报告题目：建筑机器人智能建造

报告时间：2022年11月11日（周五）15：00

报告地点：腾讯会议 ID：366-566-419

主 持 人 ：彭艳 院长

报 告 人 ：袁烽 教授

报告人简介/Abstract：

袁烽，同济大学建筑与城市规划学院教授，副院长； 2019年受聘弗吉尼亚大学（UVA）托马斯·杰斐逊（Thomas Jefferson）教席教授，2019年麻省理工学院（MIT）,2021年皇家墨尔本理工大学（RMIT）客座教授。国际建协职业实践委员会（UIA -PPC）理事，国家土建结构预制装配化工程技术研究中心副主任，上海市数字建造工程技术中心主任，上海市建筑数字化建造工程技术中心&技术委员会主任，中国建筑学会计算性设计委员会副主任。Architectural Intelligence 期刊主编，Building and Environment 等客座主编。

多年来专注在后人文主义视野下的建筑理论与实践，不断寻求从性能化与人机协作工艺等视角探索当代建筑的建构意义。

已出版中英文著作十七本。多次特邀在美国国家基金委（NSF）、欧盟创新链（INNOCHAIN）、哈佛大学、麻省理工学院、哥伦比亚大学、苏黎世联邦理工大学等讲座；近年多次受邀在ACADIA，CAADRIA，CAAD FUTURE，ROBARCH，FABRICATE 等国际顶级会议做主题演讲。

报告摘要/Biography：

在后人文主义时代，建筑师需要重新思考建筑设计的主体性以及对象性。一方面，我们在后疫情时代面临的是全球变暖以及地缘关系的剧变；另一方面，我们正在重新面临一个学科和社会需要共同发展的问题。此刻，我们需要通过建筑机器人智能建造认真审视虚拟世界与现实世界的平行发展，而phygital intelligence（虚实智能） 提出一种建筑本体层面的思维方法和设计工具的挑战。该讲座将通过一系列研究和实践来探讨这个问题。

AI求真大讲堂正式推出由上海大学人工智能研究院联合上海美术学院的“AI+艺术”系列活动，共同推进人工智能与艺术跨学科研究传播工作。该活动是上海大学“五五战略”背景下深化学科交叉融合的一次尝试，将联合国内外知名艺术家、设计师共同探讨信息化时代里，艺术与智能协同创新发展的路径与未来。

联合主办单位：上海大学人工智能研究院/上海大学上海美术学院/上海海洋人工智能协同创新中心/海洋智能无人系统装备教育部工程中心/上海市无人艇工程技术研究中心

报告题目：大场景中的定位、导航和多机协作

报告时间：2022年11月3日（周四）15：30

报告地点：腾讯会议 ID：826-715-123

主 持 人 ：齐俊桐 教授

报 告 人 ：殷鹏 项目科学家

报告人简介/Abstract：

殷鹏，本科毕业于哈尔滨工业大学，北京中科院大学博士，现任卡内基梅隆大学AirLab, Project Scientist。从2019年到2021年参加Darpa SubT Challenge, 长期从事无人机、无人车、多机器人系统协同定位，并于2019年获得Darpa SubT No.1., 2020年No.2。研究方向主要为场景识别、大规模环境建模、多机器人规划、终生学习和强化学习。长期参与DARPA，NSF，NASA, NVIDIA项目，并作为核心项目共同负责人。已经在IEEE TIE, TITS, TRO, RAL期刊发表期刊12篇，并长期担任Reviewer；在机器人/视觉顶会RSS，ICRA，IROS，ICCV，CoRL共发表文章9篇；美国专利四项。联合知名教授Ji Zhang (LOAM作者)，Sebastian Scherer(Airlab负责人), Matthew Johnson-Roberson (CMU RI，Director)，Howie Choset (Kavčić-Moura Professor of Computer Science) 创办非盈利组织MetaSLAM，致力于推动Field Robotics前沿技术进展。

报告摘要/Biography：

随着无人驾驶与机器人技术的发展，越来越多的应用要求机器人系统可以适用于长时间、大范围的自主工作模式。但是在GPS不稳定或者没有GPS的情况下（矿区、林区、地下、火星等），制约机器人长航程自主规划决策的一个关键技术难点在于鲁棒的重定位。在现实生活中，重定位往往伴随着随着复杂的空间地理信息、光照季节的变化、视角的变化等影响。同时不同种类机器人运动模态的偏差和视角的差异性也会导致不同机器人之间的协同定位难度提高。本次交流将结合我们目前的DARPA和NASA项目，分享针对移动机器人、无人机、多机器人协同定位等问题的最新研究进展：

