首先由中国科学院数学与系统科学研究院系统所所长，副理事长张纪峰研究员进行致辞。张纪峰研究员首先对与会代表表示热烈的欢迎，并对智能自动化学科前沿讲习班和此次讲习班的主题“智能、控制与数学”的来源进行了简要的介绍，希望大家能够通过此次活动有所收获。

首先为大家带来报告的是西北工业大学潘泉教授，潘泉教授所作报告题目为“基于变分贝叶斯的联合优化及其在现代信息融合处理中的应用”。潘泉教授的报告梳理了近年来信息融合理论的发展,分析了信息融合处理系统中存在的非线性、多模式、深耦合、网络化、高维数和未知扰动输入等问题,讨论了现代信息融合处理系统中联合优化的必要性，并系统介绍了解决联合优化问题的主要方法,包括联合检测与估计、联合聚类与估计、联合关联与估计及联合决策与估计等，着重阐述了变分贝叶斯辨识、估计与优化的统一框架，以及融合处理一体优化方法。潘泉教授的报告通过天波超视距雷达等应用案例，给出了多模式多传感器多目标场景下变分贝叶斯跟踪问题求解的一般性描述。报告的最后也讨论了变分贝叶斯理论在信息融合领域的开放问题和未来研究方向。

随后由中国科学院自动化研究所谭民研究员为大家带来题为“仿生机器鱼建模与控制研究”的报告。谭民研究员的报告重点介绍了仿生机器鱼高效、高机动运动控制，介绍了建立机器鱼运动的鱼体波模型过程, 提出高机动运动控制方法。并提出了通过开展鱼类的仿生运动研究，促进仿生机器鱼控制理论和方法的发展的观点，对于高效率、高机动性、高度环境适应性的新型水下运载系统、作业系统的开发研制与应用具有重要的意义。

上午最后一个为大家带来报告的是西安交通大学孟德宇教授，孟教授为大家带来的报告题目为“梯度之谜”。机器学习的传统方法强调具有问题理解与理论基础的模型构建与算法设计，而现代机器学习更强调依赖于数据数量与质量的深度学习策略。两类方法从机理上通常认为存在显著的差异。孟教授的报告从梯度角度探讨两类方法论对于学习问题认识的本质一致性，并基于该理解尝试引导出一类新型的半监督/无监督深度学习方法，及其在图像去雨及低质量CT图像增强方面的应用。 

下午首先由华南理工大学苏为洲教授带来题为“伺服控制系统工程设计—问题与实例”的报告。伺服控制系统是装备制造，国防，移动通讯，深空探测等领域中的基础性单元，其中的控制算法设计是一项瓶颈性技术。苏教授的报告结合印刷设备、移动天线中的伺服控制系统，探讨伺服控制系统的建模、分析与设计问题。报告着重讨论系统模型特别是系统不确定性在频域中的描述与验证，并以伯德积分为工具讨论系统设计目标的选取等问题；报告的最后苏教授讨论了伺服系统的H2-Hinf双目标最优设计问题和相应的设计方法。

接下来由中国地质大学（武汉）陈鑫教授带来题为“仿人音乐机器人关键智能技术”的报告。音乐机器人是机器视觉、智能学习与决策、机械臂设计与控制等多个人工智能技术交叉融合的典型代表。其研究不仅在音乐领域为突破人类演奏或作曲的专业极限，丰富音乐的表现形式提供新的途径，更是探索人类情感建模，类人行为决策与控制，高速手眼协调控制等智能系统关键技术的重要平台。 陈鑫教授的报告以扬琴演奏机器人的智能化关键技术为主要内容，介绍了基于机器视觉的智能识谱技术，包括五线谱谱线校正与分离、多层次音符识别技术，实现对纸质乐谱实时辨识与编码；陈教授的报告也介绍了基于类人经验学习的演奏技法在线决策技术，在乐理分析基础上，通过机器学习方法获得类人演奏技法，实现演奏的高实时性决策；采用拟人相似度优化方法，建立具有似人特性的机械臂运动轨迹规划与运动控制技术；报告介绍了面向中国民族音乐的多元音乐属性识别和作曲系统，实现基于人机交互的智能在线作曲。在报告的最后，陈教授介绍了基于ROS系统的音乐机器人高实时性决策与控制系统实现。通过音乐智能机器人技术的介绍，提出在音乐机器人高实时性应用环境下，机器视觉、情感计算、机器人学习等技术中存在的问题和未来研究方向。

18号最后一个报告为北京科技大学贺威教授带来的题为“扑翼飞行机器人的控制系统设计与研究”的报告。扑翼飞行机器人是受昆虫和鸟类飞行方式启发的一类飞行机器人，与常见的固定翼和旋翼飞行器相比，扑翼飞行机器人具有质量轻、效率高、机动性强、能耗低等优点，是飞行机器人发展的重要方向。仿生扑翼飞行机器人的动力学特性较为复杂，在控制系统设计和实现方面具有一定的难度。扑翼飞行机器人在飞行中受到气流作用会产生预期之外的振动和形变，从而影响飞行性能，甚至缩短使用寿命。贺威教授的报告研究了扑翼机器人的自主控制和振动控制问题，分析了扑翼飞行机器人的动力学模型，并针对自主控制问题提出神经网络控制，针对振动问题提出自适应边界控制策略，建立了一套有效的控制系统设计和稳定性分析方法。贺威教授的团队搭建了几款仿生扑翼飞行机器人和柔性翼振动控制平台，并将所提出的智能控制方法应用到这些扑翼飞行机器人平台上。

