報告一：
報告時間：2019年12月18日（周三）9:00-10:00
報告地點：北辰校區人工智能學院樓（西教一）102報告廳
報告題目：Rational (total nonlinear) model identification and U-control system design
報告嘉賓：朱全民
報告簡介：
Total nonlinear dynamic systems can be described with rational models as a ratio of two polynomials. The introduction of the denominator polynomial make concise expression, but induces challenge in model identification and control system design. The talk will give an easy-going introduction for the related research topics and potential for further research.
U-model enhanced control, U-control in short, system design presents a model independent framework compared with model based design and model free design.
The purpose of the speech is not only to introduce some fundamental techniques, but more importantly to show the speaker’s research insight/philosophy in the challenging research and application domains. The later aspect is particularly suitable for PG students and new researchers. In addition, the speaker will use his sense of humour to link modelling and control to many fields encountered almost in daily life and work.
嘉賓簡介：
朱全民，現為英國西英格蘭大學工程,設計與數學系教授。他于1989年9月在英國University of Warwick大學(華威大學)獲得博士學位，1989年9月至1994年11月在英國University of Sheffield(謝菲爾德大學)大學自動控制和系統工程系從事博士后研究，主要研究方向為“非線性系統的分析和辨識”。與S. A. Billings教授合作，針對非線性有理系統提出了一套全非線性模型(有理模型)辨識與檢驗的理念，該理論體系被視為開創性的工作。與 K. Warwick教授,馬孜教授和L.Z Guo博士合作提出基于神經元網絡的點逼近(pointwise approximation)方法, 為有效地簡化非線性控制系統設計開辟了一個新的途徑。近年來又開創性地提出基于U模型的模型獨立控制系統設計方法，使多種成熟有效的線性控制系統設計方法可直接用于廣泛一類平滑非線性控制系統設計，該方法被視為突破性工作。其發表論文被廣泛引用。參與編寫專著8本，發表學術論文250余篇。以主持人身份完成包括英國工程和自然科學研究委員會(EPSRC), 中國自然科學基金會, 各類基金或企業項目15余項。.
朱全民為英國華人自動化協會（Chinese Automation Society in the UK）創始人及前主席，現為國際建模、辨識與控制學報(International Journal of Modelling, Identification and Control)創始人和主編，國際計算機應用技術學報(International Journal of Computer Applications in Technology)主編, Elsevier 系列叢書 (Emerging methodologies and applications in modelling, identification and control)創始人和主編，國際系統科學學報（International Journal of Systems Science）編委(7/03 to 12/12, 2014年獲該學報杰出服務獎)，Complexity, Hindawi, 國際高級機電系統學報（International Journal of Advanced Mechatronic Systems）, 防務技術(Defence Technology)等國際期刊的編委以及中國儀器儀表學報編委；國際建模、辨識與控制系列會議（International Conference on Modelling, Identification and Control）創始人及主席, 全英華人生命科學學會 （The Academy of Life Sciences for Chinese in the UK）創始成員，IET Fellow, HEA Fellow, 英國工程與自然科學研究基金會（EPSRC）評委會委員，英國工程教授聯合會會員，國際自動控制聯合會會員。中國自動化學會控制理論專業委員會委員(2014年1月-2022年12月)。
朱全民曾應聘于北京理工大學、華中科技大學、北京交通大學、大連海事大學、河北科技大學, 廣東工業大學，中北大學訪問教授。曾被聘武漢科技大學楚天學者講座教授，曾入選2011年山東省萬人計劃，并被授予“泰山學者海外特聘教授”（2011-2016）,昆明理工大學的云南省高端外專項目入選專家（2016-2018）,中南大學信息科學與工程學院引智計劃教授（2017-2019）。除了工作在國際學術前沿領域, 朱全民積極致力于促進中英學術,教育,文化多方面交流與發展。他擔任過幾所英國大學的中國學生學者聯誼會主席和部長。他多次做為所在英國大學的大使訪問中國, 領導過若干中英合作項目。他所在的研究室接待過多名中國訪問學者, 培養了幾十名來自中國的碩士，博士。2012年8月24日在中央電視臺中文國際頻道cctv-4《華人世界》13:05播出 [華人故事]: 我在英國做教授的經歷——朱全民 http://news.cntv.cn/20120824/104434.shtml
報告二：
報告時間：2019年12月18日（周三）10:00-11:00
報告地點：北辰校區人工智能學院樓（西教一）102報告廳
報告題目：加權多模型自適應控制系統設計與分析
報告嘉賓：張維存
報告簡介：
加權多模型自適應控制是當前自適應控制領域的一個重要研究方向，該方法本質上是一種基于軟切換的多模型自適應控制策略，與增益調度控制以及基于T-S模型的模糊控制都有一定的相似性。這種基于軟切換的多模型自適應方法非常適合含有不確定參數的隨機系統的控制，已經在很多領域取得成功應用，但其穩定性一直沒有得到證明，是一個公認的難題。
