onFrontiersofAIatAMSS,Beijing,April15-16,2019
时间：2019年4⽉15-16⽇
地点：北京市海淀区中关村东路恒兴⼤厦南(四环保福寺桥南)
中国科学院数学与系统科学研究院南楼⼆层N204会议室
主办：中澳量⼦信息处理和⼈⼯智能联合实验室
组织：李三江(悉尼科技⼤学)张松懋、陆汝钤(中科院数学与系统科学研究院)
联系⽅式：sanjiang.li@uts.edu.au
smzhang@
四⽉⼗五⽇，星期⼀
会议⽇程
09:00–09:1009:10–10:00
10:00–10:2010:20–11:1011:10–12:00
⾼⼩⼭副院⻓致开幕辞DevelopingData-DrivenIntelligentAutonomousSystems（刘伟茹，UniversityofBristol）茶休多智能体系统的趋同控制（张纪峰，AMSS）图⻉叶斯优化（杨博，吉林⼤学）
12:00–14:00
午餐（地点：物科宾馆五层⾃助餐）
14:00–14:5014:50–15:4015:40–16:0016:00–16:50
16:50–17:40
SolvingLargeScaleGames（安波，南洋理⼯⼤学）Large-scaleAppliedMechanismDesign（唐平中，清华⼤学）茶休DecentralizedMarkovDecisionProcess:TheoryandItsApplications（吴锋，中国科学技术⼤学）⼀起来玩⿇将（李三江，悉尼科技⼤学）
四⽉⼗六⽇，星期⼆
09:00–11:30
“机器学习中的结构化先验”讲习班（李斌，复旦⼤学）
（所有报告信息、报告⼈简介⻅附⻚）
⼈⼯智能前沿研讨会
SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019
四⽉⼗五⽇，星期⼀
上午9:10-10:00报告⼀DevelopingData-DrivenIntelligentAutonomousSystems报告⼈：刘伟茹教授，UniversityofBristol
报告摘要Multi-AgentSystems(MAS):Intelligentagentsputersystemswhichhavereasoning,decision-making,andactingcapabilities,inordertoachievetheirgoals.Thesesystemsarewellsuitedforenvironmentsthataredynamicallychanging.Thisisduetotheagentsbeingabletoreactto,andinteractwiththeirenvironment,inordertomakeappropriatedecisionsbasedonitscurrentstate.TheBelief,DesireandIntention(BDI)architecture,isanagentarchitectureinwhichagentshavetheirownbeliefs,desiresandintensions.Basedonthese,agentsareabletorespondtothesituationsthattheyfindthemselvesin.However,currentlywithinthemajorityofmulti-agentsystems,anagent’sbeliefsareeithertrueorfalse.Thisimposesconstraintsontheagents.Furthermore,currentintelligentagentsrelyonpre-definedplansfortheiractions.Itisoftenthecasethatitisnotpossibletoenumerateallplansinadvance,duetouncertainanddynamicfactorsinreal-worldsituations.Wehavebeenconductingresearchaimingtoaddressthesetwochallenges.First,wehavedevelopedaunifiedbeliefmodellingframeworkthatcancaptureanagent’sheterogeneousbeliefsontheonehand,andinstantiatetheframeworkwithknownuncertaintyformalisms(probabilitytheory,belieffunctiontheory,possibilitytheory,MDPs)ontheotherhand.Thisframeworkprovidesaveryflexiblemechanismtocaptureandreasonwithagents’beliefs.Second,wehavealsobeeninvestigatinghowtointegratethestate-of-the-artplanningalgorithmsandBDIagents.Specifically,wehavebeenlookingintohowtocallFirstPrinciplesPlanners(FPPs),whichareonlineplanningalgorithms,whenanBDIagentrunsoutofplanstouse.Theabilityforanagenttoevolveitsplanningcapabilitiesovertimehasalsobeenstudied.
⼈⼯智能前沿研讨会
SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019
Thistalkwillcoverourmajorresearchresultsachieved.Wewillusesomedemostoillustratehowthesenewresultsworkinreal-worldapplications.
报告⼈简介：
WeiruLiuholdsChairofArtificialIntelligence(AI)attheUniversityofBristol,andistheFacultyResearchDirectorfortheEngineeringFaculty.Herresearchinterestsinclude:data-drivenintelligentautonomoussystems;cyber-physicalsystems;large-scaleworkdataanalytics,andeventmodelling,reasoningandcorrelationinuncertainenvironmentsinworks;andinformationfusionunderuncertainty,withawiderangeofapplicationssuchassecurity,healthcare,robotics.Shehaspublishedover200peer-reviewedpapersmostly-tiervenues,withseveralBestPaperAwards.Shechairedseveralinternationalconferences,andwasaninvitedkeynoteatafewinternationalconferences.
