特邀专家

Tutorial

特邀专家 专家简介 报告内容
    冯亮为重庆大学“百人计划”研究员、博士生导师、重庆市高层次引进人才,新加坡南洋理工大学博士。先后在南洋理工智能计算实验中心,多平台游戏创新中心,以及新加坡A*Star南洋理工联合复杂系统实验室从事研究工作。研究方向包括(但不局限于)智能计算,大数据挖掘与优化,机器学习,以及多智能体系统等。相关研究成果先后发表于IEEE Transactions on Evolutionary Computation, IEEE Transactions on Cybernetics, IEEE Intelligent System, World Congress on Computational Intelligence等国际主流期刊及会议。获得IEEE Congress on Evolutionary Computation 2012 最佳学生论文提名。担任Memetic Computing Journal,Congnitive Computing Journal副主编。担任Task force on transfer learning and transfer optimization 主席。受邀为多个国际期刊会议审稿人,包括:IEEE TEVC, IEEE TNNLS, IEEE TSMC, ECJ, IJSS, Applied Soft Computing, Soft Computing, Memetic Computing, CEC, GECCO等。获得2015 IEEE Transactions on Cybernetics Outstanding Reviewer. 报告题目:多任务智能优化(Multi-Task Optimization)


报告摘要:传统的智能优化算法,例如进化算法,群体智能优化算法等,都是基于随机初始化,并针对某一个给定优化问题进行独立求解的单任务智能优化算法。由于该类算法基于种群迭代搜索,其优化效率较低下。在国内外研究中,出现了很多优秀的研究来提升传统智能优化算法的效率,例如利用surrogate model的研究、自适应智能优化算法的研究、多种群智能优化算法的研究等。由于优化任务往往不是独立存在,一个优化问题的求解通过适当的处理,通常能提升其在相关的问题求解的过程。多任务优化正是受到此启发提出的新智能优化模型。与传统单任务智能优化相比,多任务智能优化提出在一次优化过程中,同时对多个任务进行优化,通过任务间的信息迁移,到达提高优化效率的目的。本报告主要结合报告人在多任务智能优化方面的研究工作,对多任务优化模型进行介绍,并对近年来多任务智能优化方面的研究工作进行总结回顾,同时对该方向的挑战问题及未来研究方向进行讨论。
      黄翰,男,博士,华南理工大学软件学院教授、博士生导师,主要研究智能算法与智能软件;省杰出青年基金、珠江科技新星获得者,省特支计划科技创新青年拔尖人才,兼任中国仿真学会智能仿真优化与调度专委会副主任、中国工业数学与应用数学学会数据科学与人工智能专委会委员、广东省大数据与计算广告工程技术研究中心技术委员会主任、广东省人脸识别工程技术研究中心副主任、广东省计算机学会软件工程专业委员会秘书长,广东保险业咨询专家库专家、广东省计算机学会区块链专业委员会秘书长、广州工业与应用数学学会副主任委员,曾就职香港城市大学管理科学系高级研究助理;主持国家级和省部级课题共10多项,以第一作者或通讯作者在IEEE TEVC、IEEE TIP、IEEE TFS、IEEE TII、IEEE CIM、IEEE TCYB、和《中国科学》等专业学术期刊发表论文60多篇,代表作入选ESI;申请PCT 5项、国家发明专利41项,授权16项;获广东省科技进步一等奖和广东省自然科学二等奖;长期致力于智能算法的理论、应用与产业生态的研究。 报告题目:启发式优化抠图算法——一个演化计算从研究到应用的实例


报告摘要:本讲座将介绍一个从数学建模、算法设计、工程应用到产业化的演化计算研究实例——启发式优化抠图算法。抠图是图像处理与视频分析等的底层关键技术与基础方法,它在精度和速度上的突破会极大地提高后续应用的技术性能。采样抠图是其中一类强鲁棒的方法,本质上是一个子集选择的多目标多约束优化问题。本报告将介绍包括模糊多目标演化算法在内的多种启发式优化抠图算法,以及抠图算法在深度学习训练样本预处理中的应用,包括:人脸检测、识别、行人检测等;最后介绍相关成功应用案例与产业化的效果。


