1 新智元编译
来源:WCCI 2016
译者:王楠、张冬君
【新智元导读】IEEE WCCI 2016 正在加拿大温哥华举行。在近一周的时间里,本届智能计算领域顶级技术盛会将汇聚 5大顶级学者主旨演讲、15 场全体会议演说、6场专家小组会议、24堂免费辅导课、175 场 session。新智元梳理会议亮点,并重点介绍5大主旨演讲,包括2010年图灵奖得主 Leslie Valiant 谈他对学习和演化的思考。
两年一次的智能计算领域顶级技术盛会IEEE计算智能世界大会(WCCI)正在加拿大温哥华举行。当地时间 24 日到 29日下午,IEEE WCCI 2016 将同往年一样遵照传统,由 2016年国际神经网络联合大会(IJCNN 2016)、IEEE模糊系统大会(FUZZ-IEEE 2016)和 IEEE进化计算大会(IEEE CEC 2016)这三部分组成。
IJCNN 2016:国际神经网络联合大会(IJCNN)每年举办一次,是IEEE计算智能协会(IEEE Computational Intelligence Society)和国际神经网络协会(International Neural Network Society)的旗舰会议,IJCNN覆盖神经网络的各个研究领域,从生物神经网络建模到人工神经计算都将是会议主题。
FUZZ-IEEE 2016: IEEE国际模糊系统大会(FUZZ-IEEE)是模糊系统领域最为重要的国际会议,大会涵盖模糊系统研究领域从理论到应用的所有主题。
IEEE CEC 2016: IEEE进化计算会议(IEEE CEC)每年举办一次,是进化计算领域的主要国际会议之一,大会涵盖进化计算领域从理论到应用的所有主题。
IEEE WCCI 2016 共收到了创历史记录的 3015 篇论文投稿,共有来自 70 多个国家超过 1800 人次注册出席。根据大会官网,本届大会亮点包括:
5 大顶级学者主旨演讲
15 场全体会议演说(分IJCNN、FUZZ 和CES三大领域)
David B. Fogel“人工智能的趣味及游戏”(Fun and Games with Artificial Intelligence)
6场专家小组会议
24堂免费辅导课(详见后文)
4 场 workshop
175 场 session
10 场挑战赛,包括一些世界专业棋手和日本的 Zen、美国 Facebook 的 Dark Forest 和台湾的 CGI 等围棋软件之间的对弈
【Leslie Valiant】What Can be Automated: A Viewpoint from Learning and Evolution
25日的开场主旨演讲是2010年图灵奖得主 Leslie Valiant 谈了他对学习和演化的思考。机器学习技术使很多人类从经验中学会完成的任务变得自动化,而不需要一步一步地依照指令序列完成。
在此次演讲中,Leslie Valiant 探讨了是否可以根据情景将任务分组,从而使其能够通过学习被机器有效地自动完成。演讲的内容大致为:生物中所有的信息都是通过学习或演化得来的,因此可以得到这样一个推论——任何能够统一描述演化和学习的理论(any unified theory of evolution and learning),应当能够描述出人类及其他生物的潜力(包括天生就有的和后天习得的)的特征,而这些任务就是我们将其自动化的合理目标。在演讲中,Valiant 会分析依照上述推论,目前人类已经处于哪种阶段。
Leslie Valiant 演讲现场座无虚席
【Ronald R Yager】Fuzzy and Soft Methods for Multi-Criteria Decision Making
26日的主旨演讲。在人类决策大多数情况下,目标的多重性要求我们在执行许多任务时,使用多重标准进行决策。这些决策函数在信息检索、模式识别、医疗诊断、信息融合与目标识别等多个领域中具有十分重要的作用。建立多目标决策函数的核心,是对决策过程中所涉及的各个目标之间的关系进行恰当地建模。在许多情况下,人类能够通过语言将这些目标之间的关系表达出来。有鉴于模糊集技术能够作为语言表达和数学模型之间的桥梁,模糊集就为构建多目标决策函数提供了一个理想的思路框架。
在这次演讲中,2016 年 IEEE Frank Rosenblatt Award 得主、美国计算智能领域尤其是不确定性和模糊逻辑专家 Ronald R Yager 将介绍一些与模糊集理论相关联的集结算子(aggregation operator),看看如何用它们构建多目标决策函数。
【Marco Dorigo】Swarm robotics: current issues and some novel research directions