1、针对大型无人机系统在长航程、跨模态的半监督定位导航；

2、不依赖GPS的城市规模高精度建图系统；

3、针对于长航程、大尺度范围的探索需求，不依赖初始位置的多机器人协同规划研究；

4、终生学习在机器人定位导航中的研究进展。

报告题目：科技创新思路与国际高水平期刊论文撰写方法

报告时间：2022年10月31日（周一）18：30

报告地点：腾讯会议 ID：356-425-440

主 持 人 ：彭   艳 教授

报 告 人 ：韩光洁 教授

报告人简介/Abstract：

韩光洁，博士、河海大学教授/博导，IET Fellow，EAI Fellow。主要研究方向为工业物联网、智慧海洋、人工智能、移动计算等。近年来在IEEE JSAC, IEEE TMC, IEEE TPDS, IEEE TCC等国际期刊上发表高水平SCI期刊论文350篇（其中IEEE/ACM Trans. 系列汇刊80+篇），到目前为止Google Scholar引用次数12000+次，H-index为58。已出版专著3部、译著1部。主持包括国家重点研发计划和国家自然科学基金重点项目等省部级以上项目共30余项。授权国家发明专利117件，PCT国际授权专利6件。获得中国商业联合会科学技术奖二等奖，江苏省科学技术奖三等奖，辽宁省科技进步二等奖，IEEE Systems Journal 2020最佳论文奖等奖项。连续4年（2019-2022）入选全球排名前2%的科学家榜单，包括“终身科学影响力排行榜”（1960-2022）和“科学影响力排行榜”两个榜单；入选爱思唯尔2020年10万科学家终身科学影响力排行榜（Career Scientific Impact）榜单；连续2年（2020-2021）入选爱思唯尔中国高被引学者榜单。目前任多种国际期刊（其中包括 IEEE Systems, IEEE/CAA JAS）副主编。江苏省333高层次人才（第二层次）、江苏省有突出贡献中青年专家，闽江学者讲座教授，常州市五一劳动奖章等荣誉称号。

报告摘要/Biography：

本报告的目的是分析说明科学研究和撰写高水平论文的具体可行方法。对于学术研究，首先要确定具体的研究问题。整篇论文针对具体的研究问题展开，探讨该论文的整体框架结构，并且详细讲述需要考虑到的问题。同时，报告中还提出了整个研究方向论文撰写的策划布局以及撰写易读懂论文的方法，方法中突出了图示的重要性。最后，报告人通过自己科学研究和高水平期刊论文撰写的体会，分享了相关经验。

报告题目：Self-Triggered Adaptive Model Predictive Control for Constrained Nonlinear Systems

报告时间：2022年8月12日（周五）10：00

报告地点：腾讯会议 ID：337-154-722

主持人： 任肖强 教授

报告人：Yang Shi, Professor, Fellow of EIC, IEEE, ASME，University of Victoria, Canada

报告人简介/Abstract：

Yang SHI received his B.Sc. and Ph.D. degrees in mechanical engineering and automatic control from Northwestern Polytechnical University, Xi’an, China, in 1994 and 1998, respectively, and the Ph.D. degree in electrical and computer engineering from the University of Alberta, Edmonton, AB, Canada, in 2005. From 2005 to 2009, he was an Assistant Professor and Associate Professor in the Department of Mechanical Engineering, University of Saskatchewan, Saskatoon, SK, Canada. In 2009, he joined the University of Victoria, and now he is a Professor in the Department of Mechanical Engineering, University of Victoria, Victoria, BC, Canada. His current research interests include networked and distributed systems, model predictive control (MPC), cyber-physical systems (CPS), robotics and mechatronics, navigation and control of autonomous systems (AUV and UAV), and energy system applications.

Dr. Shi received the University of Saskatchewan Student Union Teaching Excellence Award in 2007, and the Faculty of Engineering Teaching Excellence Award in 2012 at the University of Victoria (UVic). He is the recipient of the JSPS Invitation Fellowship (short-term) in 2013, the UVic Craigdarroch Silver Medal for Excellence in Research in 2015, the 2017 IEEE Transactions on Fuzzy Systems Outstanding Paper Award, the Humboldt Research Fellowship for Experienced Researchers in 2018. He is a member of the IEEE IES Administrative Committee and the IES Fellow Evaluation Committee during 2017-2019; he is the VP of IEEE IES Technical Committee on Industrial Cyber-Physical Systems. Currently, he is Co-Editor-in-Chief for IEEE Transactions on Industrial Electronics; he also serves as Associate Editor for Automatica, IEEE Transactions on Automatic Control, IEEE Transactions on Cybernetics, etc. He is General Chair of the 2019 International Symposium on Industrial Electronics (ISIE) and the 2021 International Conference on Industrial Cyber-Physical Systems (ICPS).

