时间 | 内容 |
12月20日 （周五） 14:00-17:30 | Tutorial 1: 视觉脑机接口方法与实践 组织者：王毅军（中国科学院半导体研究所）、陈小刚（中国医学科学院） |
题目：视觉脑机接口关键技术 讲者：王毅军（中科院半导体所） 题目：视觉脑机接口数据分析 讲者：陈小刚（中国医学科学院） | |
12月20日 （周五） 14:00-17:30 | Tutorial 2: 脉冲神经网络模型与算法 组织者：余肇飞（北京大学）、郑乾（浙江大学） |
题目：有监督脉冲神经网络学习方法 讲者：徐齐（大连理工大学） 题目：生物可塑性启发的脉冲神经网络学习方法 讲者：张铁林（中科院脑智中心） 题目：ANN转SNN的脉冲神经网络学习方法 讲者：顾实（电子科技大学） 题目：原生类脑脉冲通用智能大模型 讲者：李国齐（中国科学院自动化所） 题目：脉冲大模型的软件开发工具 讲者：杜鑫（浙江大学） 题目：脉冲神经网络在三维重建中的应用 讲者：郑乾（浙江大学） | |
12月20日 （周五） 18:00-20:30 | Tutorial 3: 脑电基座大模型预训练方法 组织者：郑伟龙（上海交通大学）、杨洋（浙江大学） |
题目：基于时空自监督学习的脑电大模型 讲者：郑伟龙（上海交通大学） 题目：探索脑信号的基座模型 讲者：杨洋（浙江大学） |
组织者：王毅军（中科院半导体所）、陈小刚（中国医学科学院）
12月20日（周五）14:00-17:30
视觉脑机接口方法与实践”教程包含三部分内容：1）视觉脑机接口关键技术介绍：基于视觉诱发电位的视觉脑机接口因其信息传输率高、用户训练少和用户差异小等特点而受到越来越多的关注。将回顾视觉脑机接口发展历史和研究现状，介绍视觉脑机接口编解码技术，以及视觉脑机接口在通讯辅助和神经康复等应用中的典型示例。2）视觉脑机接口数据分析实践：为了实现具有高信息传输速率的视觉脑机接口，高效、准确的脑电信号解码算法是不可或缺的。将介绍视觉脑机接口数据分析方法，并以公开的稳态视觉诱发电位标准数据集为例，给出算法代码示例。参会人员熟悉示例算法并完成相应数据分析任务。3）视觉脑机接口系统搭建与测试：在了解视觉脑机接口关键技术及数据分析算法后，将提供8通道便携式脑电采集设备LinkMe及配套视觉脑机接口系统程序。参会人员分组亲自搭建视觉脑机接口在线系统，并体验多种视觉脑机接口范式操作。
注：讲习班有实践环节，建议自备电脑（安装Windows操作系统），并提前安装MATLAB（2018b及以上版本）。进行在线脑机接口实验时，电脑需连接电源。
中国科学院半导体研究所
研究员
讲者简介：王毅军，中国科学院半导体研究所研究员，北脑学者，入选国家高层次人才计划青年项目。担任中国生物医学工程学会医学神经工程分会副主任委员、中国康复医学会脑机接口与康复专委会副主任委员。长期从事神经工程和计算神经科学的研究，发表SCI论文140余篇，谷歌学术引用>15000次，H指数55。入选全球高被引科学家榜单、全球前2%顶尖科学家榜单。开发的视觉诱发电位脑机接口长期保持世界最高信息传输速率。
中国医学科学院生物医学工程研究所
副研究员
讲者简介：陈小刚，中国医学科学院生物医学工程研究所副研究员。2015年博士毕业于清华大学。长期从事基于脑电的脑机接口关键技术研究。中国科协“青年人才托举工程”入选者、天津市杰出青年科学基金获得者、连续3年入选全球前2%顶尖科学家“年度影响力”榜单（生物医学工程领域，2022-2024）。担任中国生物医学工程学会医学神经工程分会秘书长等。
组织者：余肇飞（北京大学）、郑乾（浙江大学）
12月20日（周五）14:00-17:30
脉冲神经网络（Spiking Neural Network，SNN）被称为第三代人工神经网络，除神经元和突触状态之外，脉冲神经网络还包含了时间状态。相比于前二代人工神经网络，脉冲神经网络具有高生物仿真、低功耗、高效等特征。本报告将介绍脉冲神经网络的基本原理、脉冲神经网络的学习方法，并结合大模型、三维表面重建等应用分析当前研究现状与发展趋势。
