计算智能指以数据为基础、通过计算机模拟人或其它生物的智能行为对问题进行求解的理论和方法。人工神经网络、模糊系统、进化计算是计算智能的重要组成部分。如今，以人工神经网络为代表的“人工智能”正在学术界和工业界掀起一股研究热潮，并在自然语言处理、语音识别、计算机视觉等领域取得了一系列非常成功的应用成果。随着人工智能技术的迅速发展，智能控制也将迎来一个发展的新时期，有望在制造系统、生产过程、电力系统等诸多方面取得更多进展。因此，为促成计算智能与智能控制相关方向学者的深度合作，实现计算智能和控制理论的有机融合，伍冬睿教授和黄剑教授特邀国内外计算智能与智能控制领域知名专家，一同探讨计算智能与智能控制新理论和新技术。

为期一天的会议邀请了八位知名学者担任主讲嘉宾，分别是：南方科技大学Hisao Ishibuchi教授(IEEE Computational Intelligence Magazine主编)，香港城市大学Kay Chen Tan教授（IEEE Transactions on Evolutionary Computation主编），香港科技大学丘立教授，剑桥大学助理研究员、卢森堡大学教授Jorge Goncalves，英国诺丁汉大学Jon Garibaldi教授（IEEE Transactions on Fuzzy Systems主编），华中科技大学黄剑教授，华中科技大学袁烨教授，华中科技大学伍冬睿教授。八场报告深入浅出，高屋建瓴，既有进化计算、复杂系统、模糊系统等方向的前沿理论与方法，更有智能机器人、智慧医疗等领域的实际应用，给参加会议的师生和学者奉献上了一场精彩绝伦的学术盛宴。

南方科技大学Hisao Ishibuchi教授作了题为“Evolutionary Many-Objective Optimization”的报告。报告首先介绍了多目标进化优化近年来的研究热潮及成果，然后解释了多目标进化优化中的“multi-objective”和“many-objective”的问题，以及“many-objective”问题优化的难点。最后，Hisao Ishibuchi教授指出了一些未来的研究方向。

香港城市大学Kay Chen Tan教授作了题为“Advances in Computational Intelligence for Identification of Autism Spectrum Disorder”的报告。报告针对自闭症谱系障碍(ASD)提出了一个基于时空图的分类模型，该模型根据图的k近邻特征选择方法来选择ASD中的显著连接。该模型不仅在精度方面优于其他现有方法，而且还从ASD患者大脑数据中发现了一些特定的模式。

香港科技大学丘立教授作了题为“A Phase Theory of Complex Systems”的报告，就复杂系统的相位理论展开了讨论。丘立教授介绍了其团队最近在复杂方阵的相位定义和关键性质发掘上取得的突破性成果，还讨论了一些未来研究设想。

卢森堡大学Jorge Goncalves教授作了题为“Network Inference: from Theory to Applications in Biology”的报告，从理论和应用的角度介绍了动态生物网络识别的最新进展，以及如何使用控制系统工具来加强对生物网络的理解。最后，Jon Garibaldi教授讨论了生物学中的一些理论挑战，以及从理论到应用要克服的困难。

诺丁汉大学Jon Garibaldi教授作了题为“Modelling Expert Variation in Human Decision Making”的报告，报告介绍了I-型模糊系统和II-型模糊系统的概念和方法，以及怎样使用模糊技术来模拟人的推理决策。Jorge Goncalves结合妇女分娩过程、肿瘤分类等实例讨论了如何使用模糊系统对人类决策者所表现出的可变性进行建模，以及如何使用模型进行决策。

黄剑教授作了题为“Study of Walking-Aid Robot for People with Lower Extremity Dysfunction”的报告，介绍了团队在助行机器人上的进展。黄剑教授针对识别用户行走意图的问题展开了讨论，介绍了一种新的导纳运动控制方案，可以及时检测到异常或紧急步行状态，使用户感觉更加自然和舒适。

袁烨教授作了题为“Data-driven Discovery of Cyber-Physical Systems”的报告，介绍了一种基于人工智能的信息物理系统建模构架，利用数据驱动发现信息物理系统中的物理规律及切换逻辑，并指出该方法能直接应用于风机实验平台、智能车、电网、混杂系统等场景。

伍冬睿教授作了题为“New Optimization Techniques for TSK Fuzzy Systems”的报告。报告首先介绍了模糊系统，以及模糊系统与机器学习模型中的一些等价概念；然后解释了如何使用机器学习中的mini-batch、batch normalization、dropout等优化方法来训练模糊系统，以加快模糊系统的训练速度和泛化能力。最后，伍冬睿教授展示使用这些方法在分类和回归问题中都取得了良好的效果。

最后，伍冬睿教授对本次研讨会进行了总结，对主讲嘉宾的精彩讲座、学校学院的大力支持、以及前来参加研讨会的众多师生表示了由衷的感谢。在本次研讨会上，计算智能与智能控制交相辉映、深入交融，参会专家和师生积极讨论，迸发出科学创新的火花。为我国计算智能与智能控制学者的深入交流和协作创新搭建了良好的平台，将为计算智能与智能控制领域研究的发展起到有益的推动作用。