个人简介：北京大学博雅特聘教授、智能学院副院长、IEEE Fellow、中国计算机学会会士和中国图像图形学学会会士。研究领域为计算机图形学、三维视觉与可视化，在ACM SIGGRAPH、IEEE VIS、ACM TOG等国际会议和刊物发表论文200余篇。曾担任973项目“城市大数据计算理论与方法”首席科学家。担任爱思唯尔Computer & Graphics期刊编辑指导委员会成员；曾任ACM Transactions on Graphics (TOG)和IEEE Transactions on Visualization and Graphics (TVCG)编委，并多次担任计算机图形与可视化领域几乎所有重要国际会议的PC成员；曾任 SIGGRAPH ASIA和IEEE VIS指导委员会委员，SIGGRAPH ASIA 2014和IEEE Visualization 2005会议主席及IEEE Visualization 2004程序委员会主席。获2003年美国NSF CAREER Award、2005年IEEE可视化国际会议最佳论文奖、2014年中国计算机图形学杰出奖，入选2008年中科院百人计划、2010年国家杰出青年科学基金资助、2015年长江学者特聘计划、2016年领军人才、2019年IEEE Fellow和2021年IEEE Visualization Academy。曾任中国计算机学会（CCF）常务理事和青工委主任，第七届教育部科技委信息学部委员，兼任北京电影学院未来影像高精尖创新中心首席科学家。任中国图像图形学学会CSIG三维视觉专委会主任。个人网页: https://cfcs.pku.edu.cn/baoquan/

讲课内容：面向现实世界仿真的智能影像生成

现实场景的三维捕获、重建与模拟仿真在深度学习与人工智能的推动下正在发生革命性的改变，反映在物理逼真且实时交互的视觉效果生成。本报告将介绍三维场景的获取、物理现象的模拟与人体动作的控制等影像生成技术的前沿进展。这些将给影视制作、虚拟现实、增强现实与数字孪生等应用领域带来新的机遇，特别有意义的是，将为人工智能的模型设计提供参考，对训练学习提供虚拟仿真环境。

个人简介：清华大学计算机科学与技术系教授，主要研究方向为计算机图形学、虚拟现实、智能信息处理和系统软件等。在ACM TOG/SIGGRAPH、IEEE TPAMI、IEEE TVCG、IEEE TIP、CAD、 IEEE CVPR等重要刊物和国际会议上发表论文100余篇。现为中国计算机学会副理事长，亚洲图形学学会主席，并担任Computational Visual Media主编和CAD、Computer & Graphics和中国科学等多个期刊编委。

讲课内容：“计图”深度学习框架新进展

计算机图形学从60年代开始逐步发展为计算机科学中的重要学科方向，并成为虚拟现实、数据可视化、智慧城市等领域的共性基础。计算可视媒体作为图形学的发展和延伸，强调与视觉感知、人工智能和几何学的结合，为人类研究现实世界提供重要手段，蕴涵着无数影响人们认知方式和生活方式的应用。本报告从可视媒体内容生成出发，分析内容生成的三个发展阶段，以及深度学习、特别是生成对抗网络的演进。接着介绍神经网络研究依赖的深度学习框架的现状、Jittor框架的创新与新进展、Jittor框架的国产化生态的构建，以及SubdivNet、Recursive-NeRF等基于计图的创新研究。

个人简介：查红彬，北京大学信息科学技术学院智能科学系教授，机器感知与智能教育部重点实验室主任。主要从事计算机视觉与智能人机交互的研究，在三维视觉几何计算、三维重建与环境几何建模、三维物体识别等方面取得了一系列成果。出版学术期刊及国际会议论文350多篇，其中包括IEEE T-PAMI, IJCV, IEEE T-VCG, IEEE T-RA, IEEE T-SMC, ACM T-IST, JMLR, PR等国际期刊以及ICCV, ECCV, CVPR, CHI, ICML, AAAI, ICRA等国际学术会议论文120多篇。

讲课内容：动态视觉与SLAM：在线学习的途径

三维视觉的一个主要任务是利用传感器视点的变化与成像几何的约束来实现三维场景的几何与结构重建。因此，伴随传感器移动的动态视觉与3D视觉的关系愈加密切，SLAM（Simultaneous Localization and Mapping：即时定位与地图构建）技术再度成为3D视觉领域的研究热点。为了提高动态视觉系统在真实复杂场景中的应用能力，我们应充分强化视觉系统的环境自适应性，而在线学习方法是实现这一目标的有效途径。该报告将围绕基于在线学习的SLAM问题，介绍我们近来的一些想法和尝试，主要内容包括：面向自监督视觉里程计的序列对抗学习方法；具有在线自适应能力的自监督SLAM学习。