PriortojoiningtheUniversityofBristolin2017,sheheldtheChairofAIatQueen’sUniversityBelfast(QUB),andwastheDirectorofResearchfortheKnowledgeandDataEngineeringClusterfor6years.Shehasasustainedtrackrecordofsecuringpeer-reviewed,petitivefundingfromadiverserangeoffundingbodies(over£35.5masPrincipalInvestigatororCo-Investigator),andwasthePIforthe£2.3mR&DgrantfundedbytheAllstateInsuranceCompany(US)andInvestNorthernIrelandondetectingfraudulencemedicalclaims.ShewonanEPSRCQueen’sUniversityBelfastResearchImpactAwardin2011.
SheisamemberofUKEPSRCICTStrategicAdvisoryTeam(SAT);amemberofUKHigherEducationResearchExcellenceFramework(REF)2021InstitutionalEnvironmentPilotPanel;amemberofIndependentResearchFundDenmark(DFF);andaCo-DirectorfortheCentreforDoctoralTraininginFutureAutonomousandRoboticSystems:TowardsUbiquity(FARSCOPE-TU)atBristol,with£5.5MUKEPSRCfundingfor2019-2028.
⼈⼯智能前沿研讨会
SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019
上午10:20–11:10报告⼆多智能体系统的趋同控制报告⼈：张纪峰教授中国科学院数学与系统科学研究院
报告摘要：随着⺴络化、智能化的快速发展，集信息传输、信息处理和控制决策于⼀体的多智能体系统的分布式估计与控制⺫前已成为系统控制界的热点。
本报告将简单介绍我们研究⼩组近年来在多智能体系统的趋同控制⽅⾯取得的⼀些成果，包括量测噪声情形下的趋同协议的设计及趋同的充分必要条件，基于⼩容量信道的趋同控制设计与闭环系统性能分析，以及多智能体系统的可趋同性与智能体之间的通信拓扑、各智能体的动⼒学特性和容许控制集之间的关系等。
报告⼈简介：张纪峰，1985年本科毕业于⼭东⼤学数学系，1991年博⼠毕业于中国科学院系统所，现为中国科学院数学与系统科学研究院系统所所⻓。
研究⽅向为随机系统、有限信息系统、多⾃主体系统的分析与控制等。
1997年获国家杰出⻘年基⾦资助，2009年获全国优秀博⼠学位论⽂指导教师荣誉证书,2010年和2015年先后两次获国家⾃然科学⼆等奖，2014年当选为美国电⽓与电⼦⼯程师协会会⼠(IEEEFellow)，2016年当选为国际⾃动控制联合会会⼠(IFACFellow)和国际系统与控制科学院院⼠，2018年当选为欧洲科学与艺术院院⼠。
先后担任国务院学位委员会系统科学评议组召集⼈、国际⾃动控制联合会学术委员会副主席、中国系统⼯程学会副理事⻓、中国⾃动化学会副理事⻓，是科普期刊《系统与控制纵横》的创刊主编，《系统科学与数学》、《中国科学:信息科学》、《系统⼯程理论与实践》、IEEETrans.onAutomaticControl、SIAMJ.onControlandOptimization、IEEEControlSystemsLetters等的主编、副主编、编委；中国控制会议、中国系统科学⼤会、全球智能控制与⾃动化(WCICA)、第20届国际⾃动控制联合会(IFAC)世界⼤会等多个系统控制领域重要学术会议的副主席、程序委员会主席、副主席。
⼈⼯智能前沿研讨会 SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019 上午11:10–12:00报告三图⻉叶斯优化报告⼈：杨博教授，吉林⼤学计算机科学与技术学院 报告⼈简介：杨博，吉林⼤学计算机科学与技术学院教授，博⼠⽣导师，符号计算与知识⼯程教育部重点实验室主任，主要从事数据挖掘和知识⼯程⽅⾯的理论和应⽤研究。
报告摘要：现实世界中的复杂系统⼤都可以抽象地表⽰为⺴络，节点表⽰⼦系统，链接表⽰⼦系统之间的相互作⽤。
由于⺴络的拓扑结构决定了复杂系统的功能和动⼒学特性，因此在解决不同领域的实际问题时⼈们常常会⾯临⼀个共同的问题：什么样的⺴络结构是我们期望的？例如，⼈们想知道什么样的晶体结构能产⽣⾼温超导现象，什么样的社会接触结构能最⼩化流⾏病的传播范围，什么样的路⺴结构最能改善交通拥堵现象，什么样的深度⺴络结构具有最佳的分类或回归性能。
诸如此类的问题还可以列举很多，但这些表⾯上没有关联的问题实质上都可以归结为⺴络结构优化问题：设计出能产⽣最优⺴络功能或动⼒学特性的⺴络结构。
针对这些问题，本报告介绍我们在这⽅⾯的⼯作，如何将⻉叶斯优化框架从欧式空间拓展到属性⺴络空间，构造出⻉叶斯图优化⼯具，有效处理多峰、评估代价⾼昂、评估存在噪声、⿊箱⺫标函数的⺴络结构优化问题。