第二天首先为大家带来报告的是清华大学贾庆山副教授，贾庆山老师带来报告的题目为“信息物理融合能源系统中的人工智能-事件驱动的学习与优化方法”。在以城市能源互联网、智能建筑等为代表的信息物理融合能源系统中，信息流、能源流深度融合。这为实现多种能源综合互补、供需匹配，提高系统的整体能效水平，同时提升用户的舒适体验，均提供了巨大的机遇。但此类系统的综合优化一般涉及在多个时间和空间尺度上的动态过程。比如在城市能源互联网中，在供能一侧，风能与太阳能等新能源的发电量每分钟均可能发生较大幅度的变化，且有逐时、逐日等不同时间尺度的发电预测模型，有单台设备、风电场等不同时间尺度的发电预测模型。在用能一侧，电动汽车的出行需求也有较大的不确定性，有逐时、逐日等不同时间尺度的预测模型，有停车场、城区、城市等不同空间尺度的预测模型。如何综合利用这多个尺度的模型，实现系统整体性能的优化，具有重要的实际意义，也有巨大的科学挑战。贾庆山老师的报告简单介绍了人工智能在本领域的巨大应用前景，并着重汇报事件驱动的学习与优化方法近期的研究成果，以及应用在多尺度信息物理融合能源系统综合优化中的研究进展。 

第二个为大家带来报告的是北京大学张志华教授，张教授所作报告题目为“关于机器学习和深度学习的若干问题”。张老师的报告指出统计机器学习的黄金发展十年为1995年-2006年，说明统计学习即统计建模和算法计算。经过数年的发展和时代的变化，大模型大数据大计算使得统计学习得到了长足的发展，机器学习的定义也可以更新为统计与计算思维的综合，同时说明浅层模型中统计的作用更加突出，而深层模型中计算的作用更突出。

上午最后一个报告为东南大学李世华教授所作题为“机电系统建模、分析与控制研究”的报告。机电系统存在各类非线性环节：摩擦、间隙迟滞、饱和等，参数不确定、摄动以及外部干扰无处不在，这些因素极大地影响了机电系统闭环性能。与高增益以及PID等控制等方法相比，基于时域频域先进建模、分析与干扰估计前馈补偿的复合控制方法给出了另外一种不同的解决途径，它可以很好地提升闭环系统的精度和抗干扰性能。李教授的报告讨论了如何从时域/频域建模、干扰建模和前馈、先进复合控制角度提高闭环系统的抗干扰性能和精度，分析了传统PID控制算法的理论局限性，给出了这方面的一些最新理论研究进展和成果；并结合运动控制、电力电子系统、过程控制、飞控系统等不同应用特点，探讨了几种不同的应用设计案例，展示了实验验证结果。

下午第一个报告为中科院数学与系统科学研究院洪奕光研究员所作题为“多智能体系统的分布式优化”的报告。当今的热门方向包括机器学习和群体智能都离不开优化算法的分析和设计，洪奕光老师的报告从凸优化说起并将原来的集中式算法推广到分布式，其中包括带有各种约束（局部，耦合等）的优化算法的设计和收敛性分析等。这与群体智能的算法设计有着密切的关系，相关的研究也为分布式机器学习打下了基础。

下午的第二个报告为北京工业大学韩红桂教授所作题的为“城市污水处理过程智能优化控制”的报告。城市污水处理是保护环境、实现水资源循环利用的有效途径，污水处理优化运行控制技术是保证其排放达标、降低能耗的核心技术。然而，由于城市污水处理过程具有大规模、多流程、非平稳、强耦合、非线性等特点，目前城市污水处理厂运行状况不容乐观，自动化、智能化已成为污水处理行业未来发展的方向。智能优化控制以攻克城市污水处理过程运行工况不稳定、出水水质超标、处理成本过高的共性难题为目标，研究关键水质参数在线检测、操作变量自组织控制、异常工况自愈控制和全流程协同优化等理论与关键技术，推动智能控制理论发展，引领污水处理行业技术进步。

最后一个为大家带来报告的是天津大学吴华明博士，吴博士所作报告题目为“深度度量学习及其应用”。机器学习的关键是特征学习，获得好的特征是识别成功的关键。传统方法往往依赖手动构建距离函数，人工选取特征费时费力、需要启发式专业知识，且对数据的改变不鲁棒。度量学习可作为手动选取特征的理想替代，根据不同的任务来自主学习出相应的距离度量函数。吴博士的报告从度量角度出发，探讨距离度量学习或深度度量学习背后的数学原理，介绍如何针对样本之间的异构性、类别的差异性来构造不同的损失函数，实现刻画不同样本之间的相关、比较关系。报告也重点介绍了几种目前流行的深度度量函数及其在人脸识别、物体识别、姿态估计和信息检索等领域的应用。

最后，中国科学院数学与系统科学研究院赵延龙研究员对为期两天的讲习班进行了总结，对各位报告专家的精彩报告和各位参会代表的大力配合表示衷心的感谢，希望各位学员能够通过此次活动有所收获！

 

学会秘书处 供稿