个人简介：乔宇，上海人工智能实验室主任助理、教授，中国科学院深圳先进技术研究院研究员。研究领域为计算机视觉、深度学习等，近年来聚焦通用视觉方法的研究。入选国家级人才计划、中科院百人计划、广东省科技创新领军人才等。发表学术论文300余篇，谷歌学术引用3.6万余次，h-index为74；授权专利56项。以第一完成人获广东省技术发明一等奖、中国人工智能学会吴文俊人工智能科技进步二等奖，获中科院卢嘉锡青年人才奖、AAAI 2021杰出论文奖等。

讲课内容：通用视觉方法：进展与挑战

当前人工智能发展进入从单一任务向多任务协同演进、从感知智能到认知智能跃进的关键阶段。计算机视觉是人工智能的核心领域，应用广泛。目前的视觉方法面临依赖大规模数据、学习效率低，泛化能力弱、鲁棒安全性差等瓶颈。针对这些挑战，我们提出发展通用视觉方法，旨在构建一个模型谱系支持多种任务多种模态和多种场景，并提升模型的数据效率、认知推理、可信安全等能力。我们训练构建了“书生”基模型，可全面覆盖图像视频分类、目标检测、语义分割、深度估计四大视觉核心任务。在 ImageNe等20多个最具代表性的下游场景中，“书生”模型广泛展现了极强的通用性和优异的性能。在这个报告中，我将以书生模型为例，介绍通用视觉方法的进展与挑战。

个人简介：计算机系教授，信息科学与技术国家研究中心副主任，清华大学人工智能研究院大数据智能研究中心主任，国家973项目首席科学家，国家基金委重大项目负责人，AAAS Fellow、IEEE Fellow和SPIE Fellow。担任IEEE Transactions on Multimedia指导委员会主席，中国计算机学会多媒体专业委员会主任。曾任IEEE Transactions on Multimedia主编，IEEE Transactions on CAS for Video Technology常务主编。主要从事网络多媒体计算等研究，发表论文380余篇，10次获国际最佳论文奖，授权发明专利80余项，出版5本国际专著，获国家自然科学二等奖两项(排名1和2)。

讲课内容：多媒体智能

在过去的十年里，大量新兴多媒体应用和服务的出现，产生了海量多媒体数据，极大地促进了图像/视频内容分析、多媒体搜索与推荐、多媒体流化与内容分发等的迅猛发展。与此同时，人工智能(AI)在近十年经历了一波“新”的发展浪潮，取得了巨大成功和应用。本报告介绍多媒体智能这一概念，从以下两方面探讨多媒体与人工智能的相互影响：1）多媒体驱动人工智能向可解释性的研究范式发展； 2）人工智能反过来为多媒体的研究注入了新思维。多媒体和人工智能交互式地彼此增强，共同形成一个闭环。最后，我们探讨多媒体智能的发展趋势。

个人简介：北京师范大学人工智能学院教授，国家基金委杰出青年基金获得者，国家科技创新领军人才计划入选者，中国青年科技奖获得者。分别于1996年、2001年和2006年在西安交通大学获得学士、硕士和博士学位。研究领域为图像/视频处理、计算机图形学。部分成果在华为、快手及国防工业领域落地。近期主要研究兴趣为计算摄像学、红外成像增强、内容生成等。

讲课内容：噪声建模与降噪

降噪是成像和图像处理领域的经典问题之一。噪声模型与噪声参数是决定降噪效果的核心问题。真实噪声来源复杂且各传感器各不相同，而不同的传感器拥有不同的噪声模型与噪声参数，因此，准确建模真实噪声十分困难。真实场景中的噪声具有复杂、未知的特点，对图像分析并有效估计噪声分布及其参数也十分困难。本报告将分享噪声建模与降噪的问题、挑战、关键点，以及近年来的进展和本团队的研究工作。

