首先，西安電子科技大學焦李成教授針對基于稀疏認知表示與深度學習的影像解譯做了學術報告。焦教授詳述了影像數據呈現得“三高”特點（高時間分辨率、空間分辨率和光譜分辨率），以及傳統的短板；分析了人腦信息處理的顯著注意、層次化感知和稀疏感知等機制給高分辨影像處理帶來了的新機遇；最后，焦教授介紹了實驗室在該方面的研究成果，展示了該領域的最新進展。
.jpg)
西安交通大學龔怡宏教授針對基于最小-最大特征的半監督深度學習進行了研究。報告闡述了深度學習在機器學習中的應用，并針對深度學習在半監督學習中的現狀，探討了如何構造深度學習的代價函數，提出了基于最小-最大特征的半監督深度學習方法。
.jpg)
清華大學李力副教授回顧了人工智能70年發展中圖靈和維納對于如何實現人工智能的不同看法，簡述了沿著維納的想法前進過程中，業界最近10年的一些新成果，并討論了實現人工智能的未來發展方向。
.jpg)
西北工業大學韓軍偉教授針對腦神經媒體組學進行了報告。“腦神經媒體組學”是一個新的研究方向，利用機器學習理論為手段，實現大腦反應信息對多媒體視聽覺特征的指導、優化和融合，達到計算機對于多媒體內容實現接近人腦認知的目的。報告闡述了匯報“腦神經媒體組學”研究中的一些關鍵技術及最新進展。
.jpg)
華中科技大學曾志剛教授作了“基于憶阻的神經形態計算初步研究”的報告。曾教授介紹了憶阻的概念、相關技術。此外報告討論了課題組在基于憶阻的神經形態計算的聯想記憶和算法方向的研究進展，并對基于神經形態計算的全自主控制研究進行了深入探討。
.jpg)
清華大學孫富春教授以人工智能的幾個問題為題，分析了以深度學習為代表人工智能的成功與不足，給出了硅片人工智能發展的四元結構理論，給出了從硅云計算、網絡計算，再到生物計算的人工智能發展圖譜。在此基礎上，重點介紹了后深度學習時代的生物多感覺通道啟發/免疫系統啟發的跨模態學習、機器人學習、小樣本學習、模仿學習和可解釋學習等最新研究進展。最后，介紹了人工智能面臨的挑戰和展望。
.jpg)
西安電子科技大學高新波教授以“混合增強智能中的大數據與小數據分析”為題進行了報告。目前，機器智能需要大數據和人類智慧需要小數據之間形成了鮮明的對比。報告從大小數據的優缺點以及人類智慧與機器智能的區別出發，以新一代人工智能發展規劃部署的五大方向之一——混合增強智能為例，嘗試解決人機交互中的大數據向小數據的轉化及分析問題，思考了在人工智能系統的設計中大數據與小數據的辯證關系。
.jpg)
東南大學梁金玲教授針對“二維系統在有限時域下的魯棒卡爾曼濾波”進行了報告。報告針對一類含加性和乘性的2維不確定系統中的魯棒卡爾曼濾波問題進行了研究，并探討了相關魯棒卡爾曼濾波器的設計。
.jpg)
最后，來自若干高校的相關研究人員報告了其他最新研究成果。
學會秘書處 供稿