⼈⼯智能前沿研讨会 SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019 下午2:00–2:50报告四SolvingLargeScaleGames报告⼈：安波副教授，南洋理⼯⼤学计算机科学与⼯程学院 报告⼈简介：BoAnisanAssociateProfessorwiththeSchoolofComputerScienceandEngineering,NanyangTechnologicalUniversity,Singapore.HereceivedthePh.DdegreeinComputerSciencefromtheUniversityofMassachusetts,Amherst.Hiscurrentresearchinterestsincludeartificialintelligence,multiagentsystems,gametheory,reinforcementlearning,andoptimization.Hisresearchresultshavebeenessfullyappliedtomanydomainsincludinginfrastructuresecurityandmerce.Dr.Anwastherecipientofthe2010IFAAMASVictorLesserDistinguishedDissertationAward,anOperationalExcellenceAwardfromtheCommander,FirstCoastGuardDistrictoftheUnitedStates,the2012INFORMSDanielH.WagnerPrizeforExcellenceinOperationsResearchPractice,and2018NanyangResearchAward(YoungInvestigator).HispublicationswontheBestInnovativeApplicationPaperAwardatAAMAS’12andtheInnovativeApplicationAwardatIAAI’16.HewasinvitedtogiveEarlyCareerSpotlighttalkatIJCAI’17.HeledtheteamHogRiderwhichwonthe2017MicrosoftCollaborativeAIChallenge.HewasnamedtoIEEEIntelligentSystems'"AI's10toWatch"listfor2018.HewasinvitedtobeanAdvisoryCommitteememberofIJCAI’18.HeisamemberoftheeditorialboardofJAIRandtheAssociateEditorofJAAMAS,IEEEIntelligentSystems,andACMTIST.HewaselectedtotheboardofdirectorsofIFAAMASandseniormemberofAAAI. 报告摘要：InJanuary2017CMU'sLibratussystembeatateamof-10headsupno-limitspecialistprofessionals,whichwasthefirsttimeanAIhadhumanplayersinthisgame.Libratus'sessispurelybasedonalgorithmsforsolvinglargescalegamesandhasnothingtodowithdeeplearning!
Overthelastfewyears,algorithmsforsolvinglargescalegameshavealsobeenappliedtoschedulingsecurityresourcesinmanysignificantdomainsincludingairports,federalairmarshalsservice,coastguard,andwildlifeanizations.GametheoryhasalsobeenappliedinmanyotherAIproblemssuchassustainability,ad-wordauction,andmerce.Thistalkwilldiscusskeytechniquesbehindtheseessandtheirpotentialapplicationsinotherdomains. ⼈⼯智能前沿研讨会 SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019 下午2:50–3:40报告五Large-scaleAppliedMechanismDesign报告⼈：唐平中副教授，清华⼤学 报告摘要：Inthistalk,IwillintroducethreeresearchprojectsattheinterfaceofAIandeconomics,allwithintheframeworkofmechanismdesignatnationwidescales.Thefirstprojectaimstodesignmarketsforwaterright,whilethesecondandthirdaimtodesignmechanismsthatmaximizerevenuefornationwidemobileapplications.Theresultsareasetofmechanismsthatsatisfyputationandeconomicsconstraints. 