【大数据与智能计算】是当前信息技术领域的热点话题，本次国际研讨会深入探讨了这两个主题的交叉领域，重点关注了大数据技术的现状、挑战以及智能计算的新发展。会议涵盖了从基础理论到实际应用的广泛议题，旨在推动相关研究的进步。
姚新教授在报告中强调了演化计算在人工智能热潮中的作用，特别是在博弈和社会行为学中的应用。他指出，协同演化算法能够为应对当前AI挑战提供独特的优势，并对未来研究方向提出了前瞻性的见解。
孙富春教授则关注小样本表示学习的问题，他分享了其团队在此领域的创新工作，提出了解决小样本学习瓶颈的方法，包括基于在线数据的半监督学习和多模态数据的自动识别网络。这些研究为大数据技术的进一步发展提供了新的思路。
张青富教授在报告中统一了演化优化与传统优化算法的思想，认为演化优化是对概率空间的优化，这一观点为研究者提供了新的研究视角。同时，他在多目标优化算法设计上给出了有价值的见解。
K.C.Tan教授介绍了基于差分进化的方法在数值优化中的应用，分享了在神经形态计算、演化计算、优化以及数据分析/机器学习等方面的工作，并对演化计算的未来研究方向进行了展望。
何军教授对演化算法的理论分析进行了回顾，指出理论研究需要跟上算法发展的步伐。钱宇华教授提出人工智能研究的新视角，包括概念学习和通用学习，这些新视角为人工智能技术的改进提供了理论支持。
李晓东教授专注于大规模全局优化问题，强调了协同演化在大规模优化中的关键作用，并建议通过随机矩阵理论来优化搜索空间。黄翰教授的报告展示了启发式优化在图像处理中的优越性，尤其是在精确抠图领域的应用。
范
