报告题目：

        宽度学习系统（BLS）算法、理论、应用及其在联邦系统环境下的探讨

         报告摘要：

        近年来，宽度学习系统（BLS）的出现有望改变传统的机器学习的范式。它代表了朝着建立更高效和有效的方法迈出的一步，这些方法可以扩展到更广泛的必要研究领域。本报告将对BLS在数据挖掘和神经网络中的应用进行全面概述，重点从其算法、理论、应用和未来开放性研究问题等方面总结BLS的各种方法。首先，从理论角度介绍了BLS表现的基本模式、普遍逼近能力和本质。此外，我们专注于BLS基于理论研究现状的各种改进，这进一步提高了BLS在一般或特定条件下的灵活性、稳定性和准确性，包括分类、回归、半监督和无监督任务。由于其卓越的效率、令人印象深刻的泛化性能和易于扩展，BLS 已应用于不同的领域。接下来，我们展示了 BLS 的实际进展，及讨论它在联邦学习的应用。最后，指出了BLS未来的开放性研究问题和前景广阔的方向。

        报告人简介：

        陈俊龙（ C. L. Philip Chen）博士，华南理工大学计算机学院院长、讲座教授及清华大学的海外杰出教授、西安交通大学客座教授。陈教授是中国自动化学会副理事长、教育部健康智能与数字平行人工程中心主任、 广东省计算智能与网络空间信息重点实验室主任、广东省人工智能产业协会联席会长。他是IEEE Fellow、AAAS Fellow、IAPR Fellow、 欧洲科学院院士（Academia Europaea）、欧洲科学与艺术院院士（European Academy of Sciences and Arts）、中国自动化学会(CAA) 、中国人工智能学会(CAAI), 及香港工程师学会 (HKIE) Fellow。陈教授曾任IEEE Trans. on Cybernetics （2020-2021），及IEEE Trans. on Systems, Man, and Cybernetics: Systems （2014-2019）两个顶级SCI期刊主编，曾任该学会国际总主席 (2012-2013)，也是国内期刊 CAAI Trans on AI,《中国科学》，和《自动化学报》的编委。 

        报告题目：

        预测控制中的数据驱动与智能优化 

        报告题目：

        大模型带来的数据生态变革

        报告摘要：

        多年来大数据领域，在数据流通中的隐私保护方面，都取得了长足进展。然而，在隐私保护计算的性能，还面临着巨大挑战。本报告主要介绍了团队在隐私保护计算系统性能方面进行的探索，包括采用并行化、硬件加速，以及在上层应用算法设计层面进行的性能优化。同时，也介绍了一些在大模型时代数据使用方式变化的一些思考。

        报告人简介：

        徐葳，清华大学交叉信息研究院长聘副教授，金融科技研究院副院长。美国加州大学伯克利分校博士，师从图灵奖获得者David Patterson，宾夕法尼亚大学本科（在清华学习两年）。在系统、网络、机器学习等领域发表论文50余篇。

        报告人简介：

        肖益，中电科电科院科技集团有限公司副总经理。曾任太极计算机股份有限公司总裁，带领企业在数字经济，数字政府方面取得了显著成效。主持制定电子政务、物联网、大数据领域多项地方标准。

        报告人简介：

        李强，工学博士，中国科学院自动化研究所复杂系统管理与控制国家重点实验室博士后，173重大项目专题负责人，长期从事平行情报、平行指控、未来网络信息等前沿技术创新研究工作，现任某科技创新中心高级工程师，现任中国指挥与控制学会理事、平行智能指挥控制与管理专委会副主任委员兼总干事，《指挥与控制学报》《智能科学与技术学报》编委等。