He is a Fellow of IEEE, ASME, CSME, and Engineering Institute of Canada (EIC), and a registered Professional Engineer in British Columbia, Canada.

施阳博士， 1998年于西北工业大学获得博士学位；2005年于加拿大阿尔伯塔大学获得电子与计算机工程博士学位。2005-2009在加拿大萨斯喀彻温大学任助理教授及副教授；目前为加拿大维多利亚大学机械工程系终身教授。 施阳博士的研究集中于工业信息物理系统、网络及分布式控制系统、模型预测控制、机电系统及机器人系统设计与控制、能源系统的优化调度与控制等。

他2007获得加拿大萨斯喀彻温大学十佳教学奖；2012年获得维多利亚大学工学院最佳教学奖。2015年获得维多利亚大学年度唯一的最佳研究银奖(Craigdarroch Silver Medal)；2013年获得日本学术振兴会特邀访问教授奖；2017年获得德国洪堡研究基金。他与学生合著的论文获得2017年IEEE Transactions on Fuzzy Systems年度最佳论文奖。目前任IEEE工业电子学会工业信息物理系统技术委员会主席，担任IEEE Transactions on Industrial Electronics的共同主编(Co-Editor-in-Chief)，任多家国际期刊的副编辑，包括：Automatica, IEEE Transactions on Automatic Control, IEEE Transactions on Cybernetics等。

施阳教授是加拿大工程研究院Fellow (Fellow of Engineering Institute of Canada)，是IEEE Fellow(国际电子电器工程师协会), ASME Fellow(美国机械工程师协会)和CSME Fellow(加拿大机械工程师协会)。

报告摘要/Biography：

Model predictive control (MPC) is a promising paradigm for high-performance and cost-effective control of complex dynamic systems. Yet, the MPC schemes and the corresponding optimization problem closely rely on the model of the dynamic system under consideration. In real applications, the mathematical model is hard to be precisely known or even varying.  This talk will introduce a self-triggered adaptive model predictive control (MPC) method for constrained discrete-time nonlinear systems subject to parametric uncertainties and additive disturbances. Firstly, a real-time zonotope-based set-membership parameter estimator is developed to refine a set-valued description of the time-varying parametric uncertainty based on the available measurements. We leverage this estimation scheme to design a novel self-triggered adaptive MPC (ST-AMPC) approach for uncertain nonlinear systems. Compared with the existing self-triggered robust MPC methods, the proposed ST-AMPC method can further reduce the average sampling frequency while preserving comparable closed-loop performance. Then, we theoretically show that, under some reasonable assumptions, the proposed ST-AMPC algorithm is recursively feasible, and the closed-loop system is input-to-state practical stable (ISpS) at triggering time instants. Finally, some existing challenges and future research directions will be discussed.

6月2日晚19：00，中国科学院外籍院士、中国科学院北京纳米能源与系统研究所所长、中科院大学纳米学院院长、讲席教授，佐治亚理工学院终身校董事讲席教授王中林应邀通过腾讯会议及直播形式来到上海大学AI求真大讲堂现场，为参与此次活动的700多名师生带来了一场“海洋蓝色能源的高效利用”的学术盛宴。讲座由上海大学汪小帆副校长主持，上海大学人工智能研究院院长陆军院士、执行院长彭艳教授等多名教师、学生共同参与。

讲座伊始，汪小帆副校长首先代表上海大学师生对王院士应邀来我校做学术讲座表示由衷感谢。汪校长指出，王院士作为纳米能源研究领域的奠基人，研究成果累累，取得了一系列的开创性的重大成就。能源转化与收集也是上海大学科研重点研究方向之一，相信一定能帮助我校开展海洋相关研究与科学决策。

讲座上，王院士首先提出问题“未来的能源在哪里？我们为什么要寻求新的能源入手”引导师生们共同思考。他从“摩擦起电“这一日常现象谈起，介绍了早期研究”摩擦纳米发电机“的艰难过程。从”微纳能源“到”自驱动传感“到”蓝色能源“，王院士的研究应用范围极广，从设计创新到器件与性能，从系统集成到产业化，最终到产业变革，分别在自驱动式可穿戴电子器件、可植入式医疗器件、传感网络、智能人机交互、大规模蓝色能源采集等众多领域，展现了巨大的应用潜力。在能源需求与日俱增的当下，利用海洋能源替代化石能源是迫切的需求，能够收集海洋低频能量并将其高效利用，对世界人类未来能源都有重要的意义。回顾讲座伊始他抛出的问题，王院士指出：未来要靠我们去自己创造。

