久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

為迎接中國第76個“五四”青年節(jié)，2025年5月4日，中國自動化學會舉辦的“CAA云講座·五四專場”活動成功召開，本次活動以“逐夢自動化，青春向未來：青年科技工作者的時代答卷”為主題，共邀請了四名優(yōu)秀的青年科技工作者，齊聚云端，分享了領(lǐng)域最新研究成果。

張瑞垚博士作報告

張瑞垚博士的報告聚焦于“模型不確定性量化研究及其應用”。他深入探討了模型不確定性量化在人工智能迅速發(fā)展背景下的重要性，尤其是在高風險領(lǐng)域如金融、醫(yī)療和工業(yè)生產(chǎn)中的應用。他首先介紹了模型不確定性量化的研究內(nèi)容，強調(diào)了模型預測可靠性對決策和生產(chǎn)的影響。接著，他詳細闡述了當前量化方法，包括貝葉斯方法和集成學習方法，并指出了它們的局限性。張瑞垚博士提出了基于共形預測的不確定性量化方法，該方法具有模型不可知性，適用于不同任務下的不同模型。他解釋了共形預測的有效性保證和可交換性的概念，并通過實例說明了其應用。他還探討了如何將單輸出共形預測擴展到多輸出的問題，并提出了基于預測區(qū)域優(yōu)化的方法，通過實驗驗證了該方法的有效性。最后，他討論了該方法在時間序列上的應用和改進方向。

白忠玉博士作報告

白忠玉博士的報告主題為“水下聲納圖像分類技術(shù)探討”。他介紹了水下聲納圖像分類的研究背景和意義，指出了聲納圖像在目標探測和識別中的重要性，闡述了水下聲納圖像的特點，如對比度低、噪音強、紋理模糊等，并討論了傳統(tǒng)圖像識別方法在聲納圖像識別中的局限性。白忠玉博士提出了一種結(jié)合對比學習的高斯特征增強方法，通過構(gòu)建特征對比遷移學習框架，結(jié)合平衡采樣遷移學習和對比學習來提升模型的魯棒性和特征表現(xiàn)能力。他還介紹了零樣本學習方法，即基于風格遷移的樣本合成，用于解決訓練數(shù)據(jù)完全缺失的情況。通過實驗驗證，他展示了該方法在水下聲納圖像分類中的有效性。

吳思博士作報告

吳思博士的報告主題為“動態(tài)不確定性影響下的安全控制”。他介紹了安全控制的基本概念，強調(diào)了在復雜環(huán)境中保證系統(tǒng)安全的重要性。他詳細討論了動態(tài)不確定性對安全控制的影響，指出動態(tài)不確定性會導致常規(guī)的安全控制方法失效。為了解決這一問題，他提出了一種基于正基投影的可行重塑方法，通過修改可行集來保證重塑后的可行集在任意一點都具備線性獨立約束規(guī)范性，從而確保優(yōu)化問題解的李普希茨連續(xù)性。吳思博士還提出了面向安全控制的關(guān)聯(lián)系統(tǒng)分析方法，通過將閉環(huán)系統(tǒng)轉(zhuǎn)化為等價的關(guān)聯(lián)系統(tǒng)形式，明確了動態(tài)不確定性對安全性的影響。他通過實驗驗證了該方法的有效性，并展示了在多運動體多障礙物場景下的應用。最后，他討論了未來研究方向，包括嵌入式安全、自主系統(tǒng)的安全控制以及算法的安全遷移與部署。

喬康加博士作報告

喬康加博士的報告主題為“基于進化計算的約束多目標優(yōu)化問題研究”。他介紹了約束多目標優(yōu)化問題的定義和挑戰(zhàn)，強調(diào)了這類問題在各行各業(yè)中的普遍存在。他詳細闡述了進化算法在解決多目標優(yōu)化問題中的應用，介紹了約束處理技術(shù)和多目標進化算法的基本流程。喬康加博士提出了難度可調(diào)的決策空間約束多目標測試集，通過構(gòu)造不同層次的目標、連接層和約束層，設計了轉(zhuǎn)化操作來控制約束變量的維度，從而調(diào)節(jié)測試集的難度。他還介紹了基于進化多任務的約束多目標優(yōu)化方法，通過構(gòu)造輔助任務來降低問題的求解難度。喬康加博士展示了多個實際應用案例，包括算法推薦系統(tǒng)、藥物靶點識別、疾病狀態(tài)檢測和煤礦綜合能源系統(tǒng)優(yōu)化等。最后，他討論了未來研究方向，包括遷移策略的開發(fā)、測試集結(jié)構(gòu)的靈活設計以及先驗知識和約束多目標進化算法的結(jié)合方法。

哈爾濱工程大學王靜瑜博士擔任主持人

本次活動由哈爾濱工程大學王靜瑜博士擔任主持人，通過騰訊會議、CAA會議小程序、CAA官方視頻號、學會微博官方賬號、蔻享等平臺全程直播，共計4萬余人次在線觀看直播。

來源：中國自動化學會