个人简介：博士、中山大学计算机学院教授、博导，教育部长江学者特聘教授，国家杰出青年科学基金获得者，CCF Fellow。研究方向为高性能网络计算与云计算、新型存储和系统结构，是我国高性能网络计算技术研究的先行开拓者之一。获得国家科技进步二等奖2项、省部级科技奖6项，发表论文200多篇。

讲课内容：高性能网络计算技术

网络计算技术是目前计算机技术发展的一个重要计算模式，也是大数据和智能计算的支撑系统技术，我们将重点介绍多种网络计算模式与特点，以及我们的工作和发展趋势。

个人简介：清华大学计算机系长聘副教授，博士生导师。现为清华大学计算机系高性能所副所长，ACM中国高性能计算专家委员会秘书长、北京智源青年科学家。主要研究方向包括高性能计算、性能评测和编译优化等。研究成果发表在相关领域顶级学术会议和期刊——SC、ICS、PPOPP、ASPLOS、MICRO、OSDI、ATC、IEEE TC、IEEE TPDS等。研究成果获ACM ICS 2021最佳学生论文奖、SC 2014 Best Paper Finalist、ICDCS 2020 Best Paper Honorable Mention奖。担任NPC 2018程序委员会主席、IEEE Cluster 2021领域主席、SC 2022领域副主席，SC、ICS、PPOPP、PACT等国际学术会议程序委员会委员。目前担任IEEE TC、IEEE TPDS、IEEE TCC等多个国际学术期刊编委。担任清华大学学生超算团队教练，指导的团队十二次获得世界冠军。在2015年和2018年包揽了SC、ISC、ASC三大国际超算竞赛的总冠军，实现“大满贯”。其中，SC15冠军是大陆高校在该项赛事中首次获奖。获教育部科技进步一等奖、中国电子学会科学技术一等奖、中国计算机学会优秀博士学位论文奖、IEEE TPDS杰出编委奖 (Editorial Excellence Award)、国家自然科学基金优秀青年科学基金、CCF-IEEE CS青年科学家奖。

讲课内容：大规模预训练模型的并行训练加速

随着预训练模型参数量不断扩大，以混合专家(MoE)为代表的具有稀疏、动态性的结构成为当前研究热点。在新一代国产神威超级计算机上，我们从底层算子库、混合并行方式、负载均衡和混合精度训练等多方面对 MoE 结构的大模型进行了深入性能优化，最终开发出了“八卦炉”大模型训练系统，训练了世界最大规模 -- 百万亿级参数的预训练模型，达到了 EFLOPS 的训练吞吐量。针对 MoE 模型，为了更好优化其在不同平台上的分布式训练效率，开发了 FastMoE 系统，提升了 MoE 模型在通用异构平台上的训练效率。

个人简介：天津大学教授、博士生导师，IEEE Fellow，国家杰青，国家领军人才，天津市先进网络技术与应用重点实验室主任，天津市区块链技术创新中心执行主任。主要研究方向包括云计算、物联网、区块链。主持重大研发计划课题、国家自然科学基金重点项目等各类科研项目20余项。研究成果获得天津市科技进步特等奖，辽宁省技术发明一等奖。中国计算机学会常务理事，ACM中国理事会常务理事，中国计算机学会网络与数据通信专委会主任，天津市计算机学会副理事长。

讲课内容：Serverless计算系统软件栈思考

服务器无感知（Serverless）计算近年来发展迅速，正日益成长为云计算发展的新增长引擎，各大云服务提供商也都陆续推出了各自的Serverless计算平台。Serverless计算应用具有显著的小而短特征，为保障小而短函数应用的性能需求，云端厚重的软件栈面临资源效率的巨大挑战。本次报告，我们将讨论Serverless计算系统软件的已有研究，并讨论未来发展趋势。

个人简介：北京航空航天大学教授、博导，长期从事新型网络体系结构与关键技术方面的创新研究与教学工作，主持国家重点研发计划课题、973计划课题、国家863计划课题、国家自然科学基金等项目十余项，在IEEE ToN、JSAC、TPDS等国际权威期刊和会议发表论文60余篇，获国家授权发明专利30余项（其中24项已转化）。曾获国家技术发明二等奖、中国电子学会科学技术奖一等奖、教育部技术发明一等奖、北京青年五四奖章、全国百篇优秀博士学位论文提名奖等奖励，2012年入选教育部新世纪优秀人才支持计划、2014年获国家优秀青年科学基金，2022年获国家杰出青年科学基金。

