报告时间：2021年07月17日 8:50-12:00
报告地点：崂山校区william威廉亚洲官方楼（D1楼）410报告厅
报告题目1 ：Relentless Attacks against Remote State Estimation in Smart Grids
报告人：程龙教授中国科学院自动化所
报告摘要： The smart grid is a nationwide networked system that applies information technology to enable two-way information flows to deliver electricity intelligently and reliably. However, while improving efficiency, the bidirectional communication also incurs invasions. The smart grid is proved to be more vulnerable to false data injection attacks than the traditional grids. This talk mainly focuses on the attack methods against the measurement collection and the remote state estimation in the smart grid. Theoretical analysis has been conducted to show the constructed false data injection attack can bypass the Kalman-based detection method. Furthermore, the countermeasures through the distributed control approach have been proposed to reduce the harm caused by the constructed false data injection attack.
报告人简历：程龙，博士，中国科学院自动化研究所研究员，博士生导师，中国科学院大学岗位教授。目前担任《IEEE Transactions on Cybernetics》、《中国科学技术科学》、《自动化学报》等国内外刊物的编委。入选国家杰出青年基金项目、国家优秀青年基金项目、中组部万人计划青年拔尖人才计划，中国科学院卓越青年科学家计划、北京市杰出青年基金、北京市科技新星计划。获得2017年度国家自然科学二等奖（排名第四），北京市科学技术一等奖(排名第五)，中国自动化学会自然科学一等奖（排名第二）等科技奖励。程龙博士的研究兴趣包括机器人与智能控制。
报告题目2：分布式连续非线性系统的异步Lebesgue近似模型
报告人：吴争光教授浙江大学
报告摘要：在现实世界中，大部分的实际物理过程本质上是时间连续的，而在很多应用中我们需要离散时间模型，特别是在数字化的工作环境中，如：基于模型的路径规划，模型预测控制。近似模型的精确性以及计算效率问题对于以模型为基础的方法来说至关重要。主要研究分布式异步的离散时间模型来近似分布式的连续时间非线性系统，其中的子系统间存在物理耦合且能够与邻居节点交换信息。构建了一个分布式的时间触发系统，该系统的状态轨迹与Lebesgue近似模型的轨迹一致。基于此，进一步给出了Lebesgue近似模型渐近稳定、近似误差有界、避免出现Zeno行为的条件。
报告人简介：吴争光，浙江大学长聘教授，博士生导师，在2019年⼊选国家“万⼈计划”青年拔尖⼈才。主要开展网络化混杂系统、信息物理系统与智能电网的研究工作。目前主持国家自然科学基金重点项目一项，浙江省杰出青年科学基金。2014—2019年连续六年入选Elsevier中国高被引学者榜单，2017—2020年连续四年入选Clarivate Analytics全球高被引科学家榜单。曾获得浙江省2011年优秀博士研究生学位论文奖、教育部2015年度高等学校科学研究优秀成果奖（自然科学一等奖）、2017年浙江省自然科学二等奖，2019 年中国自动化学会自然科学⼀等奖和第三届中国自动化学会⾼等教育教学成果⼆等奖，2019 年浙江省自动化学会⾼等教育教学成果⼀等。在IEEE系列汇刊和Automatica上发表（含录用）论文100余篇，2篇论文分别入选2013和2014年中国百篇最具影响国际学术论文，在Springer出版社出版英文专著4部。论文被SCI他引4000多次，共有40篇论文入选ESI高被引论文，h指数50。担任IEEE Transactions on Systems, Man and Cybernetics: Systems和《中国科学：信息科学》等8个国内外期刊的Associate Editor/Editorial Board Member，美国《数学评论》评论员，IEEE CSS会议编委会Associate Editor，以及多个国际会议的程序委员会主席/成员。
报告题目3：多模式过程数据驱动建模方法
报告人：刘毅教授浙江工业大学
报告摘要：多模式过程广泛存在于精细化工、制药等高附加值行业。然而，此类过程通常难以快速建立准确的机理模型，多模式频繁切换下的动态、非线性等特性显著，关键质量指标往往无法实时测量。因此，通过数据驱动建模方法快速获得过程模型和状态信息，有效挖掘过程领域知识，具有重要的研究意义和应用价值。该报告将重点汇报迁移学习等数据驱动方法在多模式过程建模的进展。
报告人简介：刘毅，博士、浙江工业大学教授、博导。长期致力于工业数据智能建模与控制领域的研究工作，先后主持国家基金优青、面上、青年项目，省面上基金等省部级以上项目6项；相关成果在过程建模与控制国际知名期刊发表学术论文50余篇；指导2位硕士获得浙江省优秀硕士学位论文；担任中国自动化学会4个专委会委员。
报告题目4：颅神经成像算法进展
报告人：冯远静教授浙江工业大学
报告摘要：颅神经又称“脑神经”。人体有12对脑神经，即有24条，从脑内发出的左右成对的神经，包括嗅神经、视神经、动眼神经、滑车神经、三叉神经、外展神经、面神经、听神经、舌咽神经、迷走神经、脊髓副神经和舌下神经。目前，活体颅神经成像算法面临挑战。本报告主要介绍颅神经成像的现状、存在问题，并介绍课题组在多模态颅神经成像算法中的新进展。
报告人简介：冯远静，博士，浙江工业大学信息工程学院教授，博士生导师，浙江省高校创新领军人才、中青年学科带头人。2005年博士毕业于西安交通大学，2010-2011哈佛大学访问学者，2018-2019年哈佛大学合作教授。现为浙江省嵌入式系统联合重点实验室副主任，浙江工业大学信息学院副院长。研究方向为脑认知与脑成像。近五年来，主持了国家基金面上项目 2 项，省重点研发计划项目2项，钱江人才计划项目 1 项等。发表论文 40 多篇，包括Medical image analysis, Automatica, Neuroimage, IEEE系列等国际顶级期刊和 MICCAI，ISBI 等医学图像处理顶级会议。授权发明专利30项，成果转化神经导航系统在多家医院使用，获省部级科技奖2项；指导学生获全国第六届“互联网+”创新创业大赛金奖、全国挑战杯一等奖2次。
当前位置：