權威舉辦｜「人工智慧與智能控制」學科前沿講習班

隨著人工智慧和機器人技術的發展，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。當下，智能控制的應用研究十分活躍，各種智能決策系統、專家系統、學習系統和故障診斷系統等已被應用於各類工業過程式控制制系統、智能機器人系統和智能化生產系統。智能控制技術呈現出的強大生命力，已引起世界各國專家學者的關注。

中國自動化學會將以「人工智慧與智能控制」為主題，於2018年7月28日-7月29日在湖北武漢·華中科技大學舉辦第6期『智能自動化學科前沿講習班』。此次講習班由華中科技大學自動化學院院長、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胡曉林副教授共同擔任學術主任，邀請業界多位知名專家作主題報告，分享交流智能控制的學術前沿、產業發展及應用實現。

講習班內容安排

報告題目：智能控制演算法

講者：陳俊龍，澳門大學講座教授，國家千人學者，中國自動化學會副理事長，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、或者因人而產生複雜性等的具有複雜控制任務的問題。此次報告是討論基於人工神經網路理論、模糊數學理論、計算智能理論、及模式識別理論等為基礎而衍生出來的智能控制方法。課題包括：（1）神經網路控制；（2）模糊控制；（3）強化學習控制；（4）智能自適應控制；（5）基於遺傳演算法的智能控制；（6）混合智能的控制。

報告題目：時間非一致性與隨機最優控制

講者：張紀峰，中科院系統科學研究所所長，中國自動化學會副理事長，國家傑青，IEEE Fellow，IFAC Fellow，CAA Fellow

摘要：對經典的最優控制問題，相應於給定時間-狀態初始對的最優控制，將沿著最優軌跡保持最優；即以最優軌跡上任何一點作為新的時間-狀態初始對，原有最優控制在後續時間區間上的限制，將是相應於此新初始對的最優控制。這一性質稱為最優控制的時間一致性，它可由Bellman最優性原理推得。最優控制的時間一致性雖然在經典最優控制理論中很少被提及，但事實上它是一個本質性的概念，現有的Bellman動態規劃理論主要依賴於時間一致性這一性質。 然而，現實世界中存在大量動態優化問題，對它們而言，Bellman最優性原理不再成立，進而最優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；如下幾種情形經常被文獻提及：(i) 指標泛函中的貼現函數是非指數的，(ii) 指標泛函中存在條件期望的非線性項，(iii) 指標泛函是初始狀態顯式依賴的。這些現象廣泛存在於經濟學和金融學領域，比如雙曲貼現函數，准幾何貼現函數，均值-方差效用函數等。 本報告將詳細介紹時間非一致性，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，闡述其在金融學和經濟學中的定量分析和成功運用，描述了系統控制領域的相關研究進展，強調了研究隨機最優控制領域內時間非一致的必要性。

報告題目：類腦計算及類腦計算系統

講者：施路平，清華大學教授，博士生導師，清華大學類腦計算研究中心主任，國家千人計劃特聘教授

摘要：類腦計算系統是借鑒人腦信息處理方式，打破「馮?諾依曼」架構束縛，適於實時處理非結構化信息、具有學習能力的超低功耗新型計算系統。當前歐盟、美國等均斥巨資長期支持此研究，但是這項研究目前均處於起步階段，尚未形成公認技術方案。此報告將從為什麼（why）？做什麼（what）？和怎樣做（how）？三方面來分析類腦計算系統研究，分析發展類腦計算的挑戰和前景。

