报告（一）

报告题目：演化--通向智能之路

报告人：唐珂 博士，南方科技大学计算机科学与工程系教授

邀请人：周爱民

报告时间：2018年1月22日（周一）13:00-13:50

报告地点：中北校区理科大楼B1002报告厅

报告人简介：

      唐珂，南方科技大学计算机科学与工程系教授。主要研究方向为演化计算、机器学习及其应用。在IEEE TEVC、TNNLS、TCyb、TKDE、TGRS等期刊和NIPS、IJCAI、AAAI等会议发表论文100余篇，被引用5000余次（Google Scholar），曾获教育部新世纪优秀人才、教育部自然科学二等奖、中国电子学会自然科学一等奖、教育部自然科学一等奖、英国皇家学会牛顿高级学者、IEEE计算智能学会杰出青年奖（Outstanding Early Career Award）。担任IEEE Transactions on Evolutionary Computation等期刊编委。

报告摘要：

      早在图灵的时代，演化就已被认为是实现智能的重要手段之一。本报告将以智能设计、软件工程、智能制造等领域为例，介绍演化智能的基本原理和最新进展。

报告（二）

报告题目：非梯度优化在强化学习中的应用

报告人：俞扬 博士，南京大学副教授

邀请人：周爱民

报告时间：2018年1月22日（周一）13:50-14:40

报告地点：中北校区理科大楼B1002报告厅

报告人简介：

      俞扬，博士，南京大学副教授。主要研究领域为机器学习、强化学习、演化计算。分别于2004年和2011年获得南京大学计算机科学与技术系学士学位和博士学位，获2013年全国优秀博士学位论文奖、2011年中国计算机学会优秀博士学位论文奖。2011年8月加入南京大学计算机科学与技术系、机器学习与数据挖掘研究所（LAMDA）从事教学与科研工作。发表论文40余篇，包括多篇Artificial Intelligence、IJCAI、AAAI、NIPS等，研究成果获得5项国际论文和竞赛奖。

报告摘要：

      强化学习通过自主与环境交互，学习适应环境的最佳策略，已经显示出巨大的应用潜力。然而目前强化学习方法通常样本利用率低，依赖大量环境交互数据，获得最佳策略所需开销极大，阻碍了其在许多真实环境中的应用，其中一个原因在于梯度优化的工具的限制。本次报告将汇报我们基于非梯度优化方法提高强化学习效率方便的一些研究进展。