2023中国自动化大会（CAC2023）将于11月17日—19日在重庆悦来国际会议中心召开。本届大会由中国自动化学会主办，重庆邮电大学承办，大会以“自主可控强实体 新质生产创未来”为主题，聚焦自动化发展，拥抱智能新时代，共话产业新未来。大会将继续为全球自动化、信息与智能科学领域的专家学者和产业界的同仁，搭建展示创新成果、展望未来发展的高端学术平台，加强学科交叉融合，共促发展新机遇，引领科技新风向。
本届大会设置共计近40个专题论坛，“脑机交互与脑机智能”论坛集结完毕，将于2023年11月19日召开！敬请期待！
脑机交互与脑机智能
脑-机接口技术作为连接人类大脑与计算机或其他电子设备的桥梁，受到国内外科研人员的高度关注和深入研究。以大脑、神经系统为具体研究对象，通过交叉融合，实现从感知、认知到决策的全方位、深层次研究。
本次论坛将汇聚国内相关领域专家学者，共同探讨脑-机接口技术在医疗康复、机器人控制、脑纹识别、视觉编解码等领域的基础研究、最新进展及未来可能的发展趋势，携手推进新时期脑机交互与脑机智能的创新性发展。
专题主席
陈霸东
西安交通大学教授
唐贤伦
重庆邮电大学教授
专题报告
韩军伟
西北工业大学教授
报告题目：
自然范式神经编解码技术及应用
报告摘要：
人脑是图像/视频内容的最终判定者，随着脑科学技术的飞速发展，可以利用非侵入的磁共振功能成像手段获取大脑在观看多媒体时的反应，这种反应包含大脑的语义层理解信息。本报告将介绍自然刺激下神经编解码技术及应用，初步探索大脑理解多媒体的工作机制。
报告人简介：
韩军伟，教授，博士生导师，西北工业大学自动化学院院长，IEEE Fellow，主要研究方向是人工智能、模式识别、类脑计算、遥感影像解译等。在领域顶级期刊/会议如：Proceedings of the IEEE，IEEE TPAMI，CVPR等发表学术论文150余篇，论文被引用近3万次，H指数88。
金晶
华东理工大学教授
报告题目：
脑机接口范式设计、算法优化及应用研究
报告摘要：
脑-机接口可有效帮助行为语言障碍病人重获信息交互和运动控制能力，可有效促进运动、意识障碍病人的神经功能重塑。本次报告将介绍包括视觉、听觉和触觉诱发脑机接口和运动想象脑机接口的范式设计，识别算法优化和康复、辅助应用等；面向智能假肢/机器人和康复医学领域，研究提高残疾人的生活质量和自主性的新型生活辅助技术，并开发康复性神经反馈训练系统，帮助康复患者恢复运动能力和生活自理能力。
报告人简介：
金晶，华东理工大学教授、博士生导师，担任数学学院副院长、智能计算中心主任，上海市东方学者特聘教授，上海市曙光学者，上海市院士（专家）工作站首席专家，入选中国高被引学者榜；担任国际 BCI-award 奖励基金会理事，国际脑机接口学会青年科学家奖评审委员会委员，中国生物医学工程学会医学神经工程分会副主任委员。主要研究方向为脑机接口技术、脑信号处理与识别和智能康复机器人等。
陈勋
中国科学技术大学教授
报告题目：
神经信号处理与分析
报告摘要：
神经信号蕴含丰富人体健康信息，其处理与分析在主动预防、智能诊断、精准治疗、科学康复等健康保障全过程中发挥着重要作用。然而，神经信号具有量级微弱、随机性强、模态多样等特性，从而造成了混叠严重、重复性差、多源异质等挑战。报告将从多重集和多模态两个角度，介绍基于联合盲源分离和深度特征表示的神经生理信号分解、关联、融合方法及其相关应用，探讨如何有效分离复杂干扰信息、解析潜在共性信息、挖掘异质互补信息，以达到克服干扰、求同存异、融合互补的效果。
报告人简介：
陈勋，中国科学技术大学信息科学技术学院教授、博士生导师，副院长。研究方向为医学人工智能和自然人机交互。IEEE Senior Member，中国生物医学工程学会理事、青年工作委员会副主委，中国人工智能学会脑机融合专委会副主委，担任IEEE TIM/SPL/OJSP等国际期刊编委。