27日。群机器人研究(Swarm robotics)如何设计和实施不依赖于任何外部基础设施或任何形式的集中控制对一组机器人进行操控。这种机器人群利用自组织来执行需要机器人之间彼此合作的任务。在过去十年里,群机器人研究取得了很大的进展。在许多不同的案例中,研究人员已经展现了多个相当复杂的机器人群。然而,这种进步也导致了一些问题,这些问题有可能阻碍群机器人研究的进一步发展。在演讲中,布鲁塞尔自由大学AI实验室(IRIDIA)联合负责人、供职于比利时科研基金(FNRS)的群机器人研究领域专家 Marco Dorigo,将讨论在他看来群机器人研究当前存在的主要问题:可管理性、容错性和信任问题(trust issues)。此外,Dorigo 还会提出一些新的研究方向,为在现实世界中部署机器人群更进一步。
【Ricardo Baeza-Yates】Data and Algorithmic Bias in the Web
Yahoo 实验室 VP Ricardo Baeza-Yates 将在28日发表与数据偏见有关的主旨演讲。网络是人类创造的最大的公共大数据仓库。在数据的海洋里,我们需要注意数据的质量,特别是数据中存在的偏见,比如信息冗余、垃圾邮件等。这些偏见会影响用于提升用户体验的机器学习算法。这些算法增加了偏见,从而进一步加剧了这个问题,在推荐系统中这种情况尤为严重。Baeza-Yates 将在演讲中给出几个少见、新奇的与隐私相关的例子,强调用户情景的重要性以避免这些偏见。
【Charles C. Ragin】Fuzzy Sets and Social Research
今天,定量社会学研究主要使用的分析方法都在很大程度上受“变量”影响。这些分析法的关键是根据因变量决定其他自变量之间的相对重要性,研究人员也将评估“排除其他因素影响”(net effects)作为其研究任务的核心。很多学者都认为,在社会学研究中使用变量为主导的分析方法有缺陷,还不如彻底放弃变量。
29日,加州大学的社会学家 Charles C. Ragin 将在他的主旨演讲中指出,我们应该重新定义变量,使对案例彼此之间和自身之内的分析能够得到更好的互动与整合。这方面的核心是使用集合论方法(如真值表分析)。Ragin 将在演讲中表明,集合论方法能够为研究人员研究案件各个方面之间的“连接”提供一个更好的办法,还将讨论模糊集合论的各种扩展和阐述对社会学研究具有特别的价值。
WCCI 2016 共有 15场全体会议演说,新智元摘选 IJCNN 2016 Plenary的 4 场演说进行简单介绍。
【Jurgen Schmidhuber】Deep Learning
Jurgen Schmidhuber 的 Deep Learning 开场之前
今天开场的是“递归神经网络之父” Jurgen Schmidhuber 的演讲,题目和介绍都非常直接——深度学习,“我会介绍监督、非监督、强化学习,并讨论多种应用场景下的最先进技术”。但这仍然阻挡不了 Schmidhuber的号召力。
接下来,从26日开始,分别是明尼苏达大学神经成像专家 Bin He 的《人脑动态映射与干扰》(Dynamic Mapping and Interfacing with the Human Brain),2016年 IEEE Neural Networks Pioneer Award 得主、塞浦路斯大学教授 Marios M. Polycarpou 的《互联网络 - 物理系统的脆弱性》(Fragility of Interconnected Cyber-Physical Systems),这场演讲的目的是促进对信息物理系统的健康监测、故障诊断和安全的需求,并且为利用复杂的非线性动力学来分析设计、分析容错的信息物理系统的统一理论做出初步努力。
28日,香港城市大学教授王钧的《约束优化问题的神经动态优化方法集合》(Collective Neurodynamic Optimization Approaches to Constrained Optimization),以及罗德岛大学教授 Haibo He 的《自适应学习与MI优化:从基础到复杂系统》(Adaptive Learning and Optimization for MI: From the Foundations to Complex Systems),内容主要介绍在推进机器智能方面取得的进展,尤其是一种全新的自适应动态编程(ADP)框架,这种框架能够随时间自动地并且自适应地得出内部强化信号,从而提高学习和性能控制能力。
WCCI 2016 有6场专家小组会议(panel session)。
今天,由新加坡大学教授 Xin Yao 等人主持的“将大数据问题变成机遇”(Turning Big Data Challenges into Opportunities)已经结束(见下图)。
接下来的几场 pannel session 主题如下,包括如何在顶级期刊(比如 IEEE CIS Transactions)发表论文、对 IEEE 和 CIS 的回顾和未来展望,以及分别向模式识别专家 David Casasent 和今年 4月24日去世的美国生物学家、理论神经科学家 Walter J. Freeman 致敬的两场专家小组会议。