      梁静,博士,郑州大学电气工程学院教授、博士生导师。2003年毕业于哈尔滨工业大学控制科学与工程系,获学士学位,2003年8月获得全额奖学金赴新加坡南洋理工大学攻读博士学位,博士论文获得IEEE CIS Outstanding PhD Dissertation Award。梁静教授长期致力于群集智能算法及应用研究,组织过多次国际优化算法竞赛,所提出的标准测试函数集被广泛使用。兼任国际SCI期刊IEEE Transactions on Evolutionary Computation(2018-),Swarm and Evolutionary Computation(2016-),IEEE Computational Intelligence Magazine(2012-2017)的Associate Editor。郑州大学学报(工学版)执行主编(2015-)。主持完成了国家自然科学基金青年基金项目一项、国家自然科学基金面上项目一项、中国博士后特别资助项目一项、中国博士后面上项目一项、河南省教育厅创新人才项目一项,现主持国家自然科学基金面上项目一项。共发表SCI/EI学术论文90余篇,Google Scholar中的单篇引用频次最高2500余次,Google Citation总引频数9700余次,h指数为30。发表的《Comprehensive learning particle swarm optimizer for global optimization of multimodal functions》一文荣登进化计算(Evolutionary Computation)领域十年高被引文章首位。曾荣获教育部高等学校科学研究优秀成果奖、中原千人计划-中原青年拔尖人才,河南省科学技术进步奖、河南省教育厅科技成果奖、河南省教育厅学术技术带头人。 报告题目:关于连续优化问题的进化算法的评价和比较报告



报告摘要:随着进化算法领域的不断发展,不同的算法被相继提出,通过使用基准测试问题集科学合理地评价和比较不同算法的性能非常重要。本次报告将针对连续优化问题求解,介绍基准测试问题的所需要具备的性质,总结几类常用基准测试问题集中测试问题的特点以及常用的算法性能评价标准,最后阐述如何使用统计计算方法综合评价不同算法的性能。
      俞扬,博士,南京大学教授。主要研究领域为人工智能、机器学习,近期工作集中在面向物理环境的强化学习研究。在人工智能领域国际顶级会议与期刊发表论文多篇,获得4项国际论文奖、2项国际算法竞赛冠军,入选2018年IEEE国际“人工智能十大新星”,获2018亚太数据挖掘“青年成就奖”,受邀在2018国际人工智能联合大会作“青年亮点报告”。 报告题目:非梯度强化学习



报告摘要:随着在AlphaGo等系统中的成功应用,强化学习受到高度关注。强化学习从环境的交互试错中自主学习最优决策策略,其试错的学习方式与非梯度优化方法有直接的联系。本次Tutorial将介绍非梯度优化与强化学习的结合,包括策略参数优化、模型选择、探索、学习加速等方面,并展望未来的发展。


短报告

 特邀专家  专家简介  报告内容
      程然博士现任南方科技大学计算机科学与  工程系助理教授,博士生导师,演化机器智能实 验室负责人,广东省“珠江人才计划”第七批引进创业团队核心成员,广东省普通高校演化智能系统重点实验室学术委员会委员;此前,曾任英国伯明翰大学计算机科学系Research Fellow,德国本田欧洲研究院访问学者。程然博士迄今已发表学术论文40余篇,包括顶级IEEE Transactions论文13篇(IEEE TEVC 10篇),6篇先后入选ESI高被引,谷歌学术引用1490余次(H-index 16);现任IEEE计算智能学会新兴技术委员会委员,JCR一区期刊《IEEE Access》副编辑、《Applied Soft Computing》编委;曾获IEEE TEVC杰出论文奖(2018年全球仅1篇)、IEEE计算智能学会杰出博士论文奖(2019年全球仅1人)。  

报告题目浅谈大规模演化多目标优化的挑战与机遇

报告摘要自1985年第一个演化多目标算法诞生以来,演化多目标优化领域在过去的30年中经历了蓬勃的发展。在过去,演化多目标优化的研究主要集中在中小规模问题上(如:决策变量数量小于100);然而,随着现代信息科学与产业的快速发展,优化问题的规模迅速增长,从而对传统的演化多目标优化提出了严峻的考验。围绕这一主题,报告人将结合自身的工作,浅谈大规模多目标优化面临的挑战与机遇。该报告主要分为两大部分:首先,将结合现实应用问题,探讨大规模多目标优化问题的基本定义与性质;然后,针对大规模多目标优化问题的特性,探讨可行的求解方案,并分别介绍两种典型的求解算法框架。

