学术报告：人工智能与数据科学学院联合南开大学人工智能学院举办人工智能与机器人青年学者论坛
时间：2018-12-17
来源：人工智能与数据科学学院
作者：人工智能与数据科学学院
点击量：次
我司人工智能与数据科学学院联合南开大学人工智能学院举办人工智能与机器人青年学者论坛，将有6位青年学者做关于机器人领域前沿成果的学术报告，欢迎大家参加。
时间：2018年12月20日周四上午9:00-12:00
地点：williamhill中文欢迎您东院7D101
报告简介
（一）报告题目：“人在环中”: 外骨骼机器人的个性化控制
报告摘要：外骨骼机器人及机器人假肢的设计初衷是提升人肢体性能。然而现有类似设备很少能真正实现这个目标。基于人体反馈对设备参数进行优化，也就是“人在环中”的理念，可以用来提升设备性能。本报告讨论一个基于人体代谢耗能、运用遗传算法对外骨骼控制参数进行优化的方法。运用此方法优化一个单侧、单自由度脚踝外骨骼在辅助人体行走中的助力模式，其结果比无助力模式下受试者的代谢耗能平均降低了24.2%。这个结果是领域内此前最好成绩的228%。此方法已被初步证实具有普适性， 可用于不同设备、不同人体反馈信号、不同行走及奔跑条件。 这项成果初步实现了自动、高效、快速的外骨骼控制私人定制，确保了外骨骼对人体的有益帮助，为外骨骼在人体康复、辅助及动力提升领域的大力推广奠定了技术基础。
张娟娟，1984年2月生。南开大学人工智能学院副教授。2018年入选南开大学百名青年学术带头人。 2016年博士毕业于卡耐基梅隆大学机械工程系，主要从事人机物理交互系统的控制优化、下肢外骨骼及康复机器人的控制。2017年取得“人在环中”下肢外骨骼控制优化的突破性成果，为外骨骼的性能设置了一个新的标杆。此成果发表于《Science》主刊，为外骨骼机器人领域发表于该杂志的第一篇非综述评论性文章。研究成果受到多个国家、多个语种、多家知名媒体关注报道。
（二）报告题目：异质文本网络表示学习方法
网络是一种表征能力极强的数据结构。在社交网络、论文引用网络、用户与商品交互网络等复杂网络中，往往存在着复杂的结构和属性特征等异质信息，使得网络挖掘成为一项极具挑战性的课题。近年来，网络嵌入方法已经被广泛地认为是一种有效的网络表示学习方法。网络嵌入旨在为网络中的节点学习一种低维的、稠密的、连续的向量表示，在许多网络分析问题中有着广泛的应用前景。本报告首先介绍针对社交短文本的异质网络嵌入问题的研究工作；其次，基于节点内容与网络结构这两种模态之间相辅相成的关系，提出一种跨模态的生成模型来建模两种模态之间的映射关系，融合不同模态的网络语义信息，提升网络挖掘任务的性能。
刘 杰，博士，南开大学人工智能学院教授，博士生导师。研究领域包括机器学习与数据挖掘方面的基础研究，以及面向信息抽取、网络挖掘、问答系统等方面的应用研究。在机器学习、数据挖掘、自然语言处理、知识工程等领域国际重要会议和期刊发表论文三十余篇（包括TKDE、Pattern Recognition、Information Sciences、AAAI、IJCAI，ICDM、CIKM等）；获得2017年中国高校计算机大赛一等奖，2017年CCF大数据与计算智能大赛特等奖，NLPCC 2017/2018最佳论文奖；担任AAAI、IJCAI等多个国际顶级会议的程序委员会委员；主持国家自然科学基金项目、天津市自然科学基金以及多项企业合作科研项目的研发，相关成果获得天津市科技进步二等奖两项。
（三）报告题目：深度模仿学习和强化学习在机器人领域中的研究和应用
近年来，深度学习在图像识别、语音识别等智能感知领域取得了突破性进展。随着技术的进步，人工智能的研究热点正在从智能感知转移到智能认知和智能决策。机器人领域中的智能规划和智能控制从本质上来说都属于智能决策的研究范畴，而在机器人智能决策的研究中最常用的两种算法是模仿学习和强化学习。本次报告对深度模仿学习和强化学习进行简单的介绍，并介绍我们基于这两种方法在机器人相关领域中的尝试和探索。本次报告的内容具体包括以下六个方面：（1）蛇形机器人硬件平台研究；（2）深度模仿学习简介；（3）基于深度模仿学习的未知环境导航研究；（4）强化学习简介；（5）基于深度强化学习的工序规划研究；（6）基于强化学习的蛇形机器人智能控制研究。
郭宪，现为南开大学讲师。2009年毕业于华中科技大学机械设计制造及自动化专业，同年保送到中国科学院沈阳自动化研究所进行硕博连读，主攻方向为机器人动力学建模与控制，并于2016年1月获得工学博士学位。2016年1月至2018年7月在南开大学计算机与控制工程学院从事博士后研究工作，主攻方向为机器人智能决策。郭博士已在国内外相关高水平学术杂志和会议发表论文十数篇，主持两项国家级基金，并于2018年出版《深入浅出强化学习：原理入门》一书，得到广大读者的一致好评。郭博士目前的研究方向为蛇形机器人设计和运动控制，智能感知和智能决策。