俞祝良
华南理工大学教授
报告题目：
稀疏贝叶斯学习在端到端脑电图解码中的应用
报告摘要：
脑电图(EEG)中解码脑活动对于脑机接口(bci)和脑疾病的研究至关重要。值得注意的是，由于深度学习研究的显著进展，端到端脑电图解码近年来得到了广泛的普及。然而，许多脑电图研究受到样本量的限制，使得现有的深度学习模型难以有效地泛化到高噪声的脑电图数据。重要的是，这个SBL框架还使我们能够学习以贝叶斯方式对模型进行最佳惩罚的超参数。提出的解码算法与几种现有算法进行比较，包括端到端基于深度学习的脑电解码算法。结果表明，我们的算法显著优于竞争算法，同时产生神经生理学上有意义的时空模式。因此，我们的算法通过提供一种新颖的脑电图定制机器学习工具来解码大脑活动，从而推进了最先进的技术。
报告人简介：
俞祝良，博士，教授，博士生导师，华南理工大学吴贤铭智能工程学院执行院长，超级机器人研究院（黄埔）法人、执行院长，现主要从事信号处理、机器学习、大数据处理及在脑信号处理、智能机器人、医学数据处理中的应用研究工作。
王小平
华中科技大学教授
报告题目：
基于忆阻的类人情感生成与演化电路
报告摘要：
近年来，受大脑工作机制启发建立具有人类水平的类脑智能逐渐成为人工智能领域研究的热点，而类人情感是类脑智能的一个重要研究方向。借鉴大脑的信息处理方式，建立存算一体的神经网络以实现具有学习、记忆及产生情感等能力的类脑智能是必要的。本报告介绍了利用忆阻器这种具有记忆功能的存算一体器件，从生物机制和信息处理两个角度建立多模态类人情感生成模型，研究长短时记忆下的情感网络随时间演化过程，实现自调节的情感演化。利用多模态多维度信息动态映射机制，设计多信息融合的“自调节-外刺激”的情感学习算法，研究面向复杂环境的动态情感更新、自动调整、渐进演化，实现高精度、高可靠性、快速收敛的控制效果，提高情感网络自适应能力。本报告内容为实现情感机器人的类脑情感学习、生成和演化系统等相关功能进行初步的探索。
报告人简介：
王小平，华中科技大学人工智能与自动化学院教授、博士生导师，IEEE Senior member。1993-2000年在重庆大学自动化学院攻读本科和硕士学位，2000-2003年在华中科技大学系统工程攻读博士学位。2000年加入华中科技大学。主要研究方向为类脑智能、情感计算、忆阻器电路设计及其应用等。
何晖光
中国科学院自动化所研究员
报告题目：
基于脑-机接口的视觉修复及重建
报告摘要：
正常的视觉功能需要不同的脑区之间的网络协作同步完成，一旦视网膜或视神经受损，这些网络就会发生紊乱。已有研究表明通过非侵入式电刺激方式可以改善视觉功能，但是其对脑网络活动影响机理尚不清楚，预后效果难以预测。本研究将针对青光眼患者，从脑网络同步性的角度，进一步理解交流电刺激是如何通过调控网络进行视觉修复的。另一方面我们将介绍课题组在视觉神经信息编解码方面的工作。视觉信息编解码是通过计算方法建立从视觉系统与外界视觉刺激信息之间的映射模型，探索大脑视觉信息处理的过程和机理，其研究不仅有助于探索视觉的加工机制，而且可促进类脑视觉、脑机接口的研究。相关工作发表在IEEE TPAMI/TNNLS等，并被MIT Technology Review头条报道。
报告人简介：
何晖光，中国科学院自动化所研究员，博士生导师，中科院特聘核心岗位研究员，中国科学院大学岗位教授，上海科技大学特聘教授。其研究领域为人工智能，脑-机接口、医学影像分析等。
孔万增
杭州电子科技大学****教授
报告题目：
跨任务、跨时段脑纹识别研究
报告摘要：
