报告题目：Neurodynamic optimization -- past, present and future

报告人：王钧，香港城市大学，计算机科学系和数据科学学院

报告时间：2022年11月17日19:00-21:00

报告地点：腾讯会议 ID：570 563 140

内容简介：

优化问题出现在各种各样的科学和工程应用中。当优化程序必须实时执行以优化动态系统的性能时，它在计算上具有挑战性。对于这种应用，由于问题的维度和对计算时间的严格要求，经典的优化技术可能无法胜任。一种有吸引力的方法是基于递归神经网络的神经动力学优化。由于神经网络中并行和分布式信息处理的固有性质，求解过程的收敛率不会随着问题大小的增加而降低。神经网络可以在指定的硬件（如 ASIC）中进行物理实现，其中优化是以真正的并行和分布式方式进行的。这一特点对于分散决策情况下的动态优化来说是特别理想的。在本讲座中，我们将介绍神经动力优化模型的历史回顾和技术现状以及选定的应用。具体来说，从神经动力优化的动机出发，我们将回顾各种用于优化的递归神经网络模型。关于神经动力优化模型的稳定性和优化性的理论结果将与说明性的例子和仿真结果一起给出。它将表明，科学和工程中的许多计算问题都可以通过神经动力优化的方式轻易解决。此外，还将讨论未来的研究方向。

报告人简介：

王钧，香港城市大学计算机科学系和数据科学学院计算智能的讲座教授。在此之前，他曾在大连理工大学、凯斯西储 大学、北达科他大学和香港中文大学担任过多个学术职位。他还曾在美国空军阿姆斯特朗实验室、N RIKEN 脑科学研究所、大连理工大学、华中科技大学和上海交通大学担任过各种短期访问职位。约 他目前的研究兴趣包括神经网络及其应用。他在这些领域发表了约 280篇期刊论文、515本图书章节、111本编辑书籍和众多会议论文。他曾任 IEEE Transactions on Cybernetics 主编 ，以及 IEEE Transactions on Neural Networks( T-NN )和 和 IEEE Transactions on Systems, Man, and Cybernetics ：C 的副主编 ，还曾任 International Journal of Neural Systems 顾问编委 、Neural Networks 编委以及Neurocomputing 等多个期刊的特刊客座编辑 。 他是多个国际会议的组织者 ，如International Conference on Neural Information Processing 和 IEEE World Congress on Computational Intelligence 的总主席 、 Asia Pacific Neural Network Assembly（APNNA ）主席以及IEEE International Conference on Systems, Man, and Cybernetics 的程序主席 。同时还曾任 IEEE Fellow Committee 、 IEEE CIS Awards Committee 等多个专业组织的主席 。他是 IEEE Life Fellow、IAPR Fellow、 欧洲科学院外籍院士。他是 IEEE Computational Intelligence Society (CIS) 的杰出讲师。他曾获 IEEE T-NN 杰出论文奖、APNNA 杰出成就奖、上海市政府和中国教育部颁发的自然科学奖 、 IEEE CIS 神经网络先驱奖。