【分享】类人计算:IJAC 10月专题特约(6篇专稿干货)

2017 年 10 月 10 日 中国科学院自动化研究所

类人计算是指受人脑智能及生物过程启发的智能计算模型。类人计算不仅继承和发展了人工智能,同时也提供了一个全新的角度来帮助理解和掌握智能的本质。随着认知科学的不断进步,现在我们有能力挖掘更多人类大脑中有价值的深层信息,探索在我们的大脑中究竟发生了什么。在这些大脑认知新成果的助力下,科学家们提出了许多类人计算的新理论和新算法,并广泛应用于诸如人工智能、机器学习和数据挖掘等领域。当前,类人计算已经成为一股推动科学技术进步的重要力量。


图片来自网络


IJAC2017第5期专题探讨类人计算带来的机遇和挑战,确定关键性任务,评价当前科研水平,展示创新性方法及思考,介绍真实系统或应用,讨论未来发展方向。智能计算在公共安全、娱乐、健康等领域发挥着重要作用。本期约请了智能计算各重要领域的知名专家学者为IJAC撰稿,共同研究类人计算与深度学习技术的协同与创新。

专题客座编辑:

乔红(中科院自动化研究所研究员、IJAC编委)

Hong Zhang (加拿大阿尔伯塔大学教授)

Florian Rohrbein  (Human Brain Project神经机器人项目主管)

特约撰稿人:

1. Tomaso Poggio(MIT教授)

2. 黄铁军(北京大学教授)

3. Danko Nikolic (德国马普所)

4. Jean Paul Laumond(LAAS-CNRS主任)

5. 乔红(中科院自动化研究所)

6. 唐华锦(四川大学教授)


第一篇约稿Why and when can deep-but not shallow-networks avoid the curse of dimensionality: a review来自麻省理工Tomaso Poggio教授团队,文章综述并拓展了深度学习理论中一个新兴分支的研究成果。通过将浅层(单隐层)网络与深层卷积网络进行对比,作者找出了深层网络显著优于浅层学习的不同情况。结论认为:理论上,深层网络可帮助复合函数跳出维度诅咒,如局部层级(locality of hierarchy)和复合输入输出映射(compositional input-output mapping)。

图片来自SpringerLink

全文链接:

1)SpringerLink:

https://link.springer.com/article/10.1007/s11633-017-1054-2

2)IJAC官网:

http://www.ijac.net/EN/abstract/abstract1956.shtml

往期精彩:

【IJAC热文】MIT Tomaso Poggio教授探讨深度学习机理


第二篇约稿Imitating the brain with neurocomputer--- a “new” way towrds artificial intelligence来自北京大学黄铁军教授。文章提出了一种可实现通用人工智能的实用方法:基于仿拟的哲学思维,该研究模仿了大脑的连接结构,以此构建神经计算机。黄教授提供了丰富的证据来论证“功能来自结构”的哲学。通过梳理人工智能的发展历史,总结神经计算机的地位和发展趋势,黄教授在最后探讨了一个关键问题:为何神经计算机可以让通用人工智能成为现实。

图片来自SpringerLink

全文链接:

1)SpringerLink:

https://link.springer.com/article/10.1007/s11633-017-1082-y

2)IJAC官网:

http://www.ijac.net/EN/abstract/abstract1892.shtml

往期精彩:

【IJAC热文】北京大学黄铁军:走向通用人工智能,到底是先“理解智能”还是先“制造智能”?


第三篇约稿Why deep neural nets cannot ever match biological intelligence and what to do about it?来自德国马普所Danko Nikolic博士。基于Proctopoiesis理论,文章对比了生物智能与人工智能在适应能力上的差异。通过计算真实生命、人主体和人工主体的多样性,作者分析了当前人工智能无法媲美生物智能的原因,并提出了一些改进建议。

图片来自SpringerLink

全文链接:

1)SpringerLink:

https://link.springer.com/article/10.1007/s11633-017-1093-8

2)IJAC官网:

http://www.ijac.net/EN/abstract/abstract1958.shtml

往期精彩:

【IJAC推文】德国马普所:深层神经网络为何无法媲美生物智能?如何突破瓶颈?