讲课内容：系统观念指引互联网体系结构创新

创新互联网体系结构，从根本上解决互联网在安全性、规模可扩展性、可演进性、可管理性等方面的问题，是信息网络领域数十年来悬而未决的国际学术难题。针对互联网是开放复杂巨系统的特点，本报告首先运用马克思辩证唯物主义的系统观念，揭示互联网的功能本质和网间互联本质，分析互联网体系结构创新需要遵循的原则；在此基础上，介绍一种基于上述本质和原则对互联网体系结构的创新探索--共生网络。

个人简介：

2000和2005年分别获浙江大学获学士和博士学位。2008-2010在加拿大滑铁卢大学访问。现任浙江大学学术委员会委员、工业控制技术国家重点实验室副主任、浙江大学工业控制研究所所长，曾任浙江大学信息学部副主任、浙江大学学位委员会委员。2010年12月起被聘为浙江大学教授，2015年入选教育部长江学者奖励计划。曾获国家科技进步二等奖、教育部自然科学一等奖、教育部科技进步一等奖、中国青年科技奖、教育部霍英东青年教师奖、IEEE通信学会亚太区杰出青年研究学者奖等，是IEEE 车载技术学会Distinguished Lecturer（2015-2020）。2019年当选为IEEE Fellow，同年当选为中国自动化学会会士。2021年入选浙江省特级专家。2021年4月起，任浙江工业大学副校长。

讲课内容：Emerging Technologies for IoT Applications

This talk will introduce the cutting edge technologies of Internet of Things, including the recent advance of typical sensing methods and technologies, the low power wide area transmission technologies, such as narrow-band IoT and Lora. Some data-based applications and IoT cases also will be introduced in detail.

个人简介：

中国科学技术大学计算机科学技术学院教授，执行院长， ACM/IEEE Fellow，ACM杰出科学家。ACM中国前联合主席，ACM理事会常务理事，新创讲席教授，基金委杰出青年基金获得者，国家重点研发计划物联网安全项目首席科学家，曾担任美国伊利诺伊理工大学助理教授、副教授、教授，清华大学EMC讲席教授，微软亚洲研究院访问教授。获伊利诺伊大学计算机硕士、博士，清华大学计算机本科、工商管理双学位。一直从事智能物联网、物联网和数据安全隐私、数据共享和贸易等方面的研究。

讲课内容：工业物联网：智能感知、边缘计算、与安全初探 

工业互联网是工业生产系统与互联网深度融合形成的新一代智能网络，其核心是感知、通信、分析、决策、控制一体化的信息与物理系统深度融合应用。工业互联网作为下一代工业基础设施，将重塑整个工业生产制造体系，形成设备上网、企业上云、远程管控的新型智能制造体系，助力工业生产的数字化、网络化、智能化。智能物联网作为工业互联网的核心支撑之一，正在深刻地改变着工业生产的方方面面。物联网的核心任务是无处不在的低功耗深度感知、以无线为主的万物互联、以及智能化的数据共享计算。在这个报告中，我将和大家分享工业互联网的一些挑战，尤其是体系结构、智能感知、边缘计算、安全四个方面的挑战，并分享我们团队在智能物联网方面的一些初步研究成果和探索，包括基于低功耗和无源的智能感知，大规模无源低功耗网络，智能边缘计算，和智能物联网的安全隐私保护。

个人简介：清华大学计算机科学与技术系教授，博士生导师，IEEE/CAAI/CAA Fellow, 国家杰出青年基金获得者; 兼任清华大学校学术委员会委员，计算机科学与技术系长聘教授委员会副主任，清华大学人工智能研究院智能机器人中心主任。兼任担任国家重点研发计划机器人总体专家组成员，中国人工智能学会（CAAI）副理事长，中国自动化学会（CAA）和中国认知科学学会（IACS）常务理事，中国计算机学会（CCF）智能机器人专业委员会主任。兼任国际刊物《Cognitive Computation and Systems》主编，中国人工智能学会会刊《CAAI Artificial Intelligence Research》执行主编，国际刊物《IEEE Trans. on Cognitive and Development Systems》，《IEEE Trans. on Fuzzy Systems》、《IEEE Trans. Systems, Man and Cybernetics》和《International Journal of Control, Automation, and Systems (IJCAS)》副主编或领域主编，《Robots and Autonomous Systems》,《中国科学：F辑》编委。