報告題目：基於視觸覺融合的目標識別與靈巧操作

講者：孫富春，清華大學教授，博士生導師，計算機科學與技術系學術委員會主任，國家傑青

摘要：為實現機器人柔和靈巧的操作能力，下一代機器人需裝備多模態的分散式感知與融合模塊，有望突破像人一樣的跨模態信息感知、表徵/融合和動作行為。本報告介紹了清華大學課題組研製的高解析度四模態感測裝置和裝備有四模態人工皮膚/類肌肉驅動的五指靈巧手，該靈巧手的分散式感測裝置包含了微視覺、壓力覺/滑覺和溫度覺感測器。報告給出了研究團隊在跨模態的視觸覺信息的處理方面取得理論成果，包括基於視觸覺信息的目標識別以及感知-動作映射問題的深度學習和經驗學習方法。最後是實驗結果分析和未來的研究展望。

報告題目：基於FPGA的深度學習處理器

講者：汪玉，清華大學長聘副教授，博士生導師，國家優青，深鑒科技聯合創始人

摘要：深度學習的應用日益廣泛。相比於傳統的CPU/GPU平台，針對定製計算結構能夠提供更高的計算能效。但是，基於FPGA的深度學習加速器面臨開發周期長，性能受限等問題。本報告將通過總結已有工作，結合實際設計經驗，總結針對深度學習加速器的設計思路，之後介紹基於FPGA的高能效、快速部署的深度學習處理器結構和部署流程[FPGA 2016+2017]。其中壓縮和量化技術可以去除演算法中的冗餘操作，減少系統計算和存儲的需求，同時量化還能夠提升FPGA系統的峰值計算能力。由於CNN和DNN/RNN在計算和存儲模式的本質差異，針對CNN、DNN/RNN分別設計了兩種體系結構與相應的指令、編譯系統。基於賽林思的平台，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）。

報告題目：AI時代視覺大數據的智能分析

講者：王亮，中科院自動化研究所研究員，博士生導師，模式識別國家重點實驗室副主任，國家傑青，IAPR Fellow

摘要：本報告首先簡介人工智慧的概念和現狀，然後介紹其重要的一個分支領域-計算機視覺。視覺大數據分析是模式識別的前沿方向。近年來，深度學習已經在語音、視覺、自然語言處理等領域取得了很大成功，接下來重點回顧深度學習歷史及其在視覺大數據分析中的應用進展。針對深度神經網路在結構、功能、泛化性等存在的問題，進一步探索模擬認知過程中的注意、記憶等機制，研究深度認知神經網路理論和方法。最後，展望了幾個未來可能的研究方向。

報告題目：生物啟發的視覺計算

講者：張兆翔，中科院自動化研究所研究員，博士生導師，類腦智能科研中心研究員

摘要：以深度學習為代表的模式識別方法在多種視覺應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相比，現有的深度學習方法在自適應性、可泛化性和多任務協作方面依舊存在明顯缺陷。從腦的神經信息處理機制、認知方法和行為特性上尋求啟發有望指導更好的神經網路建模，實現更為魯棒的類人學習，具有重要研究意義與應用前景。本報告將對近年來生物啟發的視覺計算工作的回顧基礎上，對我們近期開展的腦啟發的神經網路建模與學習方法開展研究，具體報告內容包括神經網路的結構建模、面向多任務的神經網路架構學習、視聽模態分析與整合、知識蒸餾和多智能體協同等。

報告題目：基於新型電子突觸器件的類腦計算研究

講者：吳華強，清華大學教授，微納電子系副系主任，北京市未來晶元技術高精尖創新中心副主任

摘要：人工智慧的研究和應用已經取得了突飛猛進的發展，但是運行人工智慧深度神經網路演算法的計算平台主要是超級計算機群（成百上千個CPU和GPU）,不但需要巨大的硬體投入，而且佔用的空間和消耗的能源也非常可觀。受限於存儲計算分離對晶元性能的限制，同時CMOS工藝微縮速度放緩，以及人工智慧應用對計算存儲需求的不斷提升，當前的技術將面臨諸多新的挑戰。在這一背景下，新器件的出現變得至關重要，通過引入新原理的半導體器件，不但可以拓展晶元的功能，甚至可以顛覆傳統電路理論，突破當前晶元面臨的能效、速度瓶頸，大幅提升晶元性能。基於過渡族金屬氧化的憶阻器件顯示出了優越的存算一體的特性，能夠規避存儲和計算之間數據搬運的功耗並且能夠實現大規模集成，進而實現高性能計算。 展望未來，智能社會即將來臨！面向未來的智能晶元，最底層的器件需要具備哪些特性呢？

