學術報告：人工智能與數據科學學院聯合南開大學人工智能學院舉辦人工智能與機器人青年學者論壇
時間：2018-12-17
來源：人工智能與數據科學學院
作者：人工智能與數據科學學院
點擊量：次
我校人工智能與數據科學學院聯合南開大學人工智能學院舉辦人工智能與機器人青年學者論壇，將有6位青年學者做關于機器人領域前沿成果的學術報告，歡迎大家參加。
時間：2018年12月20日周四上午9:00-12:00
地點：河北工業大學東院7D101
報告簡介
（一）報告題目：“人在環中”: 外骨骼機器人的個性化控制
報告摘要：外骨骼機器人及機器人假肢的設計初衷是提升人肢體性能。然而現有類似設備很少能真正實現這個目標。基于人體反饋對設備參數進行優化，也就是“人在環中”的理念，可以用來提升設備性能。本報告討論一個基于人體代謝耗能、運用遺傳算法對外骨骼控制參數進行優化的方法。運用此方法優化一個單側、單自由度腳踝外骨骼在輔助人體行走中的助力模式，其結果比無助力模式下受試者的代謝耗能平均降低了24.2%。這個結果是領域內此前最好成績的228%。此方法已被初步證實具有普適性， 可用于不同設備、不同人體反饋信號、不同行走及奔跑條件。 這項成果初步實現了自動、高效、快速的外骨骼控制私人定制，確保了外骨骼對人體的有益幫助，為外骨骼在人體康復、輔助及動力提升領域的大力推廣奠定了技術基礎。
張娟娟，1984年2月生。南開大學人工智能學院副教授。2018年入選南開大學百名青年學術帶頭人。 2016年博士畢業于卡耐基梅隆大學機械工程系，主要從事人機物理交互系統的控制優化、下肢外骨骼及康復機器人的控制。2017年取得“人在環中”下肢外骨骼控制優化的突破性成果，為外骨骼的性能設置了一個新的標桿。此成果發表于《Science》主刊，為外骨骼機器人領域發表于該雜志的第一篇非綜述評論性文章。研究成果受到多個國家、多個語種、多家知名媒體關注報道。
（二）報告題目：異質文本網絡表示學習方法
網絡是一種表征能力極強的數據結構。在社交網絡、論文引用網絡、用戶與商品交互網絡等復雜網絡中，往往存在著復雜的結構和屬性特征等異質信息，使得網絡挖掘成為一項極具挑戰性的課題。近年來，網絡嵌入方法已經被廣泛地認為是一種有效的網絡表示學習方法。網絡嵌入旨在為網絡中的節點學習一種低維的、稠密的、連續的向量表示，在許多網絡分析問題中有著廣泛的應用前景。本報告首先介紹針對社交短文本的異質網絡嵌入問題的研究工作；其次，基于節點內容與網絡結構這兩種模態之間相輔相成的關系，提出一種跨模態的生成模型來建模兩種模態之間的映射關系，融合不同模態的網絡語義信息，提升網絡挖掘任務的性能。
劉 杰，博士，南開大學人工智能學院教授，博士生導師。研究領域包括機器學習與數據挖掘方面的基礎研究，以及面向信息抽取、網絡挖掘、問答系統等方面的應用研究。在機器學習、數據挖掘、自然語言處理、知識工程等領域國際重要會議和期刊發表論文三十余篇（包括TKDE、Pattern Recognition、Information Sciences、AAAI、IJCAI，ICDM、CIKM等）；獲得2017年中國高校計算機大賽一等獎，2017年CCF大數據與計算智能大賽特等獎，NLPCC 2017/2018最佳論文獎；擔任AAAI、IJCAI等多個國際頂級會議的程序委員會委員；主持國家自然科學基金項目、天津市自然科學基金以及多項企業合作科研項目的研發，相關成果獲得天津市科技進步二等獎兩項。
（三）報告題目：深度模仿學習和強化學習在機器人領域中的研究和應用
近年來，深度學習在圖像識別、語音識別等智能感知領域取得了突破性進展。隨著技術的進步，人工智能的研究熱點正在從智能感知轉移到智能認知和智能決策。機器人領域中的智能規劃和智能控制從本質上來說都屬于智能決策的研究范疇，而在機器人智能決策的研究中最常用的兩種算法是模仿學習和強化學習。本次報告對深度模仿學習和強化學習進行簡單的介紹，并介紹我們基于這兩種方法在機器人相關領域中的嘗試和探索。本次報告的內容具體包括以下六個方面：（1）蛇形機器人硬件平臺研究；（2）深度模仿學習簡介；（3）基于深度模仿學習的未知環境導航研究；（4）強化學習簡介；（5）基于深度強化學習的工序規劃研究；（6）基于強化學習的蛇形機器人智能控制研究。
郭憲，現為南開大學講師。2009年畢業于華中科技大學機械設計制造及自動化專業，同年保送到中國科學院沈陽自動化研究所進行碩博連讀，主攻方向為機器人動力學建模與控制，并于2016年1月獲得工學博士學位。2016年1月至2018年7月在南開大學計算機與控制工程學院從事博士后研究工作，主攻方向為機器人智能決策。郭博士已在國內外相關高水平學術雜志和會議發表論文十數篇，主持兩項國家級基金，并于2018年出版《深入淺出強化學習：原理入門》一書，得到廣大讀者的一致好評。郭博士目前的研究方向為蛇形機器人設計和運動控制，智能感知和智能決策。
