清華大學(xué)教授，微納電子系副系主任，北京市未來芯片技術(shù)高精尖創(chuàng)新中心副主任
摘要：人工智能的研究和應(yīng)用已經(jīng)取得了突飛猛進(jìn)的發(fā)展，但是運行人工智能深度神經(jīng)網(wǎng)絡(luò)算法的計算平臺主要是超級計算機群（成百上千個CPU和GPU）,不但需要巨大的硬件投入，而且占用的空間和消耗的能源也非常可觀。受限于存儲計算分離對芯片性能的限制，同時CMOS工藝微縮速度放緩，以及人工智能應(yīng)用對計算存儲需求的不斷提升，當(dāng)前的技術(shù)將面臨諸多新的挑戰(zhàn)。在這一背景下，新器件的出現(xiàn)變得至關(guān)重要，通過引入新原理的半導(dǎo)體器件，不但可以拓展芯片的功能，甚至可以顛覆傳統(tǒng)電路理論，突破當(dāng)前芯片面臨的能效、速度瓶頸，大幅提升芯片性能。基于過渡族金屬氧化的憶阻器件顯示出了優(yōu)越的存算一體的特性，能夠規(guī)避存儲和計算之間數(shù)據(jù)搬運的功耗并且能夠?qū)崿F(xiàn)大規(guī)模集成，進(jìn)而實現(xiàn)高性能計算。 展望未來，智能社會即將來臨！面向未來的智能芯片，最底層的器件需要具備哪些特性呢？
.jpg)
報告題目：利用機器人的自然動力學(xué)來實現(xiàn)高能效的移動
講者：趙明國，清華大學(xué)副教授，機器人控制實驗室主任
摘要：服務(wù)機器人的應(yīng)用中常常面臨一個重要的問題：使用輪子還是腿來完成運動。兩個方法都各有優(yōu)缺點。在鋪設(shè)好的道路環(huán)境中，輪式機器人因其簡單高效而被大量采用，而在復(fù)雜多變的環(huán)境中，腿式機器人常常是最佳選擇。無論采用哪種運動方式，能量效率都是我們最關(guān)心的問題之一。因此，在這兩種機器人的應(yīng)用中都有一個共同的主題：利用機器人的自然動力學(xué)來實現(xiàn)高能效的移動。 本報告將介紹清華大學(xué)機器人控制實驗室在這方面做的一些研究工作，即先利用被動步行原理實現(xiàn)高能效的雙足運動，然后通過反饋控制進(jìn)一步提高機器人的穩(wěn)定性，報告的另外一部分也將向您展示如何通過車把轉(zhuǎn)向控制實現(xiàn)無人駕駛自行車的高能量效率。在這些例子中，我們采用了一種非常簡單但非常規(guī)的控制方法，它們的共同特點是尋找并利用系統(tǒng)的自然動力學(xué)。在兩足機器人的研究中，我們考慮的能量補充機制和穩(wěn)定控制方法，并構(gòu)造一個參數(shù)激勵系統(tǒng)，最后實現(xiàn)了一種方法來改善反饋控制系統(tǒng)的穩(wěn)定性。這種方法受混沌控制的啟發(fā)，但也不局限與混沌系統(tǒng)，我們希望這種方法可以作為實現(xiàn)可穿戴的軟體外骨骼的一種理論基礎(chǔ)。在自主駕駛自行車的研究中，我們使用車吧轉(zhuǎn)向過程中的離心力和重力的平衡來實現(xiàn)自行車的平衡控制，并實現(xiàn)了一個一個穩(wěn)定、靈活、高效的無人駕駛自行車系統(tǒng)，這種技術(shù)可以應(yīng)用于個人智能設(shè)備和自動駕駛系統(tǒng)。
.jpg)
報告題目：神經(jīng)網(wǎng)絡(luò)的攻擊與防御
講者：胡曉林，清華大學(xué)副教授
摘要：神經(jīng)網(wǎng)絡(luò)在各種任務(wù)上取得了巨大的成功，但是人們發(fā)現(xiàn)它很脆弱：對輸入數(shù)據(jù)做一點微小的擾動，就會導(dǎo)致輸出結(jié)果完全不同。這種特殊擾動后的輸入數(shù)據(jù)稱為對抗樣本，而這種操作被稱為對神經(jīng)網(wǎng)絡(luò)的攻擊。有攻擊就應(yīng)該有防御。防御的意思是構(gòu)造方法使得神經(jīng)網(wǎng)絡(luò)不被對抗樣本欺騙。我將介紹這個領(lǐng)域的歷史和最新進(jìn)展，并對未來進(jìn)行展望。
講習(xí)班致辭
.jpg)
曾志剛，華中科技大學(xué)教授、博士生導(dǎo)師，自動化學(xué)院院長，國家杰出青年科學(xué)基金獲得者，教育部長江學(xué)者特聘教授，萬人計劃科技創(chuàng)新領(lǐng)軍人才，圖像信息處理與智能控制教育部重點實驗室主任。先后擔(dān)任IEEE Transactions on Neural Networks；IEEE Transactions on Cybernetics； IEEE Transactions on Fuzzy Systems；Cognitive Computation；Neural Networks；Applied Soft Computing；自動化學(xué)報和控制工程的編委。擔(dān)任IEEE Transactions on Neural Networks and Learning Systems；Neural Computing & Applications；Neurocomputing；International Journal of Fuzzy Systems；Neural Processing Letters 等5個SCI源國際學(xué)術(shù)期刊的客座編委。擔(dān)任過三十多個國際學(xué)術(shù)會議的大會主席，程序委員會主席，出版主席等。
報名及注冊費
1、本期講習(xí)班限報 200 人，根據(jù)繳費先后順序錄取，報滿為止；
2、2018年07月26日（含）前注冊并繳費：自動化學(xué)會會員2000 元/人，非會員報名同時入會2500元/人；現(xiàn)場繳費：會員2500元/人，非會員3000元/人（包含提前報名現(xiàn)場繳費、現(xiàn)場報名現(xiàn)場繳費）；在校生參會可享受學(xué)生優(yōu)惠價格1200元/人；
3、同一單位3人及以上團(tuán)體報名，按會員標(biāo)準(zhǔn)繳費；
4、即日起至 2018年7月26日，點擊http://www.www.gzjdschool.com/assia6/進(jìn)行注冊報名。
聯(lián)系方式
聯(lián)系人：周老師/辛宇
電話：010-62522472
手機：18811748370
郵箱：caa_assia@163.com
.jpg)
掃描二維碼添加工作人員微信咨詢
來源：中國自動化學(xué)會