在互动环节，王院士鼓励所有的科研人员：人生没有可以浪费的精力，现在研究的一切都有可能为未来的成就打下更坚实的基础。同时，要始终抱有对科研工作的热爱与热情，不要停止探索的步伐。

王院士的讲述极为生动、深入浅出，他在科研上百折不挠、持之以恒、上下求索的精神更值得每一位上大人学习。在场的师生全程听的津津有味，都感到受益匪浅，深受启蒙。  

报告题目：海洋蓝色能源的高效利用

报告时间：2022年6月2日（周四）晚19：00-20：00

报告地点：腾讯会议  ID：736-745-589

主持人：汪小帆 副校长

报告人：王中林 院士

报告人简介：

王中林院士，中国科学院北京纳米能源与系统研究所所长，中科院大学纳米学院院长、讲席教授，佐治亚理工学院终身校董事讲席教授。王教授是2019年爱因斯坦世界科学奖(Albert Einstein World Award of Science)、2018年埃尼奖 (ENI award – The “Nobel prize”for Energy)、2015年汤森路透引文桂冠奖、2014年美国物理学会James C. McGroddy新材料奖、和2011年美国材料学会奖章(MRS Medal)等国际大奖得主。他是中科院外籍院士、欧洲科学院院士、加拿大工程院外籍院士，国际纳米能源领域著名刊物 Nano Energy （最新IF：17.88）的创刊主编和现任主编。

王院士是纳米能源研究领域的奠基人。他发展了基于纳米能源的高熵能源与新时代能源体系；开创了基于纳米发电机的自驱动系统及蓝色能源宏大领域，与基于压电电子学与压电光电子学效应的第三代半导体的崭新领域；建立了压电电子学、压电光电子学与摩擦电子学学科；发现了六个新物理效应：压电电子学效应、压电光电子学效应、压电光子学效应、摩擦伏特效应、热释光电子效应和交流光伏效应。根据Google Scholar，王中林教授论文引用超33万次，标志影响力的H指数是276。 世界横跨所有领域前10万科学家终身科学影响力排第三，2019和2020年年度科学影响力排第一；材料科学世界排名第一；工程与技术世界排名第四，纳米技术排名第一。王教授有上百个美国和国际专利，并孵化了五家企业。

报告摘要：

海洋中蕴含着丰富而清洁的可再生蓝色能源，包括波浪能、潮汐能等。海洋能源若实现大规模商业化利用，将是一种崭新的绿色能源，极大缓解人类的能源需求，降低二氧化碳排放，带来世界能源格局的巨大变化，深刻影响经济社会的各个方面。海洋能的有效利用将为近未来“碳达峰、碳中和”的新时代能源提供有力支撑。海洋能开发的技术路径之一是利用海浪经复杂、硕大、笨重的传动机构带动电磁式发电机往复运动，切割磁力线做功发电。此种路径技术复杂、效率低、维护和运行成本极高、装置可靠性差；更严重的是，传统电磁发电机的物理原理使其对于收集低频、无序和低幅度的高熵能量的效率极低，而高熵能源恰恰是海洋能储量最大的部分。纳米发电技术是另一种高效收集低质量、低频海洋能源的颠覆性技术路径，带来了海洋能高效开发利用的全新机遇和未来，有望构建划时代的智慧海洋，高效利用海洋能源、生物、矿场、水等稀缺资源，以及全方位获取辐射、污染、洋流等重要信息。本报告系统介绍摩擦纳米发电机的理论，技术以及如何来实现蓝色能源的有效回收。

[1] Z.L.Wang and A.C. Wang“On the origin of contact electrification“(Review),Materials Today, 30(2019)34-51;

https://doi.org/10.1016/j.mattod.2019.05.016

[2] S.Lin#,X.Chen#,and Z.L. Wang*“Contact-electrification at liquid-solid interface”(Review),Chemical Review;

https://doi.org/10.1021/acs.chemrev.1c00176

[3] Z.L. Wang“From conctact electrication to triboelectric nanogenerators“(Review),Report on Progress in Physics,84(2021)096502;

https://doi.org/10.1088/1361-6633/ac0a50

[4] Z.L. Wang“On the expanded Maxwell's equations for moving charged media system – general theory, mathematical solutions and applications in TENG”，Materials Today;https://doi.org/10.1016/j.mattod.2021.10.027