北京大学人工智能研究院
研究员
讲者简介：余肇飞，现任北京大学人工智能研究院研究员，博士生导师。国家优秀青年基金获得者。主要研究方向为类脑计算、脉冲神经网络。在Nature Biomedical Engineering、Science Advance、PLoS Computational Biology、IEEE Transaction汇刊和NeurIPS、ICLR、ICML、CVPR、ICCV、ECCV、AAAI、IJCAI等顶级会议上发表论文60余篇，主持科技部“脑科学与类脑研究”重大项目子课题、国家自然科学基金面上项目、北京市科技新星、博士后创新人才支持计划等项目，担任ICML、ICLR、ACM MM等会议领域主席（Area Chair)，AAAI Senior PC Member，Frontiers in Neuroscience等期刊编委。
大连理工大学计算机学院/未来技术学院
副教授
讲者简介：徐齐，博士，大连理工大学计算机学院/未来技术学院副教授。主要研究方向为类脑计算、脉冲神经网络、神经信号编解码等，重点关注脉冲神经网络结构设计，类脑脉冲大模型和类脑芯片软硬件协同设计。博士毕业于浙江大学计算机科学与技术学院。入选中国科协青年人才托举工程，主持国家重点项目两项，国自然青年、面上项目各一项，参与科技创新2030-新一代人工智能、脑科学与类脑研究重大项目，国家重点研发计划等。长期担任CCF A类会议NeurIPS、ICML、ACM MM、AAAI等领域主席或高级程序委员会委员，一作通讯发表包括IJCAI, AAAI, CVPR, NeurIPS, ICLR, ICML, ACM MM, TIP等CCF A及中科院一区论文二十余篇，谷歌学术引用1130+。
中国科学院脑智中心
研究员
讲者简介：张铁林，中科院脑智中心，研究员，博士生导师，兼职中科院自动化所PI、中国科学院大学博士生导师、中科院脑数据中心主任。围绕类脑脉冲神经网络的编码、架构、学习方法、芯片等展开成体系的研究工作，在Science Advances、IEEE TNNLS/TCYB、Neural Networks等AI期刊，以及NeurIPS、AAAI、IJCAI等AI会议，发表高水平论文50余篇，被评为北京市科技新星、中科院特聘研究骨干、中科院青促会会员等称号。
电子科技大学计算机科学与工程学院
教授
讲者简介：顾实，电子科技大学计算机科学与工程学院教授，脑与认知实验室负责人。美国宾夕法尼亚大学应用数学与计算科学专业博士，清华大学数理基础科学专业学士，2017年入选第十三批国家青年特聘专家，同年入选福布斯中国“30岁以下30人“榜单。主要研究方向为计算神经科学与类脑人工智能，当前主要研究兴趣是基于人工智能的脑认知表达和计算模型。相关研究发表在Nature Communications、PNAS、Science Advance、IJCV、 ICLR、ICML，NeurIPS等国际期刊或会议上。
中国科学院自动化所
研究员
讲者简介：李国齐，中国科学院自动化所研究员、中国科学院脑认知与类脑智能重点实验室副主任，国家杰出青年基金获得者；在Nature、Nature Computational Science，Nature Communications、Science Advances、Proceedings of the IEEE等期刊和会议发表论文 200余篇；主持国家自然科学基金重点项目、科技部重点研发项目等30余项；担任IEEE TNNLS，IEEE TCDS和清华大学学报-自然科学版Associate Editor；曾获得ECCV最佳论文奖提名，中国算力大会最佳论文，曾入选北京市杰青，中国科学院百人计划，DeepTech中国智能计算科技创新人物，中国算力十大青年先锋人物。
浙江大学软件学院
特聘研究员