第四篇约稿On the centre of mass motion in human walking来自LAAS-CNRS主任Jean-Paul Laumond团队。文章构建了一种测量质心(CoM)运动的新模型。基于人类行走可观察性的分析,作者提出质心运动轨迹在矢状面遵循短幅摆线(curtate cycloid),并基于此建立了短幅摆线模型用以描述这一模式。与现有方法相比,本文构建的模型免分段、精度高、参数少。此外,将来该模型或可成功替代现有的类人机器人控制方法。

图片来自SpringerLink

全文链接:

1)SpringerLink:

https://link.springer.com/article/10.1007/s11633-017-1088-5

2)IJAC官网:

http://www.ijac.net/EN/abstract/abstract1959.shtml

往期精彩:

【IJAC热文】法国院士J. P. Laumond:类人机器人中生物行走机理的最新发现


第五篇约稿Flexible robotic grasping strategy with constrained region in environment来自中科院自动化所乔红研究员团队。文章研究了机器灵巧手的类人抓取策略。受人类抓取操作的启发,作者提出了一个全新的概念:constrained region in environment(环境约束区),并构建了仿生共同感知框架(bio-inspired co-sensing framework)。基于环境约束区概念,在配备低精度传感器的情况下,机器人也能顺利完成抓取,这一抓取策略的有效性已经通过实验在Barrett Hand上得到证实。

图片来自SpringerLink

全文链接:

1)SpringerLink:

https://link.springer.com/article/10.1007/s11633-017-1096-5

2)IJAC官网:

http://www.ijac.net/EN/abstract/abstract1957.shtml

往期精彩:

【IJAC推文】国家重点实验室乔红团队:CRIE框架下机器人的灵活抓取策略


第六篇约稿A brain-inspired SLAM system based on ORB features来自四川大学唐华锦教授团队。文章描述了仿脑即时定位与地图构建系统(simultaneously localization and mapping system,),简称RatSLAM。不同于现有的RatSLAM,该系统仅使用一个简单向量代表视觉图像特征。此外,文章采用了一种高效快速的描述方法(简称ORB),该方法可从RGB图像中提取特征。在RatSLAM系统中,其有效性和鲁棒性也得到了证实。

图片来自SpringerLink

全文链接:

1)SpringerLink:

https://link.springer.com/article/10.1007/s11633-017-1090-y

2)IJAC官网:

http://www.ijac.net/EN/abstract/abstract1912.shtml

往期精彩:

【唐华锦教授团队-开放获取】基于ORB特征的仿脑SLAM系统


上文作者:

乔红 中国科学院自动化研究所

Hong Zhang 加拿大阿尔伯塔大学

Florian Rohrbein  Human Brain Project神经机器人项目主管

原文链接:

1)SpringerLink:

https://link.springer.com/article/10.1007/s11633-017-1097-4

2)IJAC官网:

http://www.ijac.net/EN/abstract/abstract1967.shtml

上文编译自 乔红研究员为本专题所撰评论 若内容或翻译有失偏颇,欢迎后台留言指正,点击文末“ 阅读原文 ”即可进入“ 本期目录 ”。

除上述特约专题文章外,本期还发表了5篇Research Articles,详细目录如下:


1. A Novel Design of an Aquatic Walking Robot Having Webbed Feet

Full Text:

① SpringerLink:

https://link.springer.com/article/10.1007/s11633-017-1075-x

② IJAC Website:

http://www.ijac.net/EN/abstract/abstract1884.shtml


2. High Order Stable Infinite Impulse Response Filter Design Using Cuckoo Search Algorithm

Full Text:

① SpringerLink:

https://link.springer.com/article/10.1007/s11633-017-1091-x

② IJAC Website:

http://www.ijac.net/EN/abstract/abstract1953.shtml


3. Evaluation Method of the Gait Motion Based on Self-organizing Map Using the Gravity Center Fluctuation on the Sole

Full Text:

① SpringerLink:

https://link.springer.com/article/10.1007/s11633-016-1045-8

② IJAC Website:

http://www.ijac.net/EN/abstract/abstract1872.shtml


4. Stability Analysis and Anti-windup Design of Switched Systems with Actuator Saturation

Full Text:

① SpringerLink:

https://link.springer.com/article/10.1007/s11633-015-0920-z

② IJAC Website:

http://www.ijac.net/EN/abstract/abstract1720.shtml


5. A Direct Parametric Approach to Spacecraft Attitude Tracking Control

Full Text:

① SpringerLink:

https://link.springer.com/article/10.1007/s11633-017-1089-4

② IJAC Website:

http://www.ijac.net/EN/abstract/abstract1954.shtml


更多精彩内容,欢迎关注


1) IJAC官方网站:

http://link.springer.com/journal/11633

http://www.ijac.net

2) Linkedin: Int. J. of Automation and Computing

3) 新浪微博: IJAC-国际自动化与计算杂志

4) Twitter: IJAC_Journal

5) Facebook: ijac journal

本文编辑:欧梨成

点击“阅读原文",进入第5期目录



登录查看更多
0

相关内容

Tomaso A. Poggio是麻省理工学院大脑与认知科学系的Eugene McDermott教授,也是麻省理工学院新成立的NSF大脑、心智和机器中心的主任,麻省理工学院和哈佛大学是该中心的主要成员机构。他是计算机科学和人工智能实验室以及麦戈文大脑研究所的成员。他是神经科学研究项目的荣誉成员,美国艺术与科学学院的成员,AAAI的创始成员和麦戈文大脑研究所的创始成员。他获得了2003年的Gabor奖、2009年的Okawa奖、美国科学促进会奖学金,以及2014年的斯沃茨理论与计算神经科学奖。他是被引用最多的计算机科学家之一,其贡献从视觉系统的生物物理和行为研究到人类和机器的视觉和学习的计算机分析。利用W. Reichardt,他定量地描述了苍蝇的视觉运动控制系统。引入了计算神经科学中分析层次的重要思想。他引入正则化作为数学框架来解决视觉不适定问题和从数据中学习的关键问题。他的研究一直是跨学科的,介于大脑和计算机之间。它现在专注于学习理论的数学,学习技术在计算机视觉中的应用,特别是视觉皮层的计算神经科学。个人主页:http://poggio-lab.mit.edu/people/tomaso-poggio
【新书】图神经网络导论,清华大学刘知远老师著作
专知会员服务
359+阅读 · 2020年6月12日
NSR专题 | 量子计算(特邀编辑:郭光灿、应明生)
知社学术圈
3+阅读 · 2019年3月9日
SFFAI 17 报名通知 | 类脑计算介绍及最新进展
人工智能前沿讲习班
10+阅读 · 2019年1月7日
2018年中科院JCR分区发布!
材料科学与工程
3+阅读 · 2018年12月11日
NSR专题|机器学习(特邀编辑:周志华)
知社学术圈
7+阅读 · 2018年3月2日
Seeing What a GAN Cannot Generate
Arxiv
7+阅读 · 2019年10月24日
Scale-Aware Trident Networks for Object Detection
Arxiv
4+阅读 · 2019年1月7日
Arxiv
10+阅读 · 2018年3月22日
Arxiv
3+阅读 · 2017年12月14日
Arxiv
5+阅读 · 2016年10月24日
VIP会员
相关VIP内容
【新书】图神经网络导论,清华大学刘知远老师著作
专知会员服务
359+阅读 · 2020年6月12日
Top
微信扫码咨询专知VIP会员