（图文|向金海、罗俊、李小霞、辛西）7月18日上午，第5届南湖国际青年科学家论坛第14场信息学院分论坛在线上线下同步举行。来自武汉大学、法政大学、加州大学的3位青年科学家围绕高分辨率卫星视频跟踪、无监督算法在智能优化和机器学习中的应用、基于形式化方法的复杂系统状态监测等内容作了精彩学术报告。信息学院师生参加会议。院长张红雨教授主持会议并致辞，他简要介绍了学校、学院概况，并对青年学者的应邀做报告表示欢迎。

   武汉大学计算机学院邵佳博士首先围绕“高分辨率卫星视频跟踪”分享了她近年研究成果。邵佳介绍，现已进入了以高光谱、高空间分辨率以及高时间分辨率为特征的对地观测新时代。高分辨率视频卫星是近几年发展起来的一种新型对地观测技术，其特点是能对某一区域进行“凝视”观测，以“视频录像”方式获得比传统卫星更多的动态信息，特别适合观测移动目标。邵佳从3方面介绍了自己的研究思路：第一，提出了基于深度学习的高级语义信息的特征表示方法；第二，提出了探索实时精确的卫星视频目标跟踪框架，分别基于核相关滤波设计时效性高以及通过数据驱动的孪生网络来设计精度非常高的卫星视频跟踪算法；第三，提出了基于贝叶斯和卡尔曼滤波的提高卫星视频目标跟踪鲁棒性的方法。邵佳随后介绍了自己的实验，基于“吉林一号”卫星和国际空间站的数据，对飞机、列车、小车等种类不同的目标进行跟踪的结果展示，并分享了自己对未来工作的看法以及自己的研究方向，表明卫星视频在将来可以和5G/6G结合，在经济、人口、气象等领域具有广泛而有效的应用。

   随后，法政大学郭佳博士作了题为“无监督算法在智能优化和机器学习中的应用”学术报告。郭佳就进化算法的背景进行了详细介绍，并以PSO算法为例详细介绍了进化算法的流程，接着对优化问题中的自监督进化方法作了分享。郭佳提出了一种基于PSO的改进算法FHBPSO，它结合了裂变策略和聚变策略来对粒子的新位置进行采样。裂变策略旨在分割搜索空间，粒子被分配到不同的局部组以对相应的区域进行采样。另一方面，融合策略旨在缩小搜索空间,边缘群体将逐渐被中心群体合并，直到只剩下一个群体。这两种策略合作产生理论局部最优值,具有较快的收敛速度和较高的精确度。郭佳还通过对自己实验的讲解来对机器学习中的自监督方法进行了详细介绍，

   加州大学陈刚博士最后以“基于形式化方法的复杂系统状态监测”进行了汇报。他介绍说，随着现代系统越来越复杂，这些系统也越来越容易受外界因素影响，对系统进行状态监测从而保证系统能够安全可靠运行也显得越来越重要。陈刚主要工作是为了解决机器学习算法不透明性问题，采用基于形式语言的方法对系统进行状态监测，为用户提供一个可知、可控、可靠的状态监测解决方案。陈刚在报告中先介绍了什么是形式化语言，以及基于形式化语言的需求发现。他将形式化语言应用在了状态检测上，对此过程进行了详细说明，以及如何对复杂状态应用形式化语言。在形式化状态监测方面，陈刚介绍了自己研究中使用的3个方法，分别是基于强化学习的方法、基于故障传播图的方法和基于自然语言处理的方法。报告最后，陈刚介绍了研究的现实应用场景以及自己未来的研究计划，将对现有工作继续深入，重点解决强噪声的干扰和应用强化学习方法解决人机协同控制的问题。