11.10｜学术盛宴！来一场与科学的周末约会(8)

是电子工程师协会(IEEE)学生会员，国际自动控制联合会(IFAC)会员，获得2018年Elsevier期刊杰出评阅贡献奖。
报告介绍：
对一类连续时间非线性仿射输入受限系统, 提出了一种新的基于近似动态规划与增强学习算法的最优跟踪控制方案。针对非渐进稳定的参考轨迹动态，首先通过增广技术，根据系统动态和参考轨迹构建新的跟踪系统，从而将最优跟踪控制问题转化为求解最优调节控制问题。其次针对性能指标函数，通过设计新的积分型效用函数代替传统的二次型效用函数，实现带有饱和边界的最优控制策略。最后结合单评价网络结构，设计了新的神经网络更新率，实现了算法的实施与运行。该设计克服了传统最优跟踪控制方法的应用局限性和自身严苛的假设要求，通过采用神经网络结构和修正的梯度下降方法，根据Lyapunov 理论，保证了算法实施的有效性。最后通过两个仿真例子验证了设计的最优跟踪控制方法。
报 告 七：复杂系统中信息交互的局域约束描述
报 告 人：张齐博士
报告人简介：
张齐，荷兰莱顿大学，洛伦兹理论物理研究所博士，主要的研究方向为复杂系统信息描述。主要研究内容是从统计物理的基本模型出发对复杂系统中的信息传输与信息储存进行统计力学描述并且找到与其对应的物理意义，从而为理解以多变量耦合以及多约束限制为主要特点的复杂系统信息特性提供基本的理论基础。
内容介绍：
复杂系统作为新的研究方向是一个多学科交叉领域。复杂系统中的信息交互是一个崭新的研究领域，无论是大脑里的信息传输, 蛋白质之间的相互作用, 以及大规模社交网络中的实时通讯, 对复杂系统中的信息传输研究，不仅是对原有的信息论的拓展更是对复杂系统本身的特性进一步了解。本次报告将从统计物理的角度出发，利用统计系综对复杂系统中可能存在的相互耦合的信息源与信道进行描述，对复杂系统之间的耦合作用关系使用局域约束进行描述，并找到在不同约束条件的系综描述下复杂系统的信息极限。为理解以大脑神经网络为代表的复杂信号源与复杂信道提供新的理论工具。