南开大学机器人与信息自动化研究所 天津市智能机器人技术重点实验室

Institute of Robotics and Automatic Information System

Tianjin Key Laboratory of Intelligent Robotics

2024年春季先进机器人与人工智能系列学术讲座（第246-248期）

Seminar Series：Advanced Robotics & Artificial Intelligence

报告时间：2024年6月1日（周六）上午 9:30-10:15

报告地点：人工智能学院102会议室（北楼）

报告人：郭大庆教授

专家单位：电子科技大学

研究领域：计算神经科学与类脑智能

报告题目：数字孪生脑及其在脑机接口中的应用

报告摘要：

在全脑层次构建大脑神经动力学的数字孪生模型，被认为是未来类脑领域重要的研究方向之一，其成果有望推动脑科学与人工智能的深度融合和大跨度交叉，催生科学技术的新突破。在本报告中，我将简要回顾国际上数字孪生脑研究的相关背景，介绍我们近年来在高精度数字孪生脑模型构建及其在脑机接口研究中的应用等方面工作，并探讨该领域的发展趋势与所面临的挑战。

报告人简介：

郭大庆，电子科技大学教授，青年长江学者，四川省杰青。担任中国自动化学会生物控制论与生物医学工程专业委员会副秘书长、中国神经科学学会计算神经科学和神经工程分会副主任委员。长期专注于计算神经科学与类脑智能领域研究，致力发现大脑信息处理的新机制，探索大脑疾病机理解析与干预治疗的信息学新方法。主持自然科学基金、科技部重点研发课题等多项国家级项目。已在领域内国际主流期刊发表论文70余篇，成果被国内外学者广泛正面评价。获2019年度中国生物医学工程学会 “黄家驷生物医学工程奖” 二等奖，获第九届中国力学学会自然科学奖二等奖。

报告时间：2024年6月1日（周六）上午 10:15-11:00

报告地点：人工智能学院102会议室（北楼）

报告人：臧蕴亮教授

专家单位：天津大学

研究领域：小脑和嗅觉环路启发的人工智能、树突计算、计算神经科学

报告题目：Elucidating principles of efficient and reliable computations: from neurons to circuits

报告摘要：

The human brain can compute and learn information efficiently. However, the neuronal principles underlying efficient computations and learning remain unclear. It is essential to consolidate our expanding knowledge of ion channel dynamics, neuronal properties, and circuit structure into computational principles for neural circuits. During the presentation, the speaker will introduce his work exploring the biological mechanisms of efficient and robust computations in the cerebellum. Finally, he will also briefly share his opinions regarding the potential roles of the cerebellar model in various scenarios.

报告人简介：

臧蕴亮，天津大学英才教授，2013年于浙江大学取得生物医学工程专业博士学位。之后师从美国科学院院士等专家从事博士后研究，在小脑实现高效编码学习的生物策略与神经系统鲁棒性机制等方面进行了系统研究。代表性工作以一作发表在PNAS (2023 & 2021)、Current Biology (2023)、eLife (2020)、Cell Reports (2018)等专业期刊，受邀为Current Opinion in Neurobiology (2023)撰写约稿综述，担任中国计算神经科学和神经工程等多个专委会委员。2023年放弃美国公立常青藤康涅狄格大学教职，入职天津大学，目前主持国家重点研发计划项目1项，实验室研究方向包括基于小脑和嗅觉环路启发的人工智能、树突计算、计算神经科学。

报告时间：2024年6月1日（周六）上午 11:00-11:45

报告地点：人工智能学院102会议室（北楼）

报告人：徐易教授

专家单位：大连理工大学

研究领域：机器学习、计算机视觉、优化理论、统计学习理论

报告题目：半监督学习技术与理论

报告摘要：

在本报告中，将介绍深度学习中的半监督学习算法及理论。半监督学习是监督学习与无监督学习相结合的一种学习方法，它使用大量的未标记数据和少量的标记数据来进行学习任务，将会减少标记工作。然而，在未标记的数据中存在分布外（OOD）数据或者错误伪标签实例，使得半监督学习方法在现实场景中面临着泛化性能差等挑战。在本报告中，我们将介绍几种理论启发的数据选择机制，从而提高半监督学习模型的性能。

报告人简介：

     徐易，大连理工大学控制科学与工程学院教授，博士生导师，入选国家级青年人才计划。博士毕业于美国爱荷华大学计算机系，本科毕业于浙江大学数学系。研究方向为机器学习、计算机视觉、优化理论、统计学习理论。相关研究成果发表在ICML、AAAI、NeurIPS、IJCAI、CVPR、TPAMI等机器学习领域国际顶级会议和期刊上。主持中央部委重点项目等一系列国家重要科研项目，多次担任领域内的重要国际学术会议和期刊审稿人，担任学术会议SIAM OP17和ICML2021的分会主席，带领学生曾在国际计算机视觉与模式识别会议多模态基础模型、计算机视觉国际大会点追踪等多个国际比赛中获得冠军。