11月21日上午，中国科学院大学人工智能学院有幸邀请到了中国科学院自动化研究所模式识别国家重点实验室副研究员张煦尧，在雁栖湖校区教一楼107教室为同学们带来科学前沿讲座——《开放环境模式识别方法初探》。
张煦尧老师首先介绍了人工智能的发展历程，从起步发展期、反思发展期、应用发展期、低迷发展期、稳步发展期、蓬勃发展期这六个阶段介绍了人工智能的发展情况，从初春、初冬、初秋、寒冬、复苏到爆发，人工智能从任务失败、目标落空到互联网的发展不断推动人工智能的创新和实用，最终由于深度学习和大数据的兴起带来了人工智能的爆发。
紧接着，张煦尧老师对深度学习的四个关键点进行讲解，通过如何构建基本单元、前馈与反馈的拓扑结构、学习目标loss function和BP算法这四个方面对深度学习进行进一步剖析，给同学们更加清晰地展示了深度学习相关的基本框架与结构。
随着深度学习技术的发展，诸多模式识别任务的识别精度获得不断提升，在一些任务上甚至超越了人类的识别水平。单从识别精度的角度来看，模式识别似乎已经是一个被较好解决的问题。然而，高精度的模式识别系统在实际应用中依旧会出现不稳定和不可靠的现象。模式识别研究面临着从静态封闭环境走向动态开放环境的挑战。最后，张煦尧老师介绍了课题组围绕开放环境模式识别问题所展开的研究和探索。例如开放集识别、增量学习、类别扩充、领域自适应、数据生成等等，其中开放集识别使用卷积神经网络，增量学习包括特征重放与自监督以及类别与语义扩充，数据生成主要使用条件递归神经网络。
本次讲座激发了同学们对开放环境模式识别方法相关领域学习与研究的强烈兴趣，同时也让同学们对开放环境模式识别方法相关研究有了更深刻的理解，十分感谢张煦尧老师的分享。
更多专家信息：
张煦尧，中科院自动化所模式识别国家重点实验室副研究员，国家优秀青年科学基金获得者。2008年获武汉大学计算数学学士学位，2013年获中科院自动化所模式识别与智能系统博士学位，中国计算机学会优秀博士论文。2012年加拿大模式识别与机器智能中心访问学者。2015年深度学习发源地蒙特利尔大学访问学者。主要研究兴趣包括：模式识别、机器学习、以及文字识别与文档分析。发表论文80余篇包括PIEEE, TPAMI, IJCV, CVPR, ICCV等。担任国际期刊IEEE TIP和PR的编委。荣获吴文俊人工智能优秀青年奖以及朱李月华优秀教师奖。