讲者简介：杜鑫，复旦大学计算机科学与技术学院博士，浙江大学软件学院和脑机智能全国重点实验室特聘研究员，中国计算机学会服务计算专委会执行委员。主要研究方向为类脑边缘智能、类脑软件与系统、服务计算与分布式系统等。近年来在Nature Computational Science, IEEE TPDS、IJCAI等高水平国际期刊和会议上发表论文30余篇，长期担任IEEE TSC、IEEE TII、WWW等高水平国际期刊和会议审稿人。参与了上海市重大专项、国家自然基金面上、国家重点研发计划等多个项目。曾多次获得国家奖学金，IEEE ICWS会议最佳学生论文，ICPP会议最佳论文提名，复旦大学优秀毕业生等奖项。
浙江大学计算机科学与技术学院
研究员
讲者简介：郑乾，浙江大学计算机科学与技术学院、脑机智能全国重点实验室“百人计划”研究员，博士生导师，海外优青，VALSE EACC主席团委员。研究方向主要为类脑计算和人工智能。发表CCF-A类论文30余篇，包括T-PAMI，CVPR，ICCV，NeurIPS，ICML等，获2024 ACM杭州分会新星奖，主持国家自然科学基金面上项目，担任国际期刊Neurocomputing编委。
组织者：郑伟龙（上海交通大学）、杨洋（浙江大学）
12月20日（周五）18:00-20:30
脑电是高维时空序列信号，具有非平稳特性及低信噪比等特点，因此脑电信号的处理和分析具有挑战性。目前基于脑电信号的深度学习模型通常是为特定数据集和脑机接口应用而设计的，这限制了模型的规模，从而削弱了模型的表征能力和泛化性。近些年来，脑电基座大模型越来越受到广泛关注，其研究的目的是开发脑电时空预训练模型，使其突破不同任务类型脑电数据集的限制，通过自监督预训练获得脑电信号的通用表征能力，然后在不同的下游任务上对模型进行微调。然而，开发脑电时空预训练模型面临着许多挑战：1)缺乏足够的脑电数据。脑电数据的标注通常需要领域专家投入大量精力。2)脑电信号采集的多样化配置。不同脑电任务或数据集使用的脑电采集设备、电极数量以及采样率等各有不同。如何处理不同格式的脑电数据，以匹配神经网络的输入单元，仍是一个需要探索的问题。3)缺乏有效的脑电表征学习范式。如何提取脑电时-空-频特征对于有效的脑电表征学习至关重要。本次讲座主要介绍如何对脑电时空序列设计合适的自监督预训练模型，实现脑电时-空-频表征学习，并在各种不同的脑电下游任务中进行实验性能评估。
上海交通大学计算机科学与工程系
副教授
讲者简介：郑伟龙，上海交通大学计算机科学与工程系副教授，博士生导师。入选国家级高层次海外青年人才和上海市海外高层次青年人才。麻省理工学院和哈佛大学医学院麻省总医院博士后。长期从事脑认知与智能、情感计算、脑机交互、类脑计算理论研究。发表研究论文110余篇，Google学术引用8900余次，单篇被引近两千次，授权国家发明专利多项。荣获IEEE Transactions on Autonomous Mental Development最佳论文奖、IEEE Transactions on Affective Computing最佳论文奖、 ACM Multimedia Top Paper奖、中国人工智能学会优秀博士学位论文奖、吴文俊人工智能自然科学一等奖、上海市浦江人才、小米青年学者、微软亚洲研究院铸星计划、全球前2%科学家年度影响力榜单。目前担任IEEE Transactions on Affective Computing编委。
浙江大学计算机科学与技术学院
副教授
讲者简介：杨洋，浙江大学计算机科学与技术学院副教授、博导、人工智能系主任，国家优秀青年科学基金获得者。2016年毕业于清华大学计算机系，师从唐杰教授和李涓子教授，曾访问美国康奈尔大学，与图灵奖获得者John Hopcroft教授合作。主要从事面向大规模图数据及时间序列数据的人工智能研究，在NeurIPS、KDD、WWW、AAAI、TKDE等国际顶级学术期刊/会议上发表论文70余篇，获国际人工智能顶会AAAI 2023杰出论文奖。
版权所有，转载请注明出处