      范衠,工学博士,教授,博士生导师,汕头大学工学院电子信息工程系主任,广东省数字信号与图像处理技术重点实验室主任,汕头市机器人与智能制造研究院执行院长,海外高层次青年人才联谊会第一届执委会副会长。国家高层次青年人才、广东省“扬帆计划”紧缺急需人才、中国侨界贡献奖创新人才、汕头市首届优秀人才青年英才。2004年5月获得密西根州立大学电子与计算机工程博士学位。2004年受聘于丹麦科技大学,历任助理教授和副教授。2012年4月至今受聘于汕头大学,2013年1月至今担任汕头大学工学院电子信息工程系主任,2014年9月至今担任广东省数字信号与图像处理技术重点实验室主任,2018年5月担任汕头市机器人与智能制造研究院执行院长。主要研究方向为:计算智能, 智能控制, 机器人, 人工智能, 设计自动化, 进化计算, 机器学习, 机器视觉。主持完成丹麦技术创新局3项国家级科技项目,培养3名博士生获得丹麦科技大学博士学位。目前已主持包括国家自然科学基金面上项目和中央军委科技委基础研究项目在内的国家和省部级科研项目6项,承担项目总经费1400万元。发表国际期刊会议论文140多篇,其中SCI检索论文40多篇,EI检索论文100多篇;申请专利30余项,其中已获授权专利8项,申请软件著作权2项;出版中文专著和英文专著各1部,代表性成果在《IEEE Transactions on Image Processing》、《IEEE Transactions on Evolutionary Computation》、《IEEE Transactions on Industrial Electronics》、《IEEE Transactions on Automation Science and Engineering》等国际顶级期刊发表。多次受邀在重要的国内国际会议(如GECOO、WCCI、CEC、ECOLE等)上做主题演讲。目前担任IEEE高级会员、广东省图象图形学会常务理事、中国人工智能学会智能机器人专委会执行委员、中国仿真学会智能仿真优化与调度专委会委员、中国自动化学会大数据专委会委员、广东省图象图形学会计算机视觉专委会委员、中国图象图形学学会文档图像分析与识别专委会委员、广东省科协智能制造学会联合体第一届专家委员会委员,是国家自然科学基金、教育部科技奖励、教育部长江学者等项目的评审专家。  

报告题目基于进化计算的机器人系统设计自动化研究



报告摘要
大力发展智能机器人产业以实现‘机器换人’已经成为继续促进我国经济发展,实现经济转型升级的必然选择。目前国内机器人在性能上普遍难以达到国外同类机器人水平,造成该现象的主要原因是我国在机器人系统的设计上缺乏一套系统化的持续优化和自动设计的方法。如何形成一套机器人系统智能设计框架,使设计的机器人系统在性能上接近、达到、并超过国际上同类产品的水平,是本报告将要探讨的一个问题。 本报告主要从以下三个方面:1.机器人系统多角度建模;2.融合进化计算和机器学习的机器人系统优化问题求解;3.机器人系统设计中的知识自动提取与应用,对机器人系统的设计自动化进行阐述。

    王锐 , 博士,湖南省杰青,主要从事智能优化理论方法及其应用研究,现任中国仿真学会智能仿真优化与调度专委会秘书长。 近五年发表论文30余篇,受理授权专利12项。研究成果荣获省部级科学技术二等奖3项(排名1,4,10),先后荣获The Operational Research Society 优秀博士论文奖、首届吴文俊人工智能优秀青年奖、湖南省杰出青年基金资助、入选湖湘青年英才计划、中国科协青年人才托举计划等。  

报告题目多能互补的综合能源系统优化设计

报告摘要
当今世界能源、生物、信息科技发展日益成为影响战争形态的重要因素。未来高技术战争中,随着作战规模和激烈程度的增大,武器装备用电量不断增加,作战能源需求急剧增长,军事能源保障面临着前所未有的挑战。新能源技术作为战略高新技术,不仅深刻改变人们的生产生活方式,也深刻改变传统战争形态和作战样式。本次报告将简要介绍当前智慧能源保障的相关情况及面临的问题,并由此阐述如何利用先进智能优化理论方法,解决综合能源系统优化设计中的问题,通过不同能源间的有机协调与优化,实现多能互补,并构建可靠、精确、敏捷的能源保障体系。

持续更新中......



  名称 大小
- photo-caisw.jpg 31.30 KB
- photo-chenwn.jpg 36.32 KB
- photo-huangh.jpg 30.85 KB
- photo-lih.jpg 40.15 KB
- photo-lvzp.jpg 39.11 KB
- photo-na.jpg 23.74 KB
- photo-shic.jpg 35.70 KB
- photo-shiyh.jpg 30.81 KB
- photo-tangk.jpg 37.74 KB
- photo-wangy.jpg 31.62 KB
- photo-xingln.jpg 29.02 KB
- photo-zhanglj.jpg 39.06 KB
- photo-zhanzh.jpg 36.50 KB
Contact ECOLE: info@ecole.asia
© ECOLE 2013-2019