CCF YOCSEF长沙、西安、武汉、东北大区联合举办人工智能研究前沿及创新应用报告会

由YOCSEF长沙、西安、武汉、东北大区四地联动，与湖南大学信息科学与工程学院联合承办的人工智能前沿及创新应用报告会于8月18日上午8时至下午5时在长沙市岳麓区国家超级计算中心顺利举办。

论坛旨在交流分享人工智能领域的最新研究成果和行业应用，针对人工智能兴起出现的新的挑战和热点问题，围绕一些共同关注的话题和热点进行广泛讨论。论坛由CCF YOCSEF长沙分区主席许莹主持，一共邀请了五位人工智能领域的知名专家做精彩报告。

英国萨里大学的金耀初教授做报告

来自英国萨里大学的金耀初教授以《Data-driven surrogate-assisted evolutionary optimization of expensive optimization problems》为题的报告。金教授首先以机器学习为切入点，介绍了多目标优化的问题；同时他提出了利用基于种群的进化算法来解决优化问题和无法用简单的数学模型描述，而是数据驱动的优化问题；接下来他以世界第三大的农用拖拉机制造工艺为例，针对在优化过程中可能遇到的问题描述、大规模、多目标和动态优化等问题展开了具体讨论，并给出了利用高斯模型等一系列可行的解决方案，其中机器学习与进化优化方法的结合是一个关键点。

香港城市大学Kay Chen Tan教授做报告

来自香港城市大学，同时也是IEEE Transactions on Evolutionary Computation主编的Kay Chen Tan教授以《Differential Evolution-based Methods for Numerical Optimization》为题，向大家介绍了差分进化的数值优化方法的最新成果。在EMO中主要利用了跨代信息来指导算法的搜索方向，为了提高算法的收敛性和多样性，他提出了两种跨代变异算子。为了解决差分进化的参数敏感性问题，他利用了自适应控制参数来克服该问题。该方法易于在不同的EMO框架中实现。

香港城市大学张青富教授做报告

来自香港城市大学的张青富教授作了题为《新瓶老酒—<进化计算中的经典优化思想>》的报告，张教授首先介绍了经典优化方法中的梯度法和牛顿法等方法，再引入了易于理解，不需要梯度并且可以多点并行的进化算法以及受蚁群的实际行为启发的蚂蚁算法，接下来张教授又分析了一种新兴的基于统计学原理的随机优化算法(EDA)，这是一种相对于普通的遗传算法而言，可进行理论分析的理论范式，它具有更强的全局搜索能力和更快的收敛速度，最后张教授还介绍了自然梯度算法、L-BFGS算法等算法，并分析了这些算法的优势与效果。

美国罗德岛大学何海波教授做报告

来自美国罗德岛大学，同时也是《IEEE Fellow,IEEE Transactions on Neural Networks and learning Systems》主编的何海波教授以《AlphaGo Zero and Beyond:Integrated Learning and Control for Machine Intelligence》为题，从自适应动态规划角度探讨了人工智能的发展。何教授回顾了人工智能的发展，介绍了新人工智能后端的驱动力量：大数据、硬件技术以及算法体系结构。他从分析经典模型表示，介绍近几年研究的发展，率先提出参考网络概念并展示了相应的学习成果。他进一步介绍了基于深度学习的多层的HDP网络，并通过两个例子adp in smart grid control,intelligent co-robot design展示了目前的研究成果。

西安电子科技大学公茂果教授做报告

来自西安电子科技大学的公茂果教授以《深度神经网络的多目标演化学习》为题，首先介绍了自己目前的科研成果，从神经网络的发展历史、优势、瓶颈和突破入手，介绍了DNN Learning Models；同时公教授将神经网络的特征学习与多目标优化问题结合，介绍了他的研究团队在The Berkeley Dataset中的研究成果，再从Image change detection，介绍了其在遥感领域、地震监测与医学等领域的实际应用，在这过程中的核心问题就是需要有一个合适的无监督/半监督学习算法，并且要处理小的训练数据的问题，最后公教授还介绍了SAMSUNG SDS CD Project，并对其在深度神经网络的研究做了总结。

本次报告会五位专家的报告都十分得精彩，使大家对目前人工智能领域的最新研究成果与行业上的应用有了深刻的了解。

参会人员合影