[5] Z.L. Wang*“Maxwell's equations for a mechano-driven, shape-deformable, charged media system, slowly moving at an arbitrary velocity field 𝒗(𝒓,𝑡)”;http://arxiv.org/abs/2202.13768

（AI求真大讲堂系列活动由上海大学人工智能研究院、上海海洋人工智能协同创新中心、海洋智能无人系统装备教育部工程中心、上海市无人艇工程技术研究中心联合主办）

2022年4月14日下午2：00，清华大学长聘教授、杰出青年基金获得者贾庆山教授应邀通过视频连线带来了题为“信息物理融合能源系统中事件驱动的学习与优化方法”的讲座。任肖强教授主持本次讲座，共有400多名师生线上积极参与。

在报告开始，贾庆山教授首先介绍了他研究的来源：国家日益增长的能源需求和可持续发展的矛盾，在十四五期间将绿色低碳发展作为国内外关注的重点问题。以新兴的能耗建筑数据中心为例，在后疫情时代互联网流通将为该建筑带来更大的能耗同时也存在巨大的节能潜力。可持续发展的国家战略要求能源供应与需求两侧应当协同优化。

贾老师指出整体规划和优化运行能源系统是节能减排最重要的途径之一，通过信息利用将供给需求联通，网络化信息物理融合能源系统优化具有重要意义。其主要面临三方面的科学问题：1、如何有效搜索离散控制策略；2、如何基于多尺度模型仿真优化；3、如何应对供需不确定性。解决的思路就是借助蓬勃发展的人工智能技术，主要是指物联网、大数据及云计算三种技术来做决策。贾老师借助生活中的实例为同学们深入浅出的解释了马氏决策原理、蒙特卡洛方法、时域差分法等多个事件驱动的学习与优化方法，为师生们开拓了科研的研究思路与想法。

介绍了基础理论，贾老师以三个实际案例入手：建筑多能源系统、建筑群多能源系统以及城市多能源系统，为大家分层解析了基于局部信息的暖通空调整体优化研究的关联随机优化、建筑群的简约策略优化方法、以及在城市节能研究中的多尺度仿真优化研究。贾老师指出：真实的项目中往往不能只基于理论，而是要结合实际情况不断调整，不断寻求更新、更优的办法。 

贾老师在讲座的最后总结：信息流、能源流深度融合的信息物理融合系统（CPES）是安全节能优化调度的基础，事件驱动的学习与优化方法可以处理大规模、分布式优化决策的问题，该研究可以为节能，提高电网稳定性、系统舒适性起到重要的作用，为国家数据中心集群集约化、规模化、绿色化发展赋能。他同时也提出了进一步的探索方向：国家从西电东送到东数西算的工程需要更多的科学研究，如何在信息物理融合系统策略中进一步优化安全约束，通过跨尺度高能效计算新模式又能为节能带来什么新的研究。讲座最后，现场的师生积极提问与贾老师互动，同学们纷纷表示此次收获颇丰，受益匪浅。

AI求真大讲堂由上海大学人工智能研究院、上海海洋人工智能协同创新中心、海洋智能无人系统装备教育部工程中心、上海市无人艇工程技术研究中心联合主办，将为大家带来更多杰出研究学者的精彩讲座。

报告题目：信息物理融合能源系统中事件驱动的学习与优化方法

报告时间：2022年4月14日14：00

报告地点：腾讯会议 499-496-366 

报告人：贾庆山 教授

主办方：上海大学人工智能研究院

报告人简介：贾庆山，清华大学长聘教授。主要研究信息物理融合能源系统的优化理论与方法。发表四十篇IEEE汇刊论文。承担国家自然科学基金委杰出青年基金、重点项目等。获得2009年国家自然科学奖二等奖、2018年国家自然科学奖二等奖、2020年教育部自然科学奖二等奖，多次获得国际期刊、国际会议最佳论文奖。担任IEEE Internet of Things Activity Board委员、IEEE控制系统协会Board of Governors委员、IEEE控制系统协会北京分会主席、IEEE机器人与自动化协会智能建筑专业委员会副主席、IFAC智慧城市控制专业委员会主席。曾任IEEE控制系统协会离散事件系统专业委员会主席。担任中国自动化学会第十一届控制理论专业委员会委员兼副秘书长，中国自动化学会第一届工业控制系统信息安全专业委员会委员。