（四）报告题目：分布式和并行演化计算
当前处理器的计算核心正朝着并行化的方向发展。分布式和并行的演化计算具有重要的学术研究价值和工业价值。传统机器学习方法一般致力于解决单目标优化问题，而演化计算可以解决不可导问题和NP难问题、可以解决多目标学习。把演化计算应用于机器学习，可以做参数和结构的优化，调整参数和模型结构，进而构造深度演化神经网络；可以做（超）多目标优化，求解（超）多目标大规模问题。分布式和并行的演化计算可以应用于物联网，机器人，大数据，图形和多媒体等多个领域。在处理复杂实际问题时，很可能数学模型没有办法建立，或者只能建立一个粗糙的数学模型。但是演化计算可以不需要建模，只要有数据就可以快速得到一个近似解。因此成为了在有限时间内解决复杂实际问题的一种可行性方案。基于众多处理器资源，设计相应的分布式和并行演化算法，可以将繁重的计算任务分配到众多计算资源中，极大地减少耗时。
曹斌，男，博士生导师，硕士生导师，副教授，IEEE会员，清华大学计算机系博士后出站。2015年作为引进人才到williamhill中文欢迎您工作。研究兴趣：人工智能（计算智能）及其在物联网、大数据、图形和媒体中的应用；高性能计算和云计算。迄今已在《IEEE Trans. Industrial Informatics》、《IEEE Trans. Big Data》等期刊发表和录用论文多篇。担任多个学术期刊和学术会议的编委、程序委员会委员和审稿人。作为负责人承担国家自然科学基金青年基金项目。获得国家自然科学基金委-广东联合基金（第二期）超级计算科学应用研究专项资助。指导学生获得全国并行应用挑战赛华北赛区一等奖。
（五）报告题目：基于机器视觉的制造业产品质量智能检测与识别
为了保持制造业的竞争力，质量管理和精益制造系统的重要性位居榜首，开发好的质量管理系统被认为是制造企业获取利润最重要的技术进步。本课题组针对不同制造业产品的表面质量视觉检测问题进行研究，包括具有均匀纹理背景的带钢产品表面缺陷检测与识别，即获得缺陷目标的精确位置、面积及缺陷类型信息，以及非均匀随机纹理背景下的光伏电池表面缺陷检测与定位、光伏电池EL缺陷检测于识别，多光谱通道下的太阳能电池细微色差检测与识别问题研究。涉及方法包括基于单幅图像内部信息的异常检测方法、基于无缺陷样本库的异常检测方法及基于深度神经网络的检测方法等。
刘坤：2009年获清华大学工学博士学位，现为williamhill中文欢迎您人工智能与数据科学学院教师，副教授，主要从事计算机视觉领域中机器视觉的相关算法、目标检测提取与分类等方面的研究工作。项目负责人自参加工作以来先后主持国家自然科学基金青年基金1项、国家基金重点项目子课题1项等各类项目6项，获williamhill中文欢迎您科技进步奖2项。近三年以来发表与机器视觉相关的论文20余篇，其中已发表和已录用的SCI期刊6篇，EI论文11篇，申请国家专利20多项。研究成果发表在《IEEE Transactions on industry informatics》、《IEEE Transactions on instrumentation and measurement》、《IEEE Transactions on Semiconductor Manufacturing》等多个权威国际期刊上。
（六）报告题目：行波超声电机离散接触建模及精密控制策略研究
行波超声电机（Travelling-wave Ultrasonic Motor, TWUSM）是利用压电材料逆压电效应激发超声振动行波，通过接触摩擦产生驱动力的一类微特电机，适用于医疗卫生、航空航天等领域的精密驱动系统中。报告将总结近期研究成果，从近年来一直是TWUSM的研究焦点的建模与控制两方面进行汇报。1、TWUSM离散接触建模。针对电机运行的核心——定转子接触作用研究了按定子齿结构离散化的接触运动模型，精简电机运行机理的分析过程。2、TWUSM振动模态的空间矢量动态预测控制。从振动模态对输出转矩脉动的影响出发，利用空间矢量分析，研究转矩脉动的离散预测控制策略，从而改善转矩控制性能，提高控制精度。
荆锴，男，博士，讲师，williamhill中文欢迎您人工智能与数据科学学院新能源科学与工程系教师，主要研究方向为超声电机驱动控制、电力电子与电气传动等。作为负责人承担国家自然科学基金青年基金项目1项、williamhill中文欢迎您教育厅项目1项、williamhill中文欢迎您研究生创新资助项目1项（博士期间），参与完成williamhill中文欢迎您自然基金一项、williamhill中文欢迎您重大科技成果转化项目一项以及横向课题两项。发表SCI、EI检索期刊论文5篇，获得授权发明专利6项，实用新型专利3项。
