报告题目：Capsule神经网络解析

报告摘要：Capsule神经网络是著名神经网络研究者、深度学习之父Geoffrey Hinton教授最新提出的一种神经网络，带来了全新的结构特性和更丰富的计算特性，为神经网络研究打开了一个新方向。其网络基本结构单元是由一组神经元组成的capsule（胶囊），相较传统表示为一个标量的神经元单元，capsule可以表示为一个向量，这一特点使得神经网络内部表达获得了极大丰富，同时扩展了计算单元可进行的操作，网络结构也更加复杂。与capsule神经网络相伴而生的dynamic routing（动态路由）算法依托新的网络结构能够进行神经网络内部一致性预测，我们将展示这一算法的本质即是经典的无监督Hebb学习算法（Hebbian Learning）的一种变体，capsule神经网络的学习算法同时包含了有监督学习部分和无监督学习部分。在生物学中，capsule神经网络也可以得到印证，其capsule结构符合神经解剖学中神经柱结构。本报告将从网络结构、学习算法以及可能的生物学解释三个方面为大家解析Capsule神经网络。

报告人简介：章毅，IEEE Fellow，中国人工智能学会首批会士，四川大学人工智能首席科学家。1994年毕业于中国科学院数学研究所，获理学博士学位，现为四川大学计算机学院学术院长、教授、博士生导师，四川大学机器智能实验室主任，四川省2011大数据分析协同创新中心主任，CCF成都分部主席，IEEE计算智能协会成都Chapter创始人，曾任IEEE Chengdu Section主席（2015~2016）。发表SCI学术论文200余篇，其中IEEE Transactions系列论文60余篇，连续入选2014、2015、2016、2017年Elsevier中国高被引学者榜单，著有英文学术专著三部：《Convergence Analysis of Recurrent Neural Networks》(Kluwer Academic Publishers, 2004)、《Neural Networks: Computational Models and Applications》(Springer, 2007)、《Subspace Learning of Neural Networks》(CRC Press, 2010)，翻译神经网络经典教材《神经网络设计（原书第2版）》（机械工业出版社，2018）。担任IEEE Transactions on Neural Networks and Learning Systems期刊的Associate Editor（2009~2012），担任IEEE Transactions on Cybernetics期刊的Associate Editor（2014~），担任2016、2017年度IEEE CIS Fellow Committee委员，以及2015、2016、2017年度IEEE CIS Award Committee委员。目前研究方向为：神经网络理论与应用、大数据分析、智能医学大数据。

报告题目：用大数据和AI打造新型智慧城市

报告摘要：城市计算是计算机科学以城市为背景，跟城市规划、交通、能源、环境和经济等学科融合的新兴领域，通过不断获取、整合和挖掘城市中不同领域的大数据来解决城市痛点，是当今城市通向新型智慧城市的途径。本报告将展现京东城市的愿景，介绍城市大数据平台的架构和某些城市的智慧城市顶层设计方案，并分享基于人工智能的商业选址、火力发电优化和违章停车智能监测等案例，以及基于大数据和人工智能技术的信用城市体系建设。更多信息可参看城市计算主页：http://icity.jd.com/。

报告人简介：郑宇博士，京东集团副总裁、城市计算研究院院长，京东金融首席数据科学家和城市计算事业部总裁。他还是上海交通大学和香港科技大学等多所知名大学的讲座教授、客座教授和博士生导师。在加入京东之前，郑宇博士在微软亚洲研究院工作近12年时间，担任城市计算领域的负责人。郑宇博士提出了“城市计算”的理念，发表高质量国际论文百余篇，多篇论文成为了城市计算领域奠基性的论文，被引用近20,000次，H-Index：62。担任人工智能顶尖国际期刊ACM TIST的主编（该期刊2017年五年影响因子10.14，在所有ACM期刊中排名第一）。他还担任大数据领域知名国际会议ICDE2014和CIKM2017的工业界主席，即将担任IJCAI 2019的工业界主席和AAAI2019的领域主席。郑博士在技术的转化和科研成果落地方面也有突出的贡献。他拥有24项国际发明专利，主持研发的Urban Air首次利用大数据和人工智能技术来监测和预报细粒度空气质量，该服务覆盖了中国的300多个城市，并被中国环境保护部采用。2016年，他主持了城市大数据平台的设计和实施，并成功在中国大数据示范基地贵阳市部署。目前，他正在为宿迁等多地设计智慧城市顶层方案，并为福州等多个地区建设信用城市体系。2013年，他因在城市计算领域的贡献被《MIT科技评论》评为全球杰出青年创新者（TR35）；2014年被《财富》评为中国40位40岁以下商界精英；2016年被评为美国计机学会杰出科学家。2017年在乌镇互联网大会上被为中国AI英雄风云榜十大技术创新人物。

