报告主题：面向下一代人工智能的新型神经模糊系统

报告时间：2024年12月13日 14:00-18:00

会议地点：航海楼321室

报告摘要：国家自然科学基金委在重大研究计划指南中指出：面向以深度学习为代表的人工智能方法鲁棒性差、可解释性差、对数据的依赖性强等基础科学问题，亟待发展可解释、可通用的下一代人工智能方法。根据斯坦福大学发布的全球2%顶尖科学家名单，模糊系统的开创者、美国工程院院士、美国加州大学伯克利分校Lotfi Zadeh教授在人工智能领域的终身影响力位居全球第一。报告人在伯克利访问时师从Zadeh教授，近年来以“传承Zadeh思想，复兴模糊系统”为己任。模糊系统虽然具有良好的可解释性，但难以处理高维数据，是模糊系统面临的一个挑战。

本报告在经典ANFIS算法的基础上提出了一种新的神经模糊系统——基于随机分组和特征重用的神经模糊系统（RFNFS）。RFNFS首先利用回归方法进行特征提取和降维；然后，使用处理后的回归值建立新的神经模糊系统；最后，利用梯度下降和最小二乘法更新参数以进行非线性拟合。对8个不同的数据集进行了回归测试，结果表明：1）特征重用有效地提高了RFNFS的准确性；2） 选择不同的回归方法对性能的影响很小；3） 与基于模糊C均值的ANFIS和MBGD-RDA和FCM-RDA新模糊算法相比，RFNFS在8个数据集中获得了最佳综合得分。

总之，RFNFS是一种基于模糊系统的机器学习方法，可解释性好，可有效处理高维数据，能实现准确性和可解释性的平衡，是下一代人工智能的一种可选方案。

报告人简介：陈德旺，福建理工大学交通运输学院院长、教授、博导、交通运输工程学科带头人，入选北京市科技新星、福建省闽江学者、福建省高层次人才、福建省创新之星等人才计划，2022年当选俄罗斯自然科学院外籍院士。主持完成国家自然科学基金面上项目2项，省部级项目10余项，横向项目10余项，总经费2000余万元；参与国家级重大与重点项目5项，总经费4000余万元；获得各类省部级科研奖励10余项。以第一作者或通信作者共发表论文150余篇，其中SCI检索论文50余篇（含国际TOP期刊论文26篇），以第一作者出版学术专著4本（含Springer出版社英文专著1本），获国家发明专利10余项和软件著作权20余项。担任IEEE高级会员、IEEE Transaction on ITS（智能交通系统）编委、《自动化学报》编委、《智能科学与技术学报》编委、中国自动化学会普及工作委员会副主任、中国自动化学会平行控制与管理专委会副主任、中国运筹学会智能计算分会副理事长。

联系人：白伟伟（18941142809）