报告摘要：

信息物理融合能源系统中信息流与能源流深度融合，在智能建筑、智能微网、智慧城市中具有广泛案例。大型数据中心是当代社会基础设施之一，支撑着工业互联网、电子商务、社交媒体等丰富应用，承担了重要的算力任务，也消耗了大量的能源。Nature论文预测，到2030年全球数据中心的运行能耗将占全社会年运行能耗的8%。研究数据中心的绿色可靠运行具有重要的应用前景，也是具有重大挑战的关键科学问题。本报告针对信息物理融合能源系统优化面临的维数灾、多尺度、不确定性等共性挑战，介绍事件驱动的学习与优化方法，围绕典型应用案例分析展示新一代人工智能技术在信息物理融合能源系统运行优化中的重大应用潜力。

报告题目：人工智能和智能机器人的封闭性挑战及研究进展

报告时间：2021年4月23日15：00-16：30

报告地点：宝山校区东区10号楼508室

报告人：陈小平 教授

邀请人：彭 艳 教授

主办方：上海大学人工智能研究院

报告人简介：陈小平，中国科学技术大学机器人技术标准创新基地主任、计算机学院教授，兼任全球人工智能理事会执行委员、中国RoboCup委员会主席、国际RoboCup联合会理事，曾任2015世界人工智能联合大会机器人领域主席、2015和2008 RoboCup机器人世界杯及学术大会主席。提出基于“融差性”原理和“开放知识”技术路线，在“可佳”和“佳佳”机器人上进行了持续性研究和工程实现。获得中科大“杰出研究”校长奖，世界人工智能联合大会最佳自主机器人奖和通用机器人技能奖、12项机器人世界杯冠军、IEEE ROBIO’2016最佳论文等集体奖。

报告提要：报告第一部分梳理人工智能技术体系，重点介绍70年来人工智能的两种主要途径——强力法和训练法，分析它们长期面临的主要挑战——降射问题。报告第二部分讨论如何通过场景封闭化解决降射问题，给出封闭性准则的具体描述，以及封闭化的主要实施路径，并以AlphaGo Zero为例加以说明。第三部分讨论在封闭化不适用情况下如何解决降射问题，介绍开放知识和融差性原理，以及中科大机器人团队的相关研究进展。

报名链接：欢迎各界人士参与活动，请扫描下方二维码报名

报 告 人：Edwin R. Hancock教授

单位：英国约克大学计算机科学学院

报告时间：2019年7月8日（周一）10：00～12:00

报告地点：宝山校区乐乎新楼学思厅

邀请人：王健嘉

报告摘要：

Techniques based on the classical random walk on a graph, have proved to be extremely powerful in the domain of machine learning for developing algorithms for the analysis of high dimensional data. Examples include data embedding, data clustering and feature extraction. However, quantum walks exhibit properties not shared by their classical counterparts. So whereas the classical walk is both stationary and ergodic, the quantum walk is not. Moreover, the quantum walk admits the possibility of both entanglement and interference. These two attributes of the quantum walk allow us to develop new machine learning algorithms, with very different characteristics to their classical counterparts. For instance, interference allows the symmetry structure of graphs or data represented by graphs to captured in a natural and efficient way. In this talk I will provide a tutorial overview of the quantum walk and its properties, and then outline some of its potential uses in deep learning and complex network analysis.

报告人简介:

Edwin R. Hancock教授，任职于英国约克大学，是世界计算机视觉与模式识别领域的著名专家，国际模式识别协会（International Association for Pattern Recognition, IAPR）副主席，IEEE Fellow，IAPR Fellow，IET Fellow，Fellow of Institute of Physics，同时是国际模式识别领域权威期刊Pattern Recognition的主编。曾任IEEE Transactions on Pattern Analysis and Machine Intelligence，Computer Vision and Image Understanding，Image and Vision Computing，the International Journal of Complex Networks等国际期刊编委会委员，BMVC1994大会主席，BMVC2016程序主席，ECCV2006，CVPR2008，CVPR2014，ICPR2004，ICPR2016领域主席。

报 告 人：Edwin R. Hancock教授

单位：英国约克大学计算机科学学院

报告时间：2019年7月8日（周一）15：00～16:00

报告地点：宝山校区计算机大楼1104室

邀请人：王健嘉

报告摘要：

Pattern Recognition was first published in 1968. The first Editor-in-Chief was Robert Ledley, Professor of Biophysics at Georgetown University, Washington. With the publisher Robert Maxwell, Ledley negotiated the publication of a raft of journals in the area of Biomedical Computing, including Pattern Recognition. Ledley was a distinguished scientist who invented the whole body CT scanner, pioneered optical character recognition and was a winner of the National Medal of Technology and a member of the National Inventors Hall of Fame in the USA. He was succeeded by Ching Suen as EiC in 2008 and by myself in 2016. Since its foundation the journal has thrived with growing interest in the field of Pattern Recognition, and in particular recently with the rapid explosion of interest in deep learning. We now have approaching 2500 submissions per year, an editorial board of over 100 associate editors and publish some 400 papers per year. In 2019 we achieved our highest impact factor to date of 5.898. In this talk I will describe some of the history of the journal, present statistics concerning its performance, and describe our editorial policies for selecting high quality papers in the field of pattern recognition.