PS-01 Turning Big Data Challenges into Opportunities
PS-02 How to Publish Your Research Papers in IEEE CIS Transactions?
PS-03 IEEE and CIS in the Next Decade
PS-04 The IEEE CIS History Panel: Yesterday, Today, and Tomorrow
PS-05 David Casasent Memorial Session
PS-06 Walter J. Freeman Memorial Session
同时,和其他顶级大会一样,WCCI 2016也举办免费的辅导课(tutorial),内容覆盖进化计算、神经网络和学习系统、模糊系统、软计算及其他计算智能高级议题和应用。
相关的PPT已经公开,下载去这里→ http://www.wcci2016.org/programs.php?id=home
【目录】IJCNN 2016 Tutorials
IJCNN-01 Data Stream Mining
IJCNN-02 Spiking Neural Networks: The Machine Learning Approach
IJCNN-03 Learning from Unstructured Data Streams in Cybersecurity
IJCNN-04 Learning in Non-Stationary Environments
IJCNN-05 Physics of the Mind
IJCNN-06 Passive and Active Control for a Lower-limb Rehabilitation Robot
IJCNN-07 Patent Citation Network Analysis
IJCNN-08 Multiview Learning
IJCNN-09 Application of Graphs and Network Theory for the Interpretation of Brain Imaging Data
【目录】FUZZ-IEEE 2016 Tutorials
FUZZ-IEEE-01 Big Data: Technologies and Computational Intelligence Approaches
FUZZ-IEEE-02 Fuzzy Logic and Machine Learning: A Tutorial
FUZZ-IEEE-03 Type-2 Fuzzy Ontology and Fuzzy Markup Language for Real-World Applications
FUZZ-IEEE-04 A Sum-of-Squares Framework for Fuzzy Systems Modeling and Control: Beyond Linear Matrix Inequalities
FUZZ-IEEE-05 Tutorial on Type-2 Fuzzy Sets and Systems
FUZZ-IEEE-06 Computer Vision: A Computational Intelligence Perspective
FUZZ-IEEE-07 Dynamic Fuzzy Neural Networks: Architectures, Algorithms and Applications
【目录】IEEE CEC 2016 Tutorials
CEC-01 Meta-heuristics for Multi-objective Optimization
CEC-02 Applying Evolutionary Computation in Industrial Practice
CEC-03 Automatic Algorithm Configuration: Methods, Applications and Perspectives
CEC-04 Advances in Particle Swarm Optimization
CEC-05 Search Based Software Engineering: Foundations, Recent Advances, Challenges and Future Research Directions
CEC-06 Differential Evolution with Ensembles and Topologies
CEC-07 Niching Methods for Multimodal Optimization
CEC-08 Theory of Evolutionary Algorithms
点击阅读原文,填写【新智元100】报名表。
友情链接