讲课内容：人工智能的前沿思考

人工智能历经60多年发展，已在理论、技术到应用，取得阶段性的重大进展。然而，人工智能需要解决的三大根本性问题：智能如何产生、智能如何评定、智能如何应用？是一个大家关心的问题。首先，报告人从图灵测试的发展角度，分析了多方安全计算，这个由中国人从源头提出并可能引领的安全机器学习新方向。其次，分析了以深度学习为代表人工智能存在的问题，重点讨论了卷积神经网络为代表的深度学习是否真正实现生物视觉的识别功能？并进一步讨论了强化学习、跨/多模态学习、迁移学习、对抗学习的问题。最后，展望了人工智能的未来发展。

个人简介：腾讯首席科学家，腾讯 AI Lab 及腾讯 Robotics X 实验室主任。ACM Fellow（国际计算机学会院士）和 IEEE Fellow（国际电气电子工程师学会院士），2022年度“全球前2%顶尖科学家榜单”世界排名1002，中国排名Top10。在立体视觉、机器人导航，三维重建、运动分析、图像配准、摄像机自标定、人脸表情识别，语音增强与识别，沉浸式远程交互，视频会议系统等方面都有开创性的贡献，参与了多项欧洲及微软的计算机视觉、多媒体和机器人重大项目。他在国际顶尖会议和杂志上发表论文250余篇，论文引用次数66000多次， h-index 100，200多项专利。他发明的平板摄像机标定法在全世界被普遍采用，被称为“张氏方法”，2013年因此获得 IEEE Helmholtz 时间考验奖。

讲课内容：智能机器人与人的智能系统

随着AI、VR、AR、XR等数字技术的飞速发展，以及几乎无处不在的移动宽带互联网的覆盖，我们正在进入一个虚实集成世界（Integrated Physical-Digital World，IPhD），也即虚拟世界(数字世界)与真实世界(物理世界)的紧密结合。虚实集成世界(IPhD)需要具有四大关键技术：现实虚拟化、虚拟真实化、全息互联网、智能执行体。智能执行体包括智能数字人和机器人，他们在数字世界和物理世界之间穿梭。在本次课程中，我们将描述机器人技术，包括A2G理论 (AI, Body, Control, Developmental learning, Emotional intelligence, Flexible Manipulation, Guardian angel)，以及在此理论指导下我们的进展。另外，我们需要面对未知、充满挑战的“新世界”，那如何提升我们人的智能系统呢？我将分享我总结的做好研究和技术需要的工匠精神（“W.T.O.”理论）。“W”就是一万小时定律，即使是天赋很高的人也需要一万小时的锤炼才成为世界级大师；“T”也被称为钉子理论，要往深的地方钻下去，成为不可替代的专家；“O”来描述一个人的认知边界，要对未知世界保持好奇，不断拓展，同时聚焦，并提高获得能力的能力，终身学习。这个W.T.O.理论是有认知科学和脑科学实验支持的。

个人简介：教授，现任中国人民大学信息学院院长、高瓴人工智能学院执行院长。长期从事大数据和人工智能领域的研究工作，担任国际会议SIGIR 2020程序委员会主席、国际期刊ACM TOIS和IEEE TKDE编委等。曾任微软亚洲研究院高级研究员和互联网搜索与挖掘组主任。到中国人民大学工作后，积极致力于推动人民大学人工智能和大数据的研究和教学，特别是新技术与相关学科的交叉。2013年入选国家“海外高层次人才计划”特聘专家，2018年入选首批“北京市卓越青年科学家”，2019年担任北京智源人工智能研究院首席科学家。

讲课内容：多模态基础模型训练和应用

人类的孩子在多模态环境下进行学习，多模态基础模型是AI在多模态环境中学习世界表示和语言的探索。我将介绍我们在多模态基础模型训练方面的工作，揭示其强大的语义表征和模态融合能力，以及在下游任务上的优秀性能。