报告人简介:

Edwin R. Hancock教授，任职于英国约克大学，是世界计算机视觉与模式识别领域的著名专家，国际模式识别协会（International Association for Pattern Recognition, IAPR）副主席，IEEE Fellow，IAPR Fellow，IET Fellow，Fellow of Institute of Physics，同时是国际模式识别领域权威期刊Pattern Recognition的主编。曾任IEEE Transactions on Pattern Analysis and Machine Intelligence，Computer Vision and Image Understanding，Image and Vision Computing，the International Journal of Complex Networks等国际期刊编委会委员，BMVC1994大会主席，BMVC2016程序主席，ECCV2006，CVPR2008，CVPR2014，ICPR2004，ICPR2016领域主席。

报 告 人：Edwin R. Hancock教授

单位：英国约克大学计算机科学学院

报告时间：2019年7月8日（周一）14：00～15:00

报告地点：宝山校区计算机大楼1104室

邀请人：王健嘉

报告摘要：

Computing the entropy of a network has proved to be an elusive problem, with potentially enormous impact on the fields of machine learning, complex systems and big data. In this talk I will present an overview of recent work that has shown how ideas from spectral graph theory and statistical physics can be brought to bare on the problem, yielding simple methods for computing network entropy. The topics covered include detecting anomalies in network time series, modelling the time evolution of networks and decomposing networks into frequently occurring substructures, referred to as motifs. I will furnish examples from the financial and medical domains to illustrate the application of these techniques.

报告人简介:

Edwin R. Hancock教授，任职于英国约克大学，是世界计算机视觉与模式识别领域的著名专家，国际模式识别协会（International Association for Pattern Recognition, IAPR）副主席，IEEE Fellow，IAPR Fellow，IET Fellow，Fellow of Institute of Physics，同时是国际模式识别领域权威期刊Pattern Recognition的主编。曾任IEEE Transactions on Pattern Analysis and Machine Intelligence，Computer Vision and Image Understanding，Image and Vision Computing，the International Journal of Complex Networks等国际期刊编委会委员，BMVC1994大会主席，BMVC2016程序主席，ECCV2006，CVPR2008，CVPR2014，ICPR2004，ICPR2016领域主席。

报 告 人：周翔 [香港城市大学 副教授]

报告时间：2019年6月24日 (周一) 10:00 - 11:00

报告地点：上海大学校本部东区计算机大楼1001室

邀 请 人：李晓强

报告简介：

The generative model with the aid of deep neural network now significantly advances the possibility of efficiently sampling the high dimensional complex probability distribution. The well-known GAN is based on the observed data from the unknown target distribution in which the learning and generating are coupled together. The importance sampling such as the rare event simulation does not have data or only has very scarce data, but its target distribution has the known expression (up to a multiplicative constant). Somewhat, the importance sampling is a stochastic version of mesh adaptivity for numerical PDE(partial differential equation). I will start with the traditional moving mesh method based on the harmonic map, but from a perspective of generative model for sampling complex random variables. The techniques developed here have the following contributions: (1) a formulation to enable sampling by solving elliptic variational problems, which is intrinsically suitable for the existing machine learning methods； (2) a rational mechanism to find the correct monitor function to generate the target distribution； (3) an old and new idea for the adaptivity in high dim PDE by constructing optimal collocation points.

Simple toy examples will be illustrated but the implementation of large scale problems is still ongoing.

报告人简介：

Dr Xiang Zhou is the associate professor at School of Data Science and Department of Mathematics, City University of Hong Kong. He received his BSc from Peking University and PhD from Princeton University. Before joining City University in 2012, he worked as a research associate at Princeton University and Brown University. His major research area is the study of rare event. His research interests include the development and analysis of algorithms for transitions in nonlinear stochastic dynamical systems, the efficient Monte Carlo simulation of rare events, the numerical methods for saddle point and the exploration of high dimensional non-convex energy landscapes in physical models and machine learning models. His research results have turned into peer-reviewed papers in SIAM journals, Journal of Computational Physics, Journal of Chemical Physics, Nonlinearity and Annals of Applied Probability, etc.