（四）報告題目：分布式和并行演化計算
當前處理器的計算核心正朝著并行化的方向發展。分布式和并行的演化計算具有重要的學術研究價值和工業價值。傳統機器學習方法一般致力于解決單目標優化問題，而演化計算可以解決不可導問題和NP難問題、可以解決多目標學習。把演化計算應用于機器學習，可以做參數和結構的優化，調整參數和模型結構，進而構造深度演化神經網絡；可以做（超）多目標優化，求解（超）多目標大規模問題。分布式和并行的演化計算可以應用于物聯網，機器人，大數據，圖形和多媒體等多個領域。在處理復雜實際問題時，很可能數學模型沒有辦法建立，或者只能建立一個粗糙的數學模型。但是演化計算可以不需要建模，只要有數據就可以快速得到一個近似解。因此成為了在有限時間內解決復雜實際問題的一種可行性方案。基于眾多處理器資源，設計相應的分布式和并行演化算法，可以將繁重的計算任務分配到眾多計算資源中，極大地減少耗時。
曹斌，男，博士生導師，碩士生導師，副教授，IEEE會員，清華大學計算機系博士后出站。2015年作為引進人才到河北工業大學工作。研究興趣：人工智能（計算智能）及其在物聯網、大數據、圖形和媒體中的應用；高性能計算和云計算。迄今已在《IEEE Trans. Industrial Informatics》、《IEEE Trans. Big Data》等期刊發表和錄用論文多篇。擔任多個學術期刊和學術會議的編委、程序委員會委員和審稿人。作為負責人承擔國家自然科學基金青年基金項目。獲得國家自然科學基金委-廣東聯合基金（第二期）超級計算科學應用研究專項資助。指導學生獲得全國并行應用挑戰賽華北賽區一等獎。
（五）報告題目：基于機器視覺的制造業產品質量智能檢測與識別
為了保持制造業的競爭力，質量管理和精益制造系統的重要性位居榜首，開發好的質量管理系統被認為是制造企業獲取利潤最重要的技術進步。本課題組針對不同制造業產品的表面質量視覺檢測問題進行研究，包括具有均勻紋理背景的帶鋼產品表面缺陷檢測與識別，即獲得缺陷目標的精確位置、面積及缺陷類型信息，以及非均勻隨機紋理背景下的光伏電池表面缺陷檢測與定位、光伏電池EL缺陷檢測于識別，多光譜通道下的太陽能電池細微色差檢測與識別問題研究。涉及方法包括基于單幅圖像內部信息的異常檢測方法、基于無缺陷樣本庫的異常檢測方法及基于深度神經網絡的檢測方法等。
劉坤：2009年獲清華大學工學博士學位，現為河北工業大學人工智能與數據科學學院教師，副教授，主要從事計算機視覺領域中機器視覺的相關算法、目標檢測提取與分類等方面的研究工作。項目負責人自參加工作以來先后主持國家自然科學基金青年基金1項、國家基金重點項目子課題1項等各類項目6項，獲河北省科技進步獎2項。近三年以來發表與機器視覺相關的論文20余篇，其中已發表和已錄用的SCI期刊6篇，EI論文11篇，申請國家專利20多項。研究成果發表在《IEEE Transactions on industry informatics》、《IEEE Transactions on instrumentation and measurement》、《IEEE Transactions on Semiconductor Manufacturing》等多個權威國際期刊上。
（六）報告題目：行波超聲電機離散接觸建模及精密控制策略研究
行波超聲電機（Travelling-wave Ultrasonic Motor, TWUSM）是利用壓電材料逆壓電效應激發超聲振動行波，通過接觸摩擦產生驅動力的一類微特電機，適用于醫療衛生、航空航天等領域的精密驅動系統中。報告將總結近期研究成果，從近年來一直是TWUSM的研究焦點的建模與控制兩方面進行匯報。1、TWUSM離散接觸建模。針對電機運行的核心——定轉子接觸作用研究了按定子齒結構離散化的接觸運動模型，精簡電機運行機理的分析過程。2、TWUSM振動模態的空間矢量動態預測控制。從振動模態對輸出轉矩脈動的影響出發，利用空間矢量分析，研究轉矩脈動的離散預測控制策略，從而改善轉矩控制性能，提高控制精度。
荊鍇，男，博士，講師，河北工業大學人工智能與數據科學學院新能源科學與工程系教師，主要研究方向為超聲電機驅動控制、電力電子與電氣傳動等。作為負責人承擔國家自然科學基金青年基金項目1項、河北省教育廳項目1項、河北省研究生創新資助項目1項（博士期間），參與完成河北省自然基金一項、河北省重大科技成果轉化項目一項以及橫向課題兩項。發表SCI、EI檢索期刊論文5篇，獲得授權發明專利6項，實用新型專利3項。
