讲座题目：模式识别研究现状与趋势
讲座时间：2019年3月9日（周六）下午2:30-4:00
讲座地点：中国科学院大学（玉泉路校区）教学楼阶一4
讲座嘉宾：刘成林
嘉宾简介：刘成林，中国科学院自动化研究所副所长，模式识别国家重点实验室主任，研究员、博士生导师，中国科学院大学人工智能学院副院长。2008年获得国家杰出青年科学基金资助。1989年毕业于武汉大学无线电信息工程系，1992年在北京工业大学获电路与系统专业工学硕士学位，1995年在中国科学院自动化研究所获模式识别与智能控制专业工学博士学位。1996年3月到1997年10月在韩国科学技术院（KAIST）从事博士后研究。1997年11月到1999年3月在日本东京农工大学从事博士后研究。1999年3月到2004年12月在日立中央研究所（东京）先后任研究员和主任研究员。研究兴趣包括图像处理、模式识别、机器学习、文字识别与文档分析等。在国际期刊和国际会议上发表论文200余篇，合著英文专著一本。现任国际刊物Pattern Recognition的副主编, Image and Vision Computing, Int. J. Document Analysis and Recognition, Cognitive Computation的编委，国内期刊《自动化学报》的副主编。中国人工智能学会会士、模式识别专委会主任，中国自动化学会理事、模式识别与机器智能专委会主任，中国图象图形学学会常务理事，美国电气电子工程师协会会士 (IEEE Fellow)、国际模式识别学会会士(IAPR Fellow)。
讲座摘要：20世纪50年代以来，模式识别理论和方法得到了巨大的发展。近年来，随着深度学习理论和技术的发展与应用，模式识别的性能得到快速提升，并在多个领域得到广泛应用。然而，面向实际应用环境，模式识别技术仍存在多方面的不足，需要在理论方法层面进一步研究和探索。本报告首先介绍模式识别问题和应用背景、发展简史、主要方法分类（统计方法和结构方法，生成模型和判别模型），然后介绍深度学习方法的主要特点并分析其不足。基于近几年的研究进展，介绍几个研究动向：层数极深神经网络、网络结构自动设计、解耦学习、深度学习与传统方法结合、类人概念学习。最后从模式识别的鲁棒性、可解释性、自适应性的角度出发，介绍一些值得重视的研究方向，包括开放环境下的学习与自适应、结构化模式识别、生成模型及在学习中的应用等。