脑纹识别具有高隐蔽性、不可窃取性、不可仿制性以及必须活体等方面的独特优势，在机密性和安全性要求较高领域具有巨大的应用前景。目前脑纹识别方法通常需要外部刺激或者需要被试配合执行特定思维任务，阻碍了其在现实中的应用与推广。报告从跨任务和跨时段两大方面阐述了脑电身份识别研究：1）提出了任务无关的脑纹识别研究，包括脑电信号的相位同步构建脑网络进行个体表征与识别；以及利用矩阵低秩稀疏分解思想，把脑电信号分解成低秩的固有背景信号和稀疏的任务意识信号两个部分，通过脑电的固有背景信号进行身份识别；2）提出了跨时段脑纹识别研究，针对跨时段脑电信号的数据分布不一致问题，通过解耦表征、多源域自适应等方法实现了跨时段脑纹识别现实应用需求。同时报告对脑纹识别应用的普适性以及脑电采集设备的去中心化等研究问题进行了展望。
报告人简介：
孔万增，教授，博士生导师，杭州电子科技大学计算机学院党委书记。脑机协同智能技术（科技部）国际联合研究中心常务副主任，浙江省脑机协同智能重点实验室主任，任国际SCI期刊CODY 副主编和JNM 编委。主要研究领域：脑机智能系统及应用。
唐贤伦
重庆邮电大学教授
报告题目：
基于生物电信号的运动意图解码、交互与控制
报告摘要：
基于生物电信号的人机接口是一种新型人机交互技术，本报告将对目前主要采用的生物电信号—脑电信号、表面肌电信号、眼动信号用于智能家居系统和助老助残机器人控制进行介绍和分析。由于脑电信号具有低信噪比、非线性、非平稳等特点，阐述如何对高噪声脑电进行重构与降噪，根据电极空间分布特征构造脑电信号的图数据表示，并基于区域卷积网络、多尺度混合网络等进行特征提取和控制意图识别，设计和开发了基于脑机接口的智能家居系统，基于脑电和肌电信号的智能假手/轮椅控制系统，以及基于眼动信号的智能车控制系统。
报告人简介：
唐贤伦，教授，博导，复杂系统与仿生控制重庆市重点实验室主任，重庆市学术技术带头人，重庆市研究生联合培养基地负责人，IEEE Senior Member。主要研究方向为模式识别与智能系统、混合脑机接口与机器人控制。
徐鹏
电子科技大学教授
报告题目：
面向智能交互的个体行为解码技术
报告摘要：
智能人机交互以及临床诊断等方面需要对个体的行为进行可靠的预测，本报告从大脑在高级认知过程信息加工中体现出的网络特性出发，介绍如何从低信噪比脑电信号中可靠的构建不同层面的网络，并发展相应的方法，从网络中挖掘出相关辨识信息，对包括运动想象、情绪、以及决策等多种个体行为进行可靠预测，并把相关网络指标作为临床疾病的诊断以及神经反馈康复的生物标记。
报告人简介：
徐鹏，教授，博导，中国生物医学工程医学神经工程分会副主任委员、四川省认知科学学会人工智能分会主任委员、四川省生物医学工程学会副理事长。致力于脑电信号处理、脑机交互和类脑智能相关研究长达20余年。
陈霸东
西安交通****大学教授
报告题目：
基于信息论学习的脑机接口与类脑计算
报告摘要：
信息论在机器学习领域获得广泛应用并引起越来越多学者的关注。研究者针对不同的机器学习问题提出了各种信息论学习方法，如监督学习中的最小误差熵（Minimum Error Entropy）准则和表示学习中的信息瓶颈（Information Bottleneck）原则。本报告介绍信息论学习（Information Theoretic Learning）的基本原理和范式，阐述新的学习准则与方法，并探讨信息论学习在脑机接口与类脑计算中的应用。
报告人简介：
陈霸东 ，西安交通大学人工智能与机器人研究所教授，博士生导师。2008年毕业于清华大学计算机科学与技术专业获博士学位。研究领域包含机器学习、人工智能、脑机接口、机器人。担任中国认知科学学会理事、IEEE汇刊TNNLS/TCDS/TCSVT编委。
扫码下载APP
科普中国APP
科普中国
科普中国
京公网安备11010202008423号