.png)
徐常勝：物理與網絡二元空間社會熱點事件協同感知與計算
中國科學院自動化研究所的徐常勝研究員作了題為“物理與網絡二元空間社會熱點事件協同感知與計算”的專題報告。徐研究員首先介紹面向社會熱點事件的二元空間數據協同感知與計算，指出其信息傳播和交互規律，理解社會熱點事件在二元空間中的爆發模式、傳播規律、及演化態勢，支撐針對社會熱點事件的應急處理體系與決策系統。最后介紹了社會事件的魯棒特征表示、發現關聯、及全局態勢演化分析與預測等。
.jpg)
陳霸東：Information Theoretic Learning
西安交通大學的陳霸東教授作了題為“Information Theoretic Learning”的專題報告。陳教授介紹了一類重要的學習模式---信息理論學習（Information Theoretic Learning，ITL），它利用信息論測度（熵、互信息等）構建學習機的目標函數可以顯著提高機器學習的性能和對各種噪聲干擾的魯棒性，是機器學習領域新的研究方向，著重闡述信息理論學習的基本概念、方法及各種應用，最后通過數值算例驗證了理論結果。
.jpg)
潘綱：脈沖神經網絡：模型與應用
浙江大學的潘綱教授作了題為“脈沖神經網絡：模型與應用”的專題報告。潘教授介紹了脈沖神經網絡（Spiking Neural Networks），它比傳統的人工神經網絡具有更好的生物逼真性，近年來受到研究人員越來越多的關注。潘教授指出通過脈沖神經網絡，計算系統與生物神經系統的連接融合有望變得更加有效與自然。潘教授著重介紹了脈沖神經網絡原理與方法，以及若干脈沖神經網絡的典型應用。同時，也分享了課題組近年在脈沖神經網絡方面的研究進展。
.jpg)
劉成林：魯棒模式識別的研究問題和進展
中國科學院自動化研究所的劉成林研究員作了題為“魯棒模式識別的研究問題和進展”的專題報告。劉研究員在分析過去模式分類的研究的基礎上，指出多數研究只關心如何提高測試數據的分類正確率（即泛化精度），而對拒識和魯棒性關注較少。近年來，深度學習方法在模式識別領域取得了巨大的成功，但主流的神經網絡模型在小樣本泛化性和開放環境魯棒性方面都表現出明顯不足。劉研究員首先分析模式識別系統的魯棒性的內涵，然后從拒識的角度總結幾種提高模式識別魯棒性的方法。模式識別中主要有兩類拒識：歧義拒識和異常模式拒識。我們回顧兩種拒識方式的理論模型和主要方法。最后，介紹我們最近提出的一種面向魯棒模式識別的深度學習方法：深度卷積原型學習。該方法通過深度卷積神經網絡學習具有高判別能力的特征，在特征空間用最近原型分類器進行分類，通過聯合學習具有很高的分類精度和異常拒識能力以及小樣本泛化能力。該模型在領域自適應、在線學習、新類別發現等方面有良好潛力。
.jpg)
陳華富：多模態磁共振神經精神疾病腦影像模式識別方法研究
電子科技大學的陳華富教授作了題為“多模態磁共振神經精神疾病腦影像模式識別方法研究”的專題報告。陳教授指出目前癲癇，抑郁癥和焦慮癥等神經、精神疾病發病率和漏診率高，影像特征不明顯，尚無客觀指標用于早期診斷、風險評估及治療方案的選擇。他介紹了神經精神疾病腦影像分析方法，這種方法涉及復雜的信息分析模型和方法，主要利用磁共振腦成像提供的功能和結構影像信息，探測腦功能活動特征，功能和結構網絡特征，揭示神經精神疾病的影像學神經機制，以及發展多模態網絡特征模式識別方法，揭示神經精神疾病影像學特征，提高分類準確率，為臨床診斷和評估提供信息學客觀的指標。
.jpg)
孫富春：面向機器人靈巧操作的時空數據感知與處理
清華大學的孫富春教授作了題為“面向機器人靈巧操作的時空數據感知與處理”的專題報告。下一代智能機器人將需要裝配視聽觸覺傳感裝置，通過多模態信息的認知傳感和動作技能學習實現更加靈巧的操作。而這些功能的實現，將有待于人們對視聽觸覺的表征、融合以及感知到行為映射的突破。孫教授介紹了課題組研制的高分辨率四模態陣列裝置和多模態認知傳感靈巧手，傳感裝置的感知信息包含微視覺，分布式壓力覺/滑覺傳感器和溫度覺，而靈巧手則裝備了四模態傳感皮膚和擬人肌肉驅動。孫教授提出了較為系統的視觸覺時空數據處理方法，用于解決視覺和觸覺的聯合表征與融合，以及感知到行為的驅動映射問題。最后，孫教授通過一些實驗用于揭示提出的理論方法，并指出了未來的發展方向。
?.jpg)
武元新：視覺雙視圖幾何的等價純位姿約束
上海交通大學的武元新教授作了題為“視覺雙視圖幾何的等價純位姿約束”的專題報告。武教授針對雙視圖位姿估計及結構重建這類計算機視覺的基礎性問題介紹了其最新研究成果。武教授采用一種與雙視圖成像幾何等價的純位姿約束對（PPO）：同邊約束與相交約束；從線性方程的角度給出了本征方程的完備解集，證明在純旋轉運動情況下，仍然可以恢復出位姿中的姿態部分。PPO約束可用于位姿正確解、純旋轉的解析鑒別和解析3D重建。最后，武教授給出測試結果表明，PPO約束有效提高了位姿計算和3D重建的精度和魯棒性。
.jpg)
來自西安交通大學、中科院自動化所、中山大學、北京交通大學、西安理工大學、武漢理工大學等多所高校的師生宣讀了論文，與同行進行了富有成效的交流與探討。與會同行表示，此次會議是珍貴的交流學習的機會，專家們的精彩報告讓人受益良多。專題論壇主席張煥水教授和郭雷教授對各位專家及與會者對論壇的大力支持表示感謝。至此，本次專題論壇圓滿結束。
學會秘書處 供稿