个人简介：浙江大学求是特聘教授，博士生导师，国家杰出青年科学基金获得者（2020）、国家优秀青年科学基金获得者（2015）。研究方向为数据库、大数据管理与分析、DB与AI融合，已发表CCF A类中英文学术期刊或会议论文110余篇，出版中英文学术专著4部，授权发明专利17项，登记软件著作权3项，并获ICDE 2022最佳论文、ICDE 2019优秀论文、APWeb-WAIM 2018最佳论文、SIGMOD 2015最佳论文提名、ICDE 2015优秀论文等。主持国家级科研项目/课题10余项，并获省部级或全国性学会科技进步特等/一等奖3项。现为ACM中国SIGSPATIAL分会副主席，浙江省大数据智能计算重点实验室副主任，浙江大学软件学院副院长。曾/现担任TKDE、JCST、FCS、DAPD、DSE、《计算机研究与发展》等顶级/重要学术期刊（青年）编委/副编辑（Associate Editor），VLDB、SIGSPATIAL、WISE等10余个顶级/重要国际学术会议程序委员会/Workshop/Tutorial/宣传/出版/本地（共同）主席，TODS、VLDBJ、TKDE、《软件学报》、《计算机学报》等10余个国内外顶级学术期刊评审专家，SIGMOD、VLDB、ICDE、SIGKDD、SIGIR等10余个顶级国际学术会议程序委员会委员。培养多名博/硕士生获KDD Cup 2022风电预测（Wind Power Forecast）赛道世界冠军、中国计算机学会（CCF）优秀博士学位论文奖、ACM SIMGOD中国优博奖、浙江省优秀博士学位论文提名、浙江省优秀硕士学位论文等。

讲课内容：大数据治理:现状与展望

随着5G和物联网等技术的快速发展，人类进入了数据爆炸时代，数据成为重要的战略资源，是第五生产要素。然而，在大数据时代，普遍存在数据的质量低下、共享薄弱、监管不足等挑战，导致数据要素潜能难以充分释放，蕴含价值不能完全挖掘。大数据治理旨在提升数据质量，促进数据互联互通，保障数据隐私安全，助力国家数字经济建设。本报告针对大数据环境下的重大挑战，围绕大数据治理的主要任务，介绍大数据治理的现状与展望，并汇报讲者负责团队近年来最新的相关进展。

个人简介：中国科学院信息工程研究所信息安全国家重点实验室副主任、研究员、博士生导师，获得国家杰青、优青项目资助。长期从事处理器芯片架构设计及芯片安全等方面的研究工作。

讲课内容：处理器芯片安全

芯片漏洞具备影响范围大、危害程度强、修复代价高的特点。尤其是近年来，层出不穷的处理器芯片安全漏洞揭示了处理器设计的经典原则、核心方法均存在安全风险。工业界和学术界对此都予以高度关注。本次报告将简要分享我们在通用处理器安全体系结构、安全微体系结构方面开展的系列工作。

个人简介：中山大学网络空间安全学院院长，国家杰出青年青年科学基金获得者，主要从事计算机视觉基础研究和网络空间内容安全应用研究。担任IEEE汇刊 TIP/TMM/电子学报编委，NeurIPS/ICCV/CVPR/IJCAI/AAAI/ICPR Area Chairs。获2019年中共中央办公厅技术进步一等奖（排名第1）。中国计算机学会优博、中国电子学会优博、中国科学院大学优博指导导师。

讲课内容："ILL-Posed" Computer Vision Tasks

个人简介：Distinguished research professor of Institute of Software, Chinese Academy of Sciences (ISCAS). He got his bachelor degree and master degree both from Nanjing University, and his PhD from ISCAS. Prior to join ISCAS, he worked at the Faculty of Mathematics and Informatics, Mannheim University, Germany as a research fellow. His research interests cover formal design of real-time, embedded and hybrid systems, program verification, concurrent computation models, modal and temporal logics, and so on. He is in the editorial boards of Formal Aspects of Computing, Journal of Logical and Algebraic Methods in Programming, Journal of Software, Journal of Electronics, and Journal of Computer Research and Development, a member of the steering committees of SETTA and MEMOCODE, the pc co-chairs of FM 2021, SETTA 2016, the general co-chairs of MEMOCODE 2018, MEMOCODE2019 and ICESS 2019, and serves more than 100 international conferences program committees e.g., CAV, RTSS, HSCC, FM, TACAS, EMSOFT and so on. He published more than 100 papers in international leading journals and conferences, 2 books and 4 book chapters, and edited 4 conference proceedings and 5 journal special issues. See lcs.ios.ac.cn/~znj for more details.

