中国自动化学会『深度与宽度强化学习』ASSIA前沿学术交流

        将具有“决策”能力的强化学习(RL: Reinforcement Learning)和具有“感知”能力的深度学习(DL: Deep Learning)相结合，形成深度强化学习(DRL: Deep RL)方法，成为人工智能的主要方法之一。2013年，谷歌DeepMind团队提出了一种DRL方法，在一些游戏上的实验效果接近或超过人类游戏玩家，成果发表在2015年的《Nature》上。2016年，相继发表了所开发的基于DRL的围棋算法AlphaGo，以5:0战胜了欧洲围棋冠军和超一流围棋选手李世石，使人工智能的水平达到了一个前所未有的高度。2017年初，AlphaGo的升级程序Master，与60名人类顶级围棋手比赛获得不败的战绩。在不完全信息博弈中，2017年初，阿尔伯塔大学采用了与AlphaGo相似的原理，开发的德州扑克人工智能DeepStack取得了骄人的胜绩，论文发表在《Science》上，标志着人工智能的又一个里程碑事件。2017年10月，DeepMind团队在《Nature》上发表的论文中提出了AlphaGo Zero，完全不用人类围棋棋谱而完胜最高水平的AlphaGo，再次刷新了人们的认识。DRL在视频游戏、博弈、自动驾驶、机器人、自然语言理解、智能医疗等领域的应用日益增多。

       中国自动化学会将于5月31日-6月1日在北京中科院自动化所举办『深度与宽度强化学习』学科前沿讲习班，由澳门大学讲座教授、中国自动化学会副理事长、国家千人学者、IEEE Fellow、AAAS Fellow、IAPR Fellow陈俊龙教授与清华大学教授、国家CIMS工程技术研究中心研究员宋士吉教授共同担任学术主任。邀请多位业界知名专家学者进行专题报告，分享最新的科研进展，使学员在了解学科热点、提高学术水平的同时，增加与深度与宽度强化学习顶尖学者之间的学术交流。诚邀社会各界人工智能爱好者、研究者参与交流！
【内容简介】       报告主题1：从深度强化学习到宽度强化学习：结构，算法，机遇及挑战
       陈俊龙，澳门大学讲座教授、中国自动化学会副理事长、国家千人学者、IEEE Fellow、AAAS Fellow、IAPR Fellow
       报告主题2：基于强化学习的深海机器人智能搜索与运动控制方法
       宋士吉，清华大学自动化系教授、博士生导师，国家CIMS工程技术研究中心研究员
       报告主题3：数据驱动的自适应学习控制
       侯忠生，北京交通大学教授、博导，北京交通大学自动控制系主任，先进控制系统研究所所长
       报告主题4：强化学习及智能控制与决策
       季向阳，清华大学自动化系教授，信息科学与技术国家研究中心智能科学部主任，国家杰出青年科学基金与“万人计划”领军人才。
       报告主题5：核自适应滤波与宽度学习
       陈霸东，西安交通大学教授，博导，陕西省“百人计划”特聘教授

       报告主题6：轨道交通车辆预测与健康管理（PHM）技术应用
       杨颖，中国中车首席专家，中车株洲电力机车有限公司副总工程师，教授级高级工程师
       报告主题7：自评价学习控制中的特征表示与滚动优化
       徐昕，国防科技大学智能科学学院教授，博士生导师，国防科技卓越青年人才基金获得者
       报告主题8：正则化深度学习及其在机器人环境感知中的应用
       刘勇，浙江大学智能系统与控制研究所教授，浙江大学求是青年学者，浙江省“新世纪151 人才工程”第三层次培养人员，担任浙江省机器换人专家组专家。
       报告主题9：分布式优化算法与学习
       游科友，清华大学副教授、博导，国家青年千人计划，国家杰青
       报告主题10：深度强化学习算法及应用
       赵冬斌，中国科学院自动化研究所，研究员、博士、博士生导师，中国科学院大学岗位教授
【了解详情】       姓名：辛宇
       电话：18811748370（微信同号）
       微信：AI_college
       邮箱：caa_assia@163.com