崂山高端学术论坛—人工智能时代下的控制理论

   2024年11月7日上午，应侯忠生教授邀请，Cesare Alip（IEEE/ELLIS/INNS/AAlA Fellow、意大利米兰理工大学教授）、Marios M. Polycarpou（IEEE/IFAC Fellow、欧洲科学院院士、塞浦路斯大学教授）、Derong Liu（IEEE/INNS/IAPR Fellow、欧洲科学院院士、南方科技大学教授）于会议中心404教室展开了一场精彩的学术报告。青岛大学副校长李荣贵教授与青岛大学系统科学研究院院长侯忠生教授出席并先后致辞。同时参与报告会的还有青岛大学青年长江学者车伟伟教授、泰山学者特聘专家纪志坚教授、青岛大学系统科学研究院、自动化学院以及未来研究院的老师和研究生。

         Cesare Alippi 教授，美国电气与电子工程师协会会士（IEEE Fellow）、欧洲学习与智能系统学会会士（ELLIS Fellow）、国际神经网络学会会士（INNS Fellow）及亚太人工智能学会会士（AAIA Fellow）。1990年获得意大利米兰理工大学（Politecnico di Milano）电子工程学位，并于1995年获得博士学位。现任意大利米兰理工大学和瑞士卢加诺意大利斯维泽拉大学教授，广东工业大学访问教授。Cesare Alippi教授在非平稳环境中的适应和学习、基于图的学习以及嵌入式、物联网和网络物理系统的智能等方面做出了开创新的研究工作。此次论坛，Cesare Alippi教授首先围绕’“Forecasting and graph-based predictors”提出了利用关系信息提供基于图的推理的方法, 为我们打开了有关预测任务以及当前基于深度图的预测研究的观点，介绍和讨论了包含时间和空间两个维度关系的深度预测模型系列。此外，Cesare Alippi教授向我们介绍了一些基于图的具体推理方法，包括基于逻辑规则的知识图谱推理、基于嵌入表示的知识图谱推理、基于神经网络的知识图谱推理以及基于图结构的推理。Cesare Alippi教授的会议报告引起了现场师生的深入思考与讨论，并现场回答了参与此次会议学生的疑惑与问题。Cesare Alippi教授的报告促进了我院研究生们积极讨论的热情，激发了研究生的学术兴趣，为我院的学术活动带来了浓墨重彩的一笔。

Marios M.Polycarpou教授，欧洲科学院院士、美国电气和电子工程师协会会士(IEEE Fellow)、国际自动控制联合会会士(IFAC Fellow)，于1987年获得美国莱斯大学（Rice University, USA）计算机科学学士学位和电气工程学士学位，并于1989年和1992年分别获得南加州大学电气（University of Southern California）工程硕士和博士学位。现任塞浦路斯大学（University of Cyprus）电气与计算机工程教授、伦敦帝国理工学院（Imperial College London）的名誉教授、KIOS卓越研究与创新中心顾问委员会主席、《Proceedings of the IEEE》和《Annual Reviews in Control》的编辑委员会成员。Marios M.Polycarpou教授在智能系统和网络、自适应学习控制系统、故障诊断、机器学习以及关键基础设施系统等领域做出了突出贡献。此次会议，Marios M.Polycarpou教授围绕“Building resilient societies”为题，就复杂的信息物理系统适应性进行了详细且严谨的学术报告。随着信息物理系统的发展，先进的自动化控制方法已经应用在包括能源和电力、智能交通、水系统、制造等行业。而传统的反馈控制侧重于增强闭环系统的跟踪和鲁棒性性能;随着信息物理系统变得越来越复杂、相互关联和相互依赖，我们不仅需要重新关注性能，还需要重新关注信息物理系统的适应性（系统能够根据实时的数据和反馈信息，进行决策和调整，以实现系统性能的最优化）。报告指出在发生意外事件和故障的情况下，计算智能可以通过先进的算法和模型、人机交互以及模块化设计在提高信息物理系统的容错能力以及防止严重退化或灾难性系统故障方面发挥关键作用。此次演讲报告，Marios M.Polycarpou教授向广大师生提供了有关信息物理系统智能监控方法的设计和分析的深刻见解，这有亦助于我们构建适应性更强的社会系统。

刘德荣教授，欧洲科学院院士、美国电气与电子工程师协会会士（IEEE Fellow）、国际神经网络学会会士（INNS Fellow）、国际模式识别协会会士（IAPR Fellow）。于1994年获得美国圣母大学电气工程博士学位，现担任芝加哥伊利诺依大学（University of Illinois Chicago）电气与计算机工程系终身职正教授、中国南方科技大学特聘教授。刘德荣教授在智能控制理论及应用、自适应动态规划与强化学习、复杂工业系统建模与控制、计算智能以及智能信息处理等领域取得了突出成就。针对现代工业过程的复杂性，刘德荣教授提出人工智能，尤其是机器学习方法可能为我们以后的控制方法提供解决方案。需要函数逼近结构（如神经网络）和最优控制技术（如动态规划）组合的自适应动态规划和强化学习（ADPRL）可以很好地近似最优控制动作，并为复杂非线性系统的控制提供近乎最优的解决方案。刘教授本次讲座中介绍了 ADPRL 的技术原理与在复杂动态系统优化控制方面的最新发展。技术原理：（Ⅰ）自适应动态规划与强化学习是将传统的动态规划与神经网络逼近技术相结合而产生的一种智能控制方法。这种方法旨在解决传统动态规划方法中的“维数灾难”问题，使其适用于复杂的大规模动态系统。（Ⅱ）动态规划是一种在数学、计算机科学和经济学中使用的，通过把原问题分解为相对简单的子问题的方式来求解复杂问题的方法。（Ⅲ）神经网络是一种模拟人脑神经元网络的计算模型，具有强大的非线性逼近能力。在ADPRL中，神经网络被用来逼近动态规划中的价值函数或策略函数，从而实现对复杂系统的控制。最新发展：刘教授还指出ADPRL在复杂动态系统优化控制方面的最新发展体现在理论进展（例如逼近算法的发展）、应用领域拓展（机器人技术、智能交通以及游戏与决策等领域）、与其他学科的融合以及未来发展趋势等多个方面。