主办：人工智能与机器人系列讲座
报告人：胡包钢 博士，中国科学院自动化研究所（NLPR）研究员
时间：11月30日 周五 下午14:30-16:00
地点：北京大学澳门十大赌厅网力学楼434室
主持人：段志生 教授
摘要：
机器学习的数学本质是函数空间的学习，其中包括约束空间的学习。约束空间，通常是以数据或先验信息以隐式或显式方式给定。本讲座是以目前数据驱动的黑箱建模方式为讨论背景。我们认为未来的类人型通用智能建模方法必然是大知识与大数据共同驱动的工作原理。而实现该工作原理的最重要途径之一是“广义约束（Generalized Constraint）”。在介绍了该术语发展历史后，我们在给出了“广义约束”的新定义后，使之与“传统约束”的定义与实际应用情况进行了对比。我们以“广义约束”神经元网络为模型方法，介绍了若干具体实例应用。讲座特别强调“广义约束”可能带来的新研究空间。
报告人简介：
胡包钢，1993年获得加拿大McMaster大学机械系哲学博士学位。1997年回国后，先后为中法联合实验室（LIAMA）中方主任、中国科学院自动化研究所（NLPR）模式识别国家重点实验研究员、中国科学院北京研究生院（Beijing Graduate School-CAS）博士生导师、中国科技大学自动化系兼职教授、IEEE高级会员。目前，研究重点为机器学习与植物生长建模。
欢迎广大师生光临！