本研究通過設計新的加權算法以及構造加權多模型自適應控制的輸入輸出等價系統——虛擬等價系統，進而降低了原問題的難度，首次得到了系統的穩定性判據。
嘉賓簡介：
張維存，清華大學控制理論與應用專業博士，北京科技大學自動化學院博士生導師,美國密西根大學(University of Michigan)工業工程系客座研究員,韓國首爾國立大學(Seoul National University)電氣工程與計算機學院客座教授。中國人工智能學會理事，智能空天系統專業委員會秘書長，中國仿真學會智能物聯系統建模與仿真專業委員會副主任。專注于自適應控制系統的分析和設計，建立了理解和判定自適應控制系統穩定性和收斂性的虛擬等價系統方法，初步解決了加權多模型自適應控制系統的穩定性問題。
報告三：
報告時間：2019年12月18日（周三）11:00-12:00
報告地點：北辰人工智能學院樓（西教一）102報告廳
報告題目：時滯神經網絡的穩定性分析與同步控制
報告嘉賓：丁三波
報告簡介：
神經網絡是研究人工智能的關鍵理論和技術基礎，是實現智能自動化的有效工具。當前，神經網絡在圖像處理、模式識別、記憶存儲、優化分析等方面存在廣泛的應用。穩定是神經網絡得以應用的前提。本報告首先針對神經網絡的時滯穩定性問題，介紹提出的柔性終端法和多積分處理方法；其次，針對時滯神經網絡的混沌同步問題，探討如何在網絡化的通訊環境中構造有效的控制器，實現同步穩定性。
嘉賓簡介：
丁三波，講師，博士生導師，河北工業大學“元光學者”啟航崗A。2018年7月畢業于東北大學信息科學與工程學院，主要研究時滯神經動力系統的穩定性分析與綜合、復雜動態網絡的同步控制等問題。目前已經發表SCI論文15篇，其中IEEE Transactions 系列會刊一區論文6篇，有3篇曾入選ESI高被引論文。按最新影響因子計算，所有發表SCI論文的影響因子累加和為97.8。
報告四：
報告時間：2019年12月18日（周三）14:00-15:00
報告地點：北辰人工智能學院樓（西教一）102報告廳
報告題目：Image Saliency Detection: From Convolutional Neural Network to Capsule Network
報告嘉賓：韓軍功
報告簡介：
Human beings possess the innate ability of identifying the most attractive regions or objects in an image. Salient object detection aims to imitate this ability by automatically identifying and segmenting the most attractive objects in an image. In this talk, I will share with you two recent works that we published in the top venues. In the first work, we showcase a guidance strategy for multi-level contextual information integration under the CNNs framework, while in the second work, we demonstrate how we carry out the saliency detection task using new Capsule Networks.
嘉賓簡介：
韓軍功現就職于英國華威大學 (University of Warwick；QS世界排名62位), 任數據科學副教授 （終身教職），領導學院計算機視覺方面的研究工作 （指導8名全職博士生）。加入華威大學前，曾任英國蘭卡斯特大學（Lancaster University; QS世界排名130位）計算機與通信學院副教授（終身教職）。在英國工作之前，韓博士曾任荷蘭飛利浦內容識別 (Civolution) 高級科學家（2012-2015），作為公司視/音頻指紋識別方向的首席專家領導這一方向的產品開發工作。2010年-2012年，韓博士就職于荷蘭皇家科學院數學和計算機研究所，作為項目聯合負責人參與歐盟第七框架研究項目1項。2005年-2010年，韓博士任職于荷蘭埃因霍溫工業大學信號處理組，曾參與2項歐盟項目的研究工作，并指導博士、碩士將近10人。
韓軍功及其研究團隊在多媒體內容識別，計算機視覺，機器學習等方向發表SCI雜志論文100余篇，總影響因子超過350。研究成果40余次發表在本領域頂級期刊（如：IJCV）及主流IEEE匯刊 （包括IEEE T-IP 17篇）。另外，韓博士在計算機 CCF A類會議發表論文超過40篇 （如： NeurIPS, ICML, CVPR, ICCV, ACM MM, AAAI, etc.）。文章google總引用率超過4500次，一作單篇最高引1470次 （IEEE TCYB 2013-2019引用率，下載率雙第一），10篇論文被Web of Science收錄為高被引論文，1篇論文被選為熱點論文。任Elsevier Neurocomputing (IF 4.1) 雜志，Springer Multimedia Tools and Applications (IF 2.1) 雜志和IET Computer Vision (IF 1.6) 雜志的副主編以及4個本領域著名雜志（IEEE Transactions on Neural Network and Learning System, IEEE Transactions on Cybernetics 等）的特約客座編委；同時他還是IEEE Industry DSP Technology的常務委員會委員，IEEE Multimedia Communications 的技術委員會委員。
報告五：
報告時間：2019年12月18日（周三）15:00-16:00
報告地點：北辰人工智能學院樓（西教一）102報告廳
報告題目：Batch process modelling and optimisation control using machine learning techniques
報告嘉賓：張杰
報告簡介：
