首先，西安电子科技大学焦李成教授针对基于稀疏认知表示与深度学习的影像解译做了学术报告。焦教授详述了影像数据呈现得“三高”特点（高时间分辨率、空间分辨率和光谱分辨率），以及传统的短板；分析了人脑信息处理的显著注意、层次化感知和稀疏感知等机制给高分辨影像处理带来了的新机遇；最后，焦教授介绍了实验室在该方面的研究成果，展示了该领域的最新进展。

西安交通大学龚怡宏教授针对基于最小-最大特征的半监督深度学习进行了研究。报告阐述了深度学习在机器学习中的应用，并针对深度学习在半监督学习中的现状，探讨了如何构造深度学习的代价函数，提出了基于最小-最大特征的半监督深度学习方法。

清华大学李力副教授回顾了人工智能70年发展中图灵和维纳对于如何实现人工智能的不同看法，简述了沿着维纳的想法前进过程中，业界最近10年的一些新成果，并讨论了实现人工智能的未来发展方向。

西北工业大学韩军伟教授针对脑神经媒体组学进行了报告。“脑神经媒体组学”是一个新的研究方向，利用机器学习理论为手段，实现大脑反应信息对多媒体视听觉特征的指导、优化和融合，达到计算机对于多媒体内容实现接近人脑认知的目的。报告阐述了汇报“脑神经媒体组学”研究中的一些关键技术及最新进展。

华中科技大学曾志刚教授作了“基于忆阻的神经形态计算初步研究”的报告。曾教授介绍了忆阻的概念、相关技术。此外报告讨论了课题组在基于忆阻的神经形态计算的联想记忆和算法方向的研究进展，并对基于神经形态计算的全自主控制研究进行了深入探讨。

清华大学孙富春教授以人工智能的几个问题为题，分析了以深度学习为代表人工智能的成功与不足，给出了硅片人工智能发展的四元结构理论，给出了从硅云计算、网络计算，再到生物计算的人工智能发展图谱。在此基础上，重点介绍了后深度学习时代的生物多感觉通道启发/免疫系统启发的跨模态学习、机器人学习、小样本学习、模仿学习和可解释学习等最新研究进展。最后，介绍了人工智能面临的挑战和展望。

西安电子科技大学高新波教授以“混合增强智能中的大数据与小数据分析”为题进行了报告。目前，机器智能需要大数据和人类智慧需要小数据之间形成了鲜明的对比。报告从大小数据的优缺点以及人类智慧与机器智能的区别出发，以新一代人工智能发展规划部署的五大方向之一——混合增强智能为例，尝试解决人机交互中的大数据向小数据的转化及分析问题，思考了在人工智能系统的设计中大数据与小数据的辩证关系。

东南大学梁金玲教授针对“二维系统在有限时域下的鲁棒卡尔曼滤波”进行了报告。报告针对一类含加性和乘性的2维不确定系统中的鲁棒卡尔曼滤波问题进行了研究，并探讨了相关鲁棒卡尔曼滤波器的设计。

最后，来自若干高校的相关研究人员报告了其他最新研究成果。

学会秘书处 供稿