报告⼈简介：PingzhongTangisaTenuredassociateprofessorandheadoftheComputationaleconomicslabatIIIS(aka.Yaoclass),TsinghuaUniversity.BeforejoiningTsinghua,hewasapostdocputersciencedepartmentofCMU.HeobtainedPhDdegreeatHKUST.HehasbeenvisitingscientistatStanfordUniversity,HarvardUniversity,UniversityofCaliforniaatBerkeleyandMicrosoftresearchAsia.Dr.Tang'sresearchistoputationalmethodologiestodesign,analyzeandimplementeconomicmechanisms,aswellasuseeconomicinsightsandparadigmstoputerprotocoldesign.SomeofhisresearchresultshavebeenappliedinmajorpaniessuchasBaidu,DiDiandAlibaba.HisPhDthesisworkputer-aidedtheoremdiscoveryineconomicshasbeenincludedinvarioustextbooks.HehasbeenamemberofMicrosoftresearchStar-trackprogram,ChinaNationalYouth-1000program,NationalteachingexcellenceawardputerscienceAlibabainitiativeresearchprogram,aninviteeoftheIJCAIearlycareerspotlighttalkandamemberofMITTR35China. ⼈⼯智能前沿研讨会 SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019 下午4:00—4:50报告六DecentralizedMarkovDecisionProcess:TheoryandItsApplications报告⼈：吴锋副教授，中国科学技术⼤学计算机科学与技术学院 报告摘要:Afundamentalchallengeinartificialintelligenceishowtoachieveintelligentcoordinationofagroupofdecisionmakersinspiteofstochasticityandlimitedinformation.DecentralizedMarkovdecisionprocessoffersanormativeframeworkforoptimizingdecisionsunderuncertainty.Butdueplexitybarriers(i.e.,NEXP-hard),developingeffectivealgorithmsforthismodelisaseriouschallengeinAI.InthistalkIwillintroduceourrecentprogressondevelopingnoveltheoryandtechniquesbasedonsimulationforsolvingthismodel,whichcanscaletoverylargeproblemsandareamongtheleadingalgorithmsintheliterature.Additionally,weessfullyappliedthesemethodstoreal-worldapplicationssuchasroboter,searchandrescue,etc. 报告⼈简介:FengWuisanAssociateProfessorintheSchoolofComputerScienceandTechnology,UniversityofScienceandTechnologyofChina(USTC).HereceivedhisB.EandPh.D.bothfromUSTCin2006and2011respectively.BeforejoiningUSTC,heisaResearchFellowworkedwithProf.NickJenningsatUniversityofSouthampton,UK.Hisresearchinterestsincludeplanningunderuncertainty,multi-agentsystems,reinforcementlearning,androbotics.Hehaspublishedover40refereedpapersonicsinprestigiousjournalsandconferencessuchasAIJ,IJCAI,AAAI,NIPS,AAMAS,andUAI.HeisarecipientofthePresident'sSpecialAwardofChineseAcademyofSciences(CAS)in2011,OutstandingDissertationAwardofCASin2012.Hewonthefirstplaceinthepetitions3timesandthebestapplicationpaperawardinAAMAS2015.Moreinformationabouthisresearchcanbefound:/~wufeng02/. ⼈⼯智能前沿研讨会 SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019 下午4:50—5:40报告七⼀起来玩⿇将李三江教授悉尼科技⼤学量⼦软件与信息中⼼ 摘要：Mahjongisaverypopulartile-basedmonlyplayedbyfourplayers.Eachplayerbeginswithahandof13tilesand,inturn,playersdrawanddiscard(i.e.,change)tilesuntilpletealegalhandusinga14thtile.Inthispaper,weinitiateamathematicalandAIstudyoftheMahjonggameandtrytoanswertwofundamentalquestions:howbadisahandof14tiles?