Batch processes are suitable for the agile manufacturing of high value added products, such as specialty polymers, pharmaceuticals, and bio-products. In contrast to continuous processes, batch processes have strong nonlinear behaviour and always operated in transient states. A further difficulty in batch process control is that product quality variables usually cannot be measured on-line and can only be obtained through laboratory analysis after a batch has finished. The main objective in batch process control is to produce a maximum amount of high quality product while under safe process operations. This talk presents several machine learning based data driven modelling, inferential estimation, and reliable optimisation control methods for batch processes. Bootstrap aggregated neural networks have enhanced model generalisation capability and can also provide model prediction confidence bounds. One of the most important issues of empirical model based batch process optimal control is that the calculated optimal control profile can degrade very significantly when applied to the actual process due to model plant mismatches. “Optimal on the model” can be quite different from “optimal on the process”. In order to address this issue, the optimisation objective function can be augmented by an additional term (or an additional objective in multi-objective optimisation) to penalise wide model prediction confidence bound at the end-point of a batch. By such a means, the calculated optimal control profile is much reliable in the sense that, when being applied to the actual process, the degradation in control performance is limited.
嘉賓簡介：
Dr Jie Zhang received his PhD in Control Engineering from City University, London, in 1991. He has been with the School of Engineering, Newcastle University, UK, since 1991 and is currently a Reader and Degree Programme Director for MSc in Applied Process Control. His research interests are in the general areas of process system engineering including process modelling, batch process control, process monitoring, and computational intelligence. He has published over 300 papers in international journals, books, and conference proceedings. He is on the Editorial Boards of a number of journals including Neurocomputing, International Journal of Automation and Computing, and PLOS ONE.
報告六：
報告時間：2019年12月18日（周三）16:00-17:00
報告地點：北辰人工智能學院樓（西教一）102報告廳
報告題目：制造過程機器智能感知技術及應用研究
報告嘉賓：陳海永
報告簡介：
目前，人工視覺檢測或者一些視覺方法在解決表面目標識別方面起到重要作用，但是復雜背景下高精度和高適應性缺陷感知與認知仍然所知甚少。機器視覺未來的發展重點在于提高精度、高適應性、響應速度和環境認知能力。如何形成類似生物特性的環境感知和認知能力是機器視覺的研究重點之一。因此，模擬生物視覺及信息處理過程的感知和認知過程，針對目標復雜背景和弱目標特性導致的人工特征提取不確定性問題，從多光譜圖像缺陷優化融合感知、多特征缺陷自主認知和強化認知等方面，構建一個基于視覺感知和深度學習的目標檢測與識別框架，對復雜背景下目標視覺檢測以及機器人視覺識別具有重要的價值和意義。在太陽能電池、帶鋼、液晶面板、半導體晶片、汽車制造等領域的應用也具有重要的理論價值和廣闊應用前景。
嘉賓簡介：
陳海永，教授，博士生導師，河北工業大學人工智能學院副院長。2008年于中國科學院自動化研究所獲工學博士學位，研究方向機器人視覺； 2008年以來在河北工業大學工作，至今在河北工業大學人工智能與數據科學學院學院工作。2017年榮獲河北省青年科技獎，2013年入選首屆河北省青年拔尖人才支持計劃, 2015年入選“三三三人才工程”第三層次，中國青年科技工作者協會會員，天津市青年聯合委員會委員，河北省自動化學會理事，河北省電工技術學會理事，中國自動化學會智能制造系統專委會委員。作為課題負責人先后完成國家“863”,國家基金等項目10項。主持獲得天津市科技進步二等獎1項、河北省科技進步三等獎1項，參與獲得河北省科技進步一等獎1項、河北省科技進步二等獎1項、北京市科技進步三等獎1項。在IEEE Transactions on Industrial Informatics、IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT、IEEE Transactions on Semiconductor Manufacturing、Optics and Lasers in Engineering、Journal of Intelligent Manufacturing等國內外期刊、國際會議發表論文50余篇。已授權發明專利13項，申請發明專利18項。