报告题目：非迭代深度学习

报告摘要： 报告对近几年非常热的话题深度学习做了一个简要回顾，讨论了深度学习中一些关键科学问题和瓶颈技术，从不同的视角对深度学习方法和技术做了一个剖析。尝试建立一种新的深度模型训练机制，它有别于现有的基于梯度下降的迭代训练策略而直接采用矩阵的广义逆求解建立的优化模型。

报告人简介：王熙照，博士，深圳大学教授，博士生导师，IEEE Fellow, 中国人工智能学会会士, Springer杂志Machine Learning and Cybernetics主编，IEEE Transactions on Fuzzy System, on Cybernetics等编委。中国人工智能学会知识工程专委会主任委员、机器学习专委会副主任委员。深圳市海外高层次（孔雀B类）人才，曾获河北省自然科学一等奖1项；2014/15/16/17年入选Elsevier统计的学术论文高被引中国学者榜单；2014年至今深圳大学大数据技术与应用研究所工作。主要研究兴趣包括不确定性建模和面向大数据的机器学习，出版学术专著3部，教材2部，发表学术论文200多篇， Google scholar 显示论文被引用总数超过5000，单篇引用最高次数超过300. 主持完成国家自然科学基金等项目30多项，创办的国际会议机器学习与控制论(ICMLC)已持续16年。

报告题目：知识指导的自然语言处理

报告摘要： 近年深度学习技术席卷自然语言处理（NLP）等各大领域。作为典型的数据驱动方法，深度学习面临可解释性不强等难题，如何将人类积累的大量语言知识和世界知识引入深度学习模型，是NLP深度学习模型面临的挑战难题，因此提出知识指导的自然语言处理，本报告将介绍该方向的最新进展与趋势。

报告人简介：刘知远，清华大学计算机系副教授、博士生导师。主要研究方向为表示学习、知识图谱和社会计算。2011年获得清华大学博士学位，已在ACL、IJCAI、AAAI等人工智能领域的著名国际期刊和会议发表相关论文60余篇，Google Scholar统计引用超过2700次。承担多项国家自然科学基金。曾获清华大学优秀博士学位论文、中国人工智能学会优秀博士学位论文、清华大学优秀博士后、中文信息学会青年创新奖，入选中国科学青年人才托举工程、CCF-Intel青年学者提升计划。担任中文信息学会青年工作委员会执委、副主任，中文信息学会社会媒体处理专委会委员、秘书，SCI期刊Frontiers of Computer Science青年编委，ACL、COLING、IJCNLP领域主席。

报告题目（暂）：安全半监督学习：算法和理论分析初探

报告摘要： 数据多，标记少的应用情景普遍存在，半监督学习是其中主流技术，得到了很多的关注和进展。然而，目前半监督学习技术还不能放心地得以实施，因为它在技术上存在瓶颈，半监督学习利用更多的数据有时反而会恶化性能。研究安全的半监督学习技术，也就是可以确保性能提升的半监督学习技术，很有必要。围绕算法设计和理论分析，此次报告将介绍我们在安全半监督学习的最新进展与趋势展望。

报告人简介：李宇峰，南京大学计算机科学与技术系机器学习与数据挖掘研究所（LAMDA）副研究员，在南京大学计算机科学与技术系获博士学位。他主要围绕半监督学习相关方面开展研究，在JMLR、TPAMI、MLJ、ICML、AAAI等领域内重要期刊会议发表论文30余篇。论文被Google Sholar引用1800余次。近年应邀担任MLJ专刊编委，IJCAI15/17、ACML17/18高级程序委员，ACML18 workshop co-chair，以及ICML/NIPS/KDD/AAAI等领域内重要国际会议程序委员。担任中国计算机学会人工智能与模式识别专委会委员、中国人工智能学会机器学习专委会委员、江苏省人工智能学会机器学习专委会秘书长等。获CCF优秀博士论文奖、江苏省优秀博士论文奖，入选CCF首届青年人才发展计划等。

个人主页：http://lamda.nju.edu.cn/liyf/?AspxAutoDetectCookieSupport=1