报 告 人：孙志斌博士 [科罗拉多州立大学]

报告时间：5月 28日（周二）13: 30～14: 30

报告地点：计算机大楼402

邀 请 人：刘悦 副教授

内容摘要：

自九十年代以来，数据同化作为一个数学工具，不但应用于大气科学和海洋科学里，还开始被成功应用于其它的学科（如地磁场）。它能帮助一个动态模型不断的把观测数据的有用信息吸收进来，甚至能改良无法观测的物理量，从而不断的把模型的（预测）输出逼近现实。作为另一方面的推广，数据融合可以借鉴于数据同化的方法，将不同来源的同一类型数据（如卫星数据和地面观测数据）优化结合起来，得到质量更高的数据。

报告人简介:

孙志斌，博士，美国普林斯顿大学博士后，科罗拉多州立大学研究员，SPIE国际会议组委会委员。长期从事数据同化的理论与算法研究，将其应用于地球科学的各领域之中。擅长于大型数值计算和并行计算，并将数学应用到遥感、生态、人工智能领域之中。

代表性成果包括：（1）世界上首个开始地磁数据同化新领域的研究；（2）普林斯顿海洋模型的数据同化系统；（3）首个对紫外线的卫星和地面观测数据进行融合；（4）提出新的人工神经网络算法，并应用于水质的预测之中。

关于海洋智能信息系统科学中心简介

海洋是宝贵的“国土”资源，建设海洋强国是国家战略。海洋占地球表面积的71%，然而目前人类公认的对于海洋的认知程度仅为5%，因此任何国家在认知海洋的科学问题上取得突破，必将会在未来的经济发展和军事进步中占据先机，尤其在当今国际关系紧张的大环境下，建立海洋信息智能认知体系将是实现弯道超车，进而改变世界格局的最佳机会。

海洋智能信息系统科学中心依托的上海大学拥有顶尖的人工智能与无人系统研究团队，具有国际领先的技术积累和深厚的人才储备，与中电科、军事科学院共同推进建设，建设团队由包括杨学军院士（军事科学院院长，上将）和陆军院士（中电科首席，军委科技委海洋专项组长）等在内的6位中国科学院、中国工程院院士，3位加拿大皇家科学院、工程院院士，3位国家杰出青年基金获得者，4位国家卓青，以及3位国家四青人才领衔。海洋智能信息系统科学中心对标深圳鹏程实验室，以建设成为全国性的科创中心典范进而发展为国家重点实验室为目标，也必将成为上海市抢占国际海洋高新技术研发与产业化应用制高点，建设海洋高新技术新高地的“新引擎”。

学科中心将以重大项目、新兴领域为重点，聚焦认知海洋的交叉学科，以大科学思维组织海洋科学前沿研究，以大工程思维开展海洋科学应用关键技术攻关，在更大尺度上推动跨领域、跨部门、跨学科，贯通“产、学、研、用”各个创新单元的交流合作，构建起以“海洋自主探测”为基础，“海洋智能物联”为核心，“海洋智慧运用”为落脚点的海洋认知体系，形成海洋智能信息系统，以解决目前我国水下环境国门洞开的紧迫现状，在实现利益攸关海域、岛礁及海上运载平台的有效管控基础上，进一步拓展到海洋渔业，海洋治理，海洋资源开发，海洋运输，海洋牧场等领域。

海洋智能信息系统科学中心重点将认知海洋与人工智能相结合，充分发挥学科中心各单位在海洋科学、计算机科学与技术、软件工程、大气科学、材料技术等多学科综合优势，聚力自主研发探测核心传感器，建立集卫星遥感、水下机动和固定观测平台为一体，覆盖两洋一海的海洋观测体系，建立海洋综合调查测量和一体化海洋信息服务体系，突破海洋认知体系的核心科学问题，实现核心海区环境信息透明化。在海洋环境自主探测、智能物联和智慧运用等领域打破国外技术壁垒和产品垄断，提升我国海洋科学全局认知与决策能力，支撑“海洋强国战略”，为我国在海洋信息领域从跟跑、并跑到领跑的转变提供加速器。

上海大学瞄准国家重大战略需求和全球科创中心建设，依托“智能运载科学与工程”一流学科群，拟成立人工智能研究院，院长为陆军院士，学术委员会主任为杨学军院士。研究院以“智能无人系统和智能部组件”为核心，以“海洋智能信息和深度保障系统”为落脚点，旨在构造海洋信息认知体系，打造以海洋智能为特色的人工智能高地。

上海大学将于2020年10月23日9:00-12:00在图书馆报告厅(上大路99号)举行人工智能研究院成立大会暨“人工智能前沿技术”学术研讨会，并于下午14:30-16:30举行学术委员会第一次会议。