andwhichtileshouldIdiscard?
Wedefineandcharacterisethenotionofdeficiencyandpresentanoptimalpolicytodiscardatileinordertoincreasethechancepletingalegalhandwithinktilechangesforeachk≥
1.相关论⽂⻅：/abs/1903.03294 个⼈简介：李三江，男，1975年2⽉⽣于陕⻄渭南。
2001年获四川⼤学基础数学博⼠学位，师从刘应明院⼠、罗懋康教授。
现为澳⼤利亚悉尼科技⼤学教授。
主要研究⽅向为⼈⼯智能理论，具体研究内容涉及知识表⽰与推理、时空推理、模糊推理、约束求解等。
⾃2001年以来他与合作者系统深⼊地研究了空间推理的定性⽅法，并在空间关系建模和空间约束求解等⽅⾯取得重要成果。
这些成果主要发表在⼈⼯智能领域重要国际刊物和顶级国际会议，其中包括ArtificialIntelligenceJournal多篇。
2004年获德国洪堡基⾦会资助到德国弗赖堡⼤学访问（任洪堡学者），2006年获⾸届微软⻘年教授奖，2008年获中创软件⼈才奖，2009年获澳⼤利亚ARCFutureFellow奖，2010年获悉尼科技⼤学ECRResearchExcellenceAward。
⼈⼯智能前沿研讨会 SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019 四⽉⼗六⽇，星期⼆ 上午9:00--11:30：“机器学习中的结构化先验”讲习班 主讲⼈：李斌 教授，复旦⼤学计算机科学技术学院个⼈简介：李斌，复旦⼤学计算机科学技术学院⻘年研究员、博⼠⽣导师，上海⾼校特聘教授（东⽅学者）。
2009年获复旦⼤学理学博⼠学位，2017年回复旦⼤学任教，期间先后担任法国南巴黎电信学院（TELECOMSudParis）博⼠后、悉尼科技⼤学（UTS）讲师、澳⼤利亚联邦科学与⼯业研究组织（CSIRO）⾼级研究员。
研究领域涉及统计机器学习、⻉叶斯⾮参数⽅法、⼈⼯智能、⼤数据分析；发表论⽂50余篇，包括ICML、NIPS、IJCAI等机器学习与⼈⼯智能领域⼀流国际会议论⽂20余篇，IEEETKDE、IEEETCYB等SCI期刊论⽂10余篇。
上午9:00–09:40 《机器学习中的结构化先验
（1）：原理与应⽤》（40分钟） ⻉叶斯模型由两个重要部分组成：⽤于拟合模型的‘似然’与定义模型假设空间的‘先验’。
当使⽤最⼤后验概率估计时，似然与先验分别等价于损失函数与正则化项。
⺫前众多性能优异的机器（深度）学习模型⼤多由数据驱动，即通过最⼩化海量数据上的经验损失来训练模型，‘先验’则仅仅⽤于约束模型参数，这在很⼤程度上低估了‘先验’的作⽤。
认知科学研究发现，知识在⼈脑中的组织是结构化的，这为研究类脑学习机制指引了⼀个探索⽅向——结构化先验。
报告第⼀部分将介绍结构化先验的研究动机与基本原理、以及我们基于经典⻉叶斯⾮参数先验（中国餐馆过程、印度⾃助餐过程、蒙德⾥安过程）从复杂数据中发现与学习其隐含的结构化知识的若干应⽤。
上午09:40--09:55茶休 上午09:55–10:35 《机器学习中的结构化先验
（2）：随机划分过程》（40分钟） 在⻉叶斯模型中，当隐变量为⼀个具有⽆限维参数的数据结构时，其先验不再是⼀个概率分布，⽽是⼀个随机过程。
然⽽，现有随机过程的种类⾮常有限，缺乏具有⾜够表达能⼒的随机过程⽣成某些复杂的数据结构，例如对于空间的‘划分’。
已有⽅法仅使⽤与坐标轴平⾏的超平⾯对空间进⾏划分，这种‘格⼦’形式的先验具有诸多局限性，例如难以有效表达维度间的依赖关系、对于稀疏数据区域的划分效率较低等。
为此，我们⾸次提出了使⽤任意超平⾯与矩形框对空间划分的随机过程，分别称为‘空间⼆分树过程’与‘矩形框过程’，突破了以往空间划分的先验仅可以是‘格⼦’的限制，分别解决了以上两个局限性。
报告第⼆部分将介绍我们提出的两个新型随机划分过程的定义与数学性质、及其在关系建模与决策树上的应⽤。
⼈⼯智能前沿研讨会 SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019 上午10:35--10:50茶休 上午10:50–11:30 《机器学习中的结构化先验
（3）：可学习深度先验》（40分钟） 在认知⼼理学中，‘知觉组织’研究⼈如何从视觉信息中组织基本视觉元素形成⼀个完整的物体。
由于物体具有任意形状，随机划分过程已经⽆法胜任其先验，这对知觉组织建模提出了⼀个巨⼤的挑战——如何定义⼀个可以⽣成任意形状的先验？为此，我们转⽽探索⽆固定样式的结构化先验，通过神经⺴络强⼤的⾮线性映射能⼒，把以往所⻅⼀切物体的形状都记忆在神经⺴络的参数中，故称为‘可学习深度先验’。
报告第三部分将介绍我们基于可学习深度先验提出的空间混合模型。
其中，混合模型的成分对应于图像中的物体，每个像素属于不同物体的先验由神经⺴络⽣成的‘截断折棍过程’定义。
由于神经⺴络记忆了物体形状，因此像素的先验之间具有空间依赖性，从⽽倾向于形成⼀个‘印象’中的物体形状，这与⼈类推断遮挡或模糊物体时的做法不谋⽽合。
本报告将简单介绍我们研究⼩组近年来在多智能体系统的趋同控制⽅⾯取得的⼀些成果，包括量测噪声情形下的趋同协议的设计及趋同的充分必要条件，基于⼩容量信道的趋同控制设计与闭环系统性能分析，以及多智能体系统的可趋同性与智能体之间的通信拓扑、各智能体的动⼒学特性和容许控制集之间的关系等。
报告⼈简介：张纪峰，1985年本科毕业于⼭东⼤学数学系，1991年博⼠毕业于中国科学院系统所，现为中国科学院数学与系统科学研究院系统所所⻓。
研究⽅向为随机系统、有限信息系统、多⾃主体系统的分析与控制等。
