金耀初，教授，IEEE Fellow。分别于1988、1991及1996年获得浙江大学电机系获学士、硕士及博士学位，并于2001年在德国波鸿鲁尔大学神经信息研究所获工学博士学位。目前是英国萨里大学计算机系杰出讲座教授，中国东北大学流程工业综合自动化国家重点实验室特聘教授。曾任“长江学者”讲座教授，“芬兰讲座教授”。现为IEEE Transactions on Cognitive and Developmental Systems主编，Complex & Intelligent Systems（Springer）共同主编，IEEE Distinguished Lecturer。金耀初教授长期从事复杂系统智能优化、多目标优化与学习以及进化与发育系统的算法研究及其应用。荣获IEEE Transactions on Evolutionary Computation杰出论文奖，两次获IEEE Computational Intelligence Magazine杰出论文奖，2010计算生物学与生物信息学国际会议最佳论文奖。

This talk presents an evolutionary and developmental approach to learning. We show at first the close coupling of development between the body and neural system. Then we demonstrate how evolution is helpful in shaping neural plasticity that is able to alleviate interference in learning sensory structures using neural plasticity rules. Finally we briefly discuss the application of multiobjective evolutionary optimisation to machine learning.

斯白露，教授、博士生导师。主要研究方向为计算神经科学、类脑智能。相关成果发表在Nature Neuroscience、Hippocampus、PLOS Computational Biology 、Frontiers in Neurorobotics 等期刊上，已形成多项中国发明专利。担任中国神经科学学会计算神经科学和神经工程分会、中国人工智能学会智能交互专委会等多个学会专业委员会委员。担任联合国教科文组织下属的国际理论物理中心、美国霍华德休斯医学研究所珍利亚农场研究园等研究机构的访问科学家。他1999年在北方工业大学系获计算机专业工学学士学位。2007年在德国不来梅大学获理论神经物理博士学位。2008-2013年期间先后在意大利国际高等研究院认知神经科学部和以色列魏茨曼科学研究院神经生物学系从事博士后工作。

个人主页：

http://sss.bnu.edu.cn/~bailusi

人脑是由百亿神经细胞和万亿连接组成的复杂动力系统。作为自然界仅有的通用智能系统，脑是人工智能可以借鉴的最佳范本。脑在系统层次的组织模式、细胞分化和神经编码的动力学机制是产生认知和智能行为的关键。本报告将围绕大脑视觉和记忆的研究进展，在系统层次讨论视觉感知和记忆神经环路的可能的计算机制，以及对人工智能系统的启示。

郭平, 教授、IEEE 高级会员、CCF高级会员， IEEE CIS Beijing Chapter 主席（2015-2016）, 北京师范大学图形图像与模式识别校级实验室主任。郭平教授在北京大学物理学系光学专业获得硕士学位，在香港中文大学计算机科学与工程学系获得博士学位。曾经在北京师范大学物理学、北京师范大学和北京理工大学计算机科学与技术、北京师范大学系统科学等三个一级学科指导博士生。目前在北京师范大学系统分析与集成学科招收博士生和博士后。他的研究兴趣包括计算智能理论及其在模式识别、图像处理、软件可靠性工程、天文大数据处理等方面的应用。到目前为止包括在IEEE TNN，MNRAS等期刊和IJCAI、AAAI、WCCI等国内外学术会议上发表论文360余篇，获得发明专利6项，出版《软件可靠性工程中的计算智能方法》和《图像语义分析》专著两部，作为第一完成人其研究成果“正则化方法及其应用”获得2012年北京市科学技术三等奖。

个人主页：

http://sss.bnu.edu.cn/~pguo; https://www.researchgate.net/profile/Ping_Guo3

人工智能基础理论研究是我国新一代人工智能发展规划中重点布局对象之一。在本报告中，首先简要回顾了人工智能基础理论的发展历史，分析了当前以深度学习为代表的人工智能基础理论研究所面临的困境以及发展趋势。最后指出了借鉴认知神经科学的机制，利用机器学习的数学工具，基于计算智能去构建人工智能的基础理论体系，可能是构建大统一模型框架，通往“智能力学”的路线之一。

韩战钢，北京师范大学系统科学学院教授，副院长，北京师范大学系统分析与集成实验室主任，联合国教科文组织复杂系统数字校园(UNESCO-UniTween-CS-DC)副主席、亚洲区主席。1997年获中国科学院数学研究所计算机软件专业人工智能方向博士学位。曾分别在比利时布鲁塞尔自由大学(ULB)Solvay研究所和美国加州大学洛杉矶分校(UCLA)进行访问研究。

通过实验和模型方法研究蚁群、鱼群和机器人群体的集群行为（Collective Behavior）。以蚁群和鱼群为科学观测对象，通过机器人群体实现仿生控制。研究包括几类群体的集群行为中信息获取、传播和对集群行为的影响，对称破缺（Symmetry Breaking）的出现与机制分析，系统处于临界态的实验设计、观测与机制分析，系统追逃行为研究，机器人系统自组织行为实现，机器人系统处于临界态的工程实现。

于福生，教授，博士生导师。北京师范大学数学科学学院应用数学教研室主任，北京师范大学“复杂系统智能控制”重点实验室主任。主要研究方向包括粒计算与计算智能、数据挖掘与智能数据分析、专家系统与故障诊断、模糊集理论及应用等。曾主持或作为主要成员参与国家自然科学基金重大项目、国家自然科学基金面上项目、国家科技支撑计划项目、博士点基金项目、省部级项目10多项；在国内外学术期刊上发表科研论文就100多篇，著译书3部。（曾）担任多个国际国内刊物编辑、审稿专家和Guest Editor；曾担任多个国际会议的程序委员会委员，区域组织委员会主席，多类基金评审专家。现担任中国运筹学会模糊信息与工程分会专业委员会理事，中国逻辑学会非经典逻辑与计算专委会委员，中国灾害防御协会风险分析专业委员会理事。

人工智能的重要任务是模拟人脑的智能，人脑的重要智能之一是粒度分析与计算——依据问题需要选择适当的粒度，在粒子层面对数据进行处理分析，完成问题的解决。粒子形式的多样性，导致了粒度分析与计算方法的多样性。本报告从模糊信息粒的角度去剖析人脑粒度分析与计算的形式、特点。首先介绍模糊粒度分析与计算的数学原理和方法；接着阐述一般数据集上模糊信息粒化的原则要求、实施方法，以及模糊信息粒化后的模糊粒度计算；然后介绍时序数据集上的模糊信息粒化方法、模糊粒度分析与计算；最后介绍模糊信息粒化与粒度计算在时序数据挖掘中的应用。

长按二维码关注「系统科学」