讲课内容：Formal Design of Safety-critical Embedded Systems

I will report our recent work on model-based formaldesign of embedded systems. In our approach, one can build a graphical model of a system to be developed with the combination of AADL and Simulink/Stateflow, called AADL+S/S, and then conduct extensive simulation. In order to formally verify the graphical model, we translate AADL+S/S models into HCSP automatically. HCSP is a formal modeling language for hybrid systems, which is an extension of CSP by introducing differential equations to model continuous evolution and several kinds of interrupts to model the interaction between continuous evolution and discrete jumps. Using Hybrid Hoare Logic and its theorem prover, the translated HCSP formal model can be verified. In order to justify the correctness of the translation, we give an inverse translation from HCSP to Simulink, so that the consistency can be checked by co-simulation. Also, we define formal semantics of AADL+S/S and HCSP with UTP so that the correctness of the bidirection translation can be proved theoretically. Finally, we propose the notion of approximate bisimulation for HCSP so that we can discretise a given HCSP process correctly in the sense of approximate bisimulation. Based on which, we define a set of refinement rules through which we can refine an HCSP process into a piece of SystemC or ANSI-C code, which is approximate bisimilar to the original HCSP process. All the above are supported by a tool chain called MARS. We have applied the above approach to design some real-world case studies.

个人简介：西安电子科技大学教授，研究生院院长，从事软件安全、程序验证及智能软件等领域的研究工作，在本领域重要国际期刊和会议发表重要学术论文100余篇，获教育部自然科学一等奖，陕西省科学技术一等奖，教育部长江学者特聘教授资助，国家优青，研究成果应用于探月工程三期等系列航空控制软件的研制中。

讲课内容：可信软件

重点介绍可信软件中的若干基础理论问题。

个人简介： 博士，二级教授，博士生导师，西安电子科技大学人才工作办公室主任，计算智能研究所所长，陕西省重点科技创新团队负责人，国家级领军人才，享受国务院政府特殊津贴。主要研究方向为计算智能理论与方法、网络信息感知与隐私保护、雷达与遥感智能系统，主持国家重点研发计划、国家863计划、国家自然科学基金等项目三十余项，发表论文200余篇，被引用一万七千余次，H-index引用指数70+，入选中国高被引学者，授权国家发明专利30余项，获国家自然科学奖 、教育部自然科学奖等省部级以上科技奖励5项。担任IEEE演化计算汇刊、IEEE神经网络与学习系统汇刊等期刊编委，中国人工智能学会青工委主任等。

讲课内容：深度神经网络结构优化

深度神经网络借助其深层结构，具备很强的复杂问题建模能力，在特征的自主表达学习、数据的适应性等方面表现出明显的优势，在机器视觉、语音识别等诸多领域中取得了良好效果。然而，深度神经网络在理论研究上仍然存在亟待解决的瓶颈难题。首先深度网络的结构设计困难，如网络结构、层数、节点数目等大多需要人工设定；同时，模型的表达参数对性能的影响显著，需要反复调参；而且，基于梯度的网络优化算法存在梯度弥散和陷入局部最优的缺点。本报告将介绍团队近期在解决深度神经网络结构优化难题上的一些思路和尝试，并汇报在深度神经网络应用上的一些新进展。

个人简介：清华大学科研院院长、互联网司法研究院院长。兼任中国人工智能学会副秘书长、中国中文信息处理学会信息检索专委会主任等。主要研究领域集中在信息检索、互联网搜索技术以及自然语言处理研究方面。获得国家级科技创新领军人才、中国青年科技奖、北京市科学技术一等奖、钱伟长中文信息处理科学技术一等奖等奖励，并作为项目负责人获得国家重点研发计划，国家自然科学基金委优秀青年基金和重点基金资助。

讲课内容：面向司法公开的智能信息获取技术

近年来，人工智能在司法场景中展现出了较大的实务应用潜力和学术研究价值，清华大学互联网司法研究院针对网络空间治理中面临的司法应用挑战，开展了面向互联网司法场景的大规模预训练语言模型构建、法律条款与司法文书内容理解、个人敏感信息识别与管控等技术研究，支撑了包括司法类案检索、涉法舆情处理、司法信息智能公开、法律文书自动生成与核验等方面的典型应用。本报告将介绍这方面的相关进展，并重点讨论面向司法公开的智能信息获取技术的未来研究方向。