1997年获国家杰出⻘年基⾦资助，2009年获全国优秀博⼠学位论⽂指导教师荣誉证书,2010年和2015年先后两次获国家⾃然科学⼆等奖，2014年当选为美国电⽓与电⼦⼯程师协会会⼠(IEEEFellow)，2016年当选为国际⾃动控制联合会会⼠(IFACFellow)和国际系统与控制科学院院⼠，2018年当选为欧洲科学与艺术院院⼠。
先后担任国务院学位委员会系统科学评议组召集⼈、国际⾃动控制联合会学术委员会副主席、中国系统⼯程学会副理事⻓、中国⾃动化学会副理事⻓，是科普期刊《系统与控制纵横》的创刊主编，《系统科学与数学》、《中国科学:信息科学》、《系统⼯程理论与实践》、IEEETrans.onAutomaticControl、SIAMJ.onControlandOptimization、IEEEControlSystemsLetters等的主编、副主编、编委；中国控制会议、中国系统科学⼤会、全球智能控制与⾃动化(WCICA)、第20届国际⾃动控制联合会(IFAC)世界⼤会等多个系统控制领域重要学术会议的副主席、程序委员会主席、副主席。
⼈⼯智能前沿研讨会 SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019 上午11:10–12:00报告三图⻉叶斯优化报告⼈：杨博教授，吉林⼤学计算机科学与技术学院 报告⼈简介：杨博，吉林⼤学计算机科学与技术学院教授，博⼠⽣导师，符号计算与知识⼯程教育部重点实验室主任，主要从事数据挖掘和知识⼯程⽅⾯的理论和应⽤研究。
报告摘要：现实世界中的复杂系统⼤都可以抽象地表⽰为⺴络，节点表⽰⼦系统，链接表⽰⼦系统之间的相互作⽤。
由于⺴络的拓扑结构决定了复杂系统的功能和动⼒学特性，因此在解决不同领域的实际问题时⼈们常常会⾯临⼀个共同的问题：什么样的⺴络结构是我们期望的？例如，⼈们想知道什么样的晶体结构能产⽣⾼温超导现象，什么样的社会接触结构能最⼩化流⾏病的传播范围，什么样的路⺴结构最能改善交通拥堵现象，什么样的深度⺴络结构具有最佳的分类或回归性能。
诸如此类的问题还可以列举很多，但这些表⾯上没有关联的问题实质上都可以归结为⺴络结构优化问题：设计出能产⽣最优⺴络功能或动⼒学特性的⺴络结构。
针对这些问题，本报告介绍我们在这⽅⾯的⼯作，如何将⻉叶斯优化框架从欧式空间拓展到属性⺴络空间，构造出⻉叶斯图优化⼯具，有效处理多峰、评估代价⾼昂、评估存在噪声、⿊箱⺫标函数的⺴络结构优化问题。
⼈⼯智能前沿研讨会 SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019 下午2:00–2:50报告四SolvingLargeScaleGames报告⼈：安波副教授，南洋理⼯⼤学计算机科学与⼯程学院 报告⼈简介：BoAnisanAssociateProfessorwiththeSchoolofComputerScienceandEngineering,NanyangTechnologicalUniversity,Singapore.HereceivedthePh.DdegreeinComputerSciencefromtheUniversityofMassachusetts,Amherst.Hiscurrentresearchinterestsincludeartificialintelligence,multiagentsystems,gametheory,reinforcementlearning,andoptimization.Hisresearchresultshavebeenessfullyappliedtomanydomainsincludinginfrastructuresecurityandmerce.Dr.Anwastherecipientofthe2010IFAAMASVictorLesserDistinguishedDissertationAward,anOperationalExcellenceAwardfromtheCommander,FirstCoastGuardDistrictoftheUnitedStates,the2012INFORMSDanielH.WagnerPrizeforExcellenceinOperationsResearchPractice,and2018NanyangResearchAward(YoungInvestigator).HispublicationswontheBestInnovativeApplicationPaperAwardatAAMAS’12andtheInnovativeApplicationAwardatIAAI’16.HewasinvitedtogiveEarlyCareerSpotlighttalkatIJCAI’17.HeledtheteamHogRiderwhichwonthe2017MicrosoftCollaborativeAIChallenge.HewasnamedtoIEEEIntelligentSystems'"AI's10toWatch"listfor2018.HewasinvitedtobeanAdvisoryCommitteememberofIJCAI’18.HeisamemberoftheeditorialboardofJAIRandtheAssociateEditorofJAAMAS,IEEEIntelligentSystems,andACMTIST.HewaselectedtotheboardofdirectorsofIFAAMASandseniormemberofAAAI. 报告摘要：InJanuary2017CMU'sLibratussystembeatateamof-10headsupno-limitspecialistprofessionals,whichwasthefirsttimeanAIhadhumanplayersinthisgame.Libratus'sessispurelybasedonalgorithmsforsolvinglargescalegamesandhasnothingtodowithdeeplearning!
