Mathematics:人工智能理论与应用——走近不确定性理论与忆阻系统 | MDPI Seminar

发表时间:2024-06-17 阅读量:430

随着人工智能技术在各领域内的应用不断深入,针对深度学习和神经网络的相关研究也获得了更有效的数据资源、计算能力、算法创新以及政策投资等多方面的支撑,这使得深度学习和神经网络能够在人工智能领域发挥更大的作用,也推动其不断发展和深化,成为当今的热门研究领域。

本期研讨会,Mathematics 很荣幸邀请到上海大学岳晓冬教授和中国地质大学 (武汉)王雷敏教授作为特邀主讲人,为大家带来“人工智能理论与应用——走近不确定性理论与忆阻系统”主题的学术前沿报告。本次研讨会开播时间为2024年6月18日下午15:00—16:45,欢迎大家关注!

 

研讨会信息

形式

线上会议

 

时间

2024年6月18日 15:00—16:45

 

观看通道

△ 小鹅通直播平台:https://dbofi.xetlk.com/sl/2vSqaE

MDPI开放科学视频号

△ MDPI学者交流群

 

 

研讨会议程

15:00—15:45

融合粒计算的深度学习

岳晓冬 教授

 

15:45—16:30

忆阻及忆阻系统理论与应用

王雷敏 教授

 

16:30—16:45

提问交流环节

 

会议主讲人

岳晓冬 教授

上海大学

教授、博士生导师,现任上海大学未来技术学院 (人工智能研究院) 副院长、卓越工程师学院副院长。博士毕业于同济大学,曾于澳大利亚悉尼科技大学任博士后研究员,香港浸会大学、香港理工大学任访问研究员。从事人工智能理论与应用研究,研究方向为机器学习、软计算与决策支持系统。发表论文100余篇。主持/完成4项国家级科研项目,作为骨干参与/完成7项国家级科研项目,包括多项国家自然科学基金与科技部项目。现为IEEE计算智能学会成员、国际粗糙集学会成员、国际信任函数与应用学会成员、中国人工智能学会 (CAAI) 粒计算与知识发现专委会副主任、机器学习专委会委员、上海市计算机学会人工智能专委会副主任。担任 IJAR 等多个高水平学术期刊领域编辑及编委;担任AAAI等学术会议程序委员会成员;曾任ICME2012、DSAA2014等会议出版主席,Belief2020与IJCRS2022会议副主席。作为团队骨干荣获中国计算机学会科技进步一等奖、上海市优秀教学成果二等奖。

报告题目:融合粒计算的深度学习

报告简介:深度神经网络擅长数据自适应表示学习,特别是在特征提取与非线性函数拟合方面具有优势。虽然深度神经网络在多个领域获得了成功应用,但是现有深度学习方法在数据依赖、模型解释、语义知识融合、不确定性处理方面仍然存在局限。粒计算方法在知识语义表示与不确定性分析方面具有优势,对于决策风险控制与模型解释性要求较高的应用场景,将粒计算方法与深度神经网络相结合,可以改善深度学习模型性能并显著提升应用成效。因此我们尝试将证据理论、模糊集等粒计算经典理论方法融入多种深度神经网络,并在医学辅助诊断与多媒体领域探索应用,报告内容主要包括:(1) 融合粒计算知识表示的深度学习及应用;(2) 融合粒计算不确定性度量的深度学习及应用,报告也将探讨粒计算与深度学习相结合的其它研究议题与并展望领域发展趋势。

 

王雷敏 教授

中国地质大学 (武汉)

中国地质大学 (武汉) 自动化学院教授、博士生导师,中国地质大学 (武汉) 地大学者-青年拔尖人才。担任中国自动化学会会员、中国人工智能学会会、IEEE Senior Member,以及TCCT网络化控制系统、随机系统控制学组委员。获2017年中国自动化学会优秀博士学位论文提名奖。入选2023年斯坦福大学发布的全球前2%顶尖科学家名单。2016年6月于华中科技大学人工智能与自动化学院获工学博士学位。目前主要研究方向为时滞神经网络理论及应用、忆阻及忆阻系统、非线性系统有限时间控制、混沌图像加密等。近5年,主持国家自然科学基金面上项目和青年项目各1项、中央高校杰出人才培育基金项目1项、省重点实验室开放基金项目1项,以及企业横向项目多项。担任 Mathematics 、Frontiers in Physics 和 IEEE ACCESS 等SCI期刊编委,多个期刊专栏编辑。在 IEEE TNNLS、IEEE TFS、IEEE TCYB、NNs 等神经网络、人工智能和自动控制领域相关国际顶级学术期刊发表SCI论文50余篇;发表论文Google学术引用2800余次、H指数33;先后7篇论文进入ESI前1%高被引论文、2篇进入ESI前0.1%热点论文。授权国家发明专利5项,软件著作权多项。

报告题目:忆阻及忆阻系统理论与应用

报告简介:忆阻器,全称记忆电阻器 (Memristor)。它是表示磁通与电荷关系,除电阻、电容和电感外的第四种基本电路器件。忆阻具有非线性、纳米尺寸、功耗低、断电非易失性等优点。此外,忆阻是硬件实现人工神经网络突触的最佳选择之一,基于忆阻的神经网络能够很好地模拟人脑的工作机制,是类脑智能领域的研究热点。本报告首先介绍忆阻背景、基于忆阻的混沌电路和基于忆阻的递归神经网络,其次介绍忆阻系统在混沌保密通讯、联想记忆,建模及动力学分析等三大领域的应用。

 

主办单位

合作单位

 

 

Mathematics 期刊介绍

主编:Francisco Chiclana, School of Computer Science and Informatics, De Montfort University, UK

期刊主题涵盖纯数学和应用数学所有领域,重点发表代数、几何和拓扑、函数插值、差分和微分方程、计算和应用数学、概率与统计、数学物理、动力系统、工程数学、数学和计算机科学、数学生物学、网络科学、金融数学、以及模糊集、系统和决策等相关领域的文章现已被 SCIE (Web of Science)、Scopus 等重要数据库收录,JCR Category Rank: 23/330 (Q1) 。

2022 Impact Factor

2.4

2023 CiteScore

4.0

Time to First Decision

16.9 Days

Time to Publication

39 Days