報告題目：利用機器人的自然動力學來實現高能效的移動

講者：趙明國，清華大學副教授，機器人控制實驗室主任

摘要：服務機器人的應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。兩個方法都各有優缺點。在鋪設好的道路環境中，輪式機器人因其簡單高效而被大量採用，而在複雜多變的環境中，腿式機器人常常是最佳選擇。無論採用哪種運動方式，能量效率都是我們最關心的問題之一。因此，在這兩種機器人的應用中都有一個共同的主題：利用機器人的自然動力學來實現高能效的移動。 本報告將介紹清華大學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高能效的雙足運動，然後通過反饋控制進一步提高機器人的穩定性，報告的另外一部分也將向您展示如何通過車把轉向控制實現無人駕駛自行車的高能量效率。在這些例子中，我們採用了一種非常簡單但非常規的控制方法，它們的共同特點是尋找並利用系統的自然動力學。在兩足機器人的研究中，我們考慮的能量補充機制和穩定控制方法，並構造一個參數激勵系統，最後實現了一種方法來改善反饋控制系統的穩定性。這種方法受混沌控制的啟發，但也不局限與混沌系統，我們希望這種方法可以作為實現可穿戴的軟體外骨骼的一種理論基礎。在自主駕駛自行車的研究中，我們使用車吧轉向過程中的離心力和重力的平衡來實現自行車的平衡控制，並實現了一個一個穩定、靈活、高效的無人駕駛自行車系統，這種技術可以應用於個人智能設備和自動駕駛系統。

報告題目：神經網路的攻擊與防禦

講者：胡曉林，清華大學副教授

摘要：神經網路在各種任務上取得了巨大的成功，但是人們發現它很脆弱：對輸入數據做一點微小的擾動，就會導致輸出結果完全不同。這種特殊擾動後的輸入數據稱為對抗樣本，而這種操作被稱為對神經網路的攻擊。有攻擊就應該有防禦。防禦的意思是構造方法使得神經網路不被對抗樣本欺騙。我將介紹這個領域的歷史和最新進展，並對未來進行展望。

講習班致辭

曾志剛，華中科技大學教授、博士生導師，自動化學院院長，國家傑出青年科學基金獲得者，教育部長江學者特聘教授，萬人計劃科技創新領軍人才，圖像信息處理與智能控制教育部重點實驗室主任。先後擔任IEEE Transactions on Neural Networks；IEEE Transactions on Cybernetics； IEEE Transactions on Fuzzy Systems；Cognitive Computation；Neural Networks；Applied Soft Computing；自動化學報和控制工程的編委。擔任IEEE Transactions on Neural Networks and Learning Systems；Neural Computing & Applications；Neurocomputing；International Journal of Fuzzy Systems；Neural Processing Letters 等5個SCI源國際學術期刊的客座編委。擔任過三十多個國際學術會議的大會主席，程序委員會主席，出版主席等。

報名及註冊費

1、本期講習班限報 200 人，根據繳費先後順序錄取，報滿為止；

2、2018年07月26日（含）前註冊並繳費：自動化學會會員2000 元/人，非會員報名同時入會2500元/人；現場繳費：會員2500元/人，非會員3000元/人（包含提前報名現場繳費、現場報名現場繳費）；在校生參會可享受學生優惠價格1200元/人；

3、同一單位3人及以上團體報名，按會員標準繳費；

4、即日起至 2018年7月26日，點擊「報名地址」進行註冊報名。

聯繫方式

電話：010-62522472手機：18811748370

郵箱：caa_assia@163.com微信：AI_college

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！