Overthelastfewyears,algorithmsforsolvinglargescalegameshavealsobeenappliedtoschedulingsecurityresourcesinmanysignificantdomainsincludingairports,federalairmarshalsservice,coastguard,andwildlifeanizations.GametheoryhasalsobeenappliedinmanyotherAIproblemssuchassustainability,ad-wordauction,andmerce.Thistalkwilldiscusskeytechniquesbehindtheseessandtheirpotentialapplicationsinotherdomains. ⼈⼯智能前沿研讨会 SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019 下午2:50–3:40报告五Large-scaleAppliedMechanismDesign报告⼈：唐平中副教授，清华⼤学 报告摘要：Inthistalk,IwillintroducethreeresearchprojectsattheinterfaceofAIandeconomics,allwithintheframeworkofmechanismdesignatnationwidescales.Thefirstprojectaimstodesignmarketsforwaterright,whilethesecondandthirdaimtodesignmechanismsthatmaximizerevenuefornationwidemobileapplications.Theresultsareasetofmechanismsthatsatisfyputationandeconomicsconstraints. 报告⼈简介：PingzhongTangisaTenuredassociateprofessorandheadoftheComputationaleconomicslabatIIIS(aka.Yaoclass),TsinghuaUniversity.BeforejoiningTsinghua,hewasapostdocputersciencedepartmentofCMU.HeobtainedPhDdegreeatHKUST.HehasbeenvisitingscientistatStanfordUniversity,HarvardUniversity,UniversityofCaliforniaatBerkeleyandMicrosoftresearchAsia.Dr.Tang'sresearchistoputationalmethodologiestodesign,analyzeandimplementeconomicmechanisms,aswellasuseeconomicinsightsandparadigmstoputerprotocoldesign.SomeofhisresearchresultshavebeenappliedinmajorpaniessuchasBaidu,DiDiandAlibaba.HisPhDthesisworkputer-aidedtheoremdiscoveryineconomicshasbeenincludedinvarioustextbooks.HehasbeenamemberofMicrosoftresearchStar-trackprogram,ChinaNationalYouth-1000program,NationalteachingexcellenceawardputerscienceAlibabainitiativeresearchprogram,aninviteeoftheIJCAIearlycareerspotlighttalkandamemberofMITTR35China. ⼈⼯智能前沿研讨会 SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019 下午4:00—4:50报告六DecentralizedMarkovDecisionProcess:TheoryandItsApplications报告⼈：吴锋副教授，中国科学技术⼤学计算机科学与技术学院 报告摘要:Afundamentalchallengeinartificialintelligenceishowtoachieveintelligentcoordinationofagroupofdecisionmakersinspiteofstochasticityandlimitedinformation.DecentralizedMarkovdecisionprocessoffersanormativeframeworkforoptimizingdecisionsunderuncertainty.Butdueplexitybarriers(i.e.,NEXP-hard),developingeffectivealgorithmsforthismodelisaseriouschallengeinAI.InthistalkIwillintroduceourrecentprogressondevelopingnoveltheoryandtechniquesbasedonsimulationforsolvingthismodel,whichcanscaletoverylargeproblemsandareamongtheleadingalgorithmsintheliterature.Additionally,weessfullyappliedthesemethodstoreal-worldapplicationssuchasroboter,searchandrescue,etc. 报告⼈简介:FengWuisanAssociateProfessorintheSchoolofComputerScienceandTechnology,UniversityofScienceandTechnologyofChina(USTC).HereceivedhisB.EandPh.D.bothfromUSTCin2006and2011respectively.BeforejoiningUSTC,heisaResearchFellowworkedwithProf.NickJenningsatUniversityofSouthampton,UK.Hisresearchinterestsincludeplanningunderuncertainty,multi-agentsystems,reinforcementlearning,androbotics.Hehaspublishedover40refereedpapersonicsinprestigiousjournalsandconferencessuchasAIJ,IJCAI,AAAI,NIPS,AAMAS,andUAI.HeisarecipientofthePresident'sSpecialAwardofChineseAcademyofSciences(CAS)in2011,OutstandingDissertationAwardofCASin2012.Hewonthefirstplaceinthepetitions3timesandthebestapplicationpaperawardinAAMAS2015.Moreinformationabouthisresearchcanbefound:/~wufeng02/. ⼈⼯智能前沿研讨会 SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019 下午4:50—5:40报告七⼀起来玩⿇将李三江教授悉尼科技⼤学量⼦软件与信息中⼼ 摘要：Mahjongisaverypopulartile-basedmonlyplayedbyfourplayers.Eachplayerbeginswithahandof13tilesand,inturn,playersdrawanddiscard(i.e.,change)tilesuntilpletealegalhandusinga14thtile.Inthispaper,weinitiateamathematicalandAIstudyoftheMahjonggameandtrytoanswertwofundamentalquestions:howbadisahandof14tiles?
andwhichtileshouldIdiscard?
Wedefineandcharacterisethenotionofdeficiencyandpresentanoptimalpolicytodiscardatileinordertoincreasethechancepletingalegalhandwithinktilechangesforeachk≥
1.相关论⽂⻅：/abs/1903.03294 个⼈简介：李三江，男，1975年2⽉⽣于陕⻄渭南。
2001年获四川⼤学基础数学博⼠学位，师从刘应明院⼠、罗懋康教授。
现为澳⼤利亚悉尼科技⼤学教授。
主要研究⽅向为⼈⼯智能理论，具体研究内容涉及知识表⽰与推理、时空推理、模糊推理、约束求解等。
⾃2001年以来他与合作者系统深⼊地研究了空间推理的定性⽅法，并在空间关系建模和空间约束求解等⽅⾯取得重要成果。
这些成果主要发表在⼈⼯智能领域重要国际刊物和顶级国际会议，其中包括ArtificialIntelligenceJournal多篇。
2004年获德国洪堡基⾦会资助到德国弗赖堡⼤学访问（任洪堡学者），2006年获⾸届微软⻘年教授奖，2008年获中创软件⼈才奖，2009年获澳⼤利亚ARCFutureFellow奖，2010年获悉尼科技⼤学ECRResearchExcellenceAward。
⼈⼯智能前沿研讨会 SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019 四⽉⼗六⽇，星期⼆ 上午9:00--11:30：“机器学习中的结构化先验”讲习班 主讲⼈：李斌 教授，复旦⼤学计算机科学技术学院个⼈简介：李斌，复旦⼤学计算机科学技术学院⻘年研究员、博⼠⽣导师，上海⾼校特聘教授（东⽅学者）。
2009年获复旦⼤学理学博⼠学位，2017年回复旦⼤学任教，期间先后担任法国南巴黎电信学院（TELECOMSudParis）博⼠后、悉尼科技⼤学（UTS）讲师、澳⼤利亚联邦科学与⼯业研究组织（CSIRO）⾼级研究员。
研究领域涉及统计机器学习、⻉叶斯⾮参数⽅法、⼈⼯智能、⼤数据分析；发表论⽂50余篇，包括ICML、NIPS、IJCAI等机器学习与⼈⼯智能领域⼀流国际会议论⽂20余篇，IEEETKDE、IEEETCYB等SCI期刊论⽂10余篇。
上午9:00–09:40 《机器学习中的结构化先验
（1）：原理与应⽤》（40分钟） ⻉叶斯模型由两个重要部分组成：⽤于拟合模型的‘似然’与定义模型假设空间的‘先验’。
当使⽤最⼤后验概率估计时，似然与先验分别等价于损失函数与正则化项。
⺫前众多性能优异的机器（深度）学习模型⼤多由数据驱动，即通过最⼩化海量数据上的经验损失来训练模型，‘先验’则仅仅⽤于约束模型参数，这在很⼤程度上低估了‘先验’的作⽤。
认知科学研究发现，知识在⼈脑中的组织是结构化的，这为研究类脑学习机制指引了⼀个探索⽅向——结构化先验。
报告第⼀部分将介绍结构化先验的研究动机与基本原理、以及我们基于经典⻉叶斯⾮参数先验（中国餐馆过程、印度⾃助餐过程、蒙德⾥安过程）从复杂数据中发现与学习其隐含的结构化知识的若干应⽤。
上午09:40--09:55茶休 上午09:55–10:35 《机器学习中的结构化先验
（2）：随机划分过程》（40分钟） 在⻉叶斯模型中，当隐变量为⼀个具有⽆限维参数的数据结构时，其先验不再是⼀个概率分布，⽽是⼀个随机过程。
然⽽，现有随机过程的种类⾮常有限，缺乏具有⾜够表达能⼒的随机过程⽣成某些复杂的数据结构，例如对于空间的‘划分’。
已有⽅法仅使⽤与坐标轴平⾏的超平⾯对空间进⾏划分，这种‘格⼦’形式的先验具有诸多局限性，例如难以有效表达维度间的依赖关系、对于稀疏数据区域的划分效率较低等。
为此，我们⾸次提出了使⽤任意超平⾯与矩形框对空间划分的随机过程，分别称为‘空间⼆分树过程’与‘矩形框过程’，突破了以往空间划分的先验仅可以是‘格⼦’的限制，分别解决了以上两个局限性。
报告第⼆部分将介绍我们提出的两个新型随机划分过程的定义与数学性质、及其在关系建模与决策树上的应⽤。
⼈⼯智能前沿研讨会 SymposiumonFrontiersofAIatAMSS,Beijing,April15-16,2019 上午10:35--10:50茶休 上午10:50–11:30 《机器学习中的结构化先验
（3）：可学习深度先验》（40分钟） 在认知⼼理学中，‘知觉组织’研究⼈如何从视觉信息中组织基本视觉元素形成⼀个完整的物体。
由于物体具有任意形状，随机划分过程已经⽆法胜任其先验，这对知觉组织建模提出了⼀个巨⼤的挑战——如何定义⼀个可以⽣成任意形状的先验？为此，我们转⽽探索⽆固定样式的结构化先验，通过神经⺴络强⼤的⾮线性映射能⼒，把以往所⻅⼀切物体的形状都记忆在神经⺴络的参数中，故称为‘可学习深度先验’。
报告第三部分将介绍我们基于可学习深度先验提出的空间混合模型。
其中，混合模型的成分对应于图像中的物体，每个像素属于不同物体的先验由神经⺴络⽣成的‘截断折棍过程’定义。
由于神经⺴络记忆了物体形状，因此像素的先验之间具有空间依赖性，从⽽倾向于形成⼀个‘印象’中的物体形状，这与⼈类推断遮挡或模糊物体时的做法不谋⽽合。
声明：
该资讯来自于互联网网友发布，如有侵犯您的权益请联系我们。