报告题目：时间序列数据的高效时空表征与融合认知 —— 面向机器人触觉时序数据的专题研究案例
报告时间：2016.5.25（周三）10:00
报告地点：理工楼304
报告摘要：
时间序列数据是在不同时间点通过传感器采样得到的数据，这类数据反映了某一事物、现象等在某时间点的静态特征，也同时描述了其随时间的变化的特点。时间序列数据的高效认知就是要在严格限定的计算时间（与传感器采样频率相适应）和存储空间（与寄存器大小相适应）内完成足够好的目标建模；一般包括两个组成部分：时空表征（即特征提取）与融合认知；而融合认知按照工作模式的不同，又可分为批量离线与序贯在线融合认知。在种类繁多的传感器中，触觉传感器作为一种模仿人类皮肤触觉功能的传感器，与传统视觉传感器同样重要，特别是在目标物被遮蔽或环境光线不理想的情况下尤其如此。机器学习技术的蓬勃发展和传感器制造成本的不断下降促使敏捷智能机器人研究不断升温，涌现了一批能够根据各种传感器数据来快速理解周边环境或目标物体的机器人；而针对机器人触觉时序数据的高效时空表征与融合认知在其中发挥了举足轻重的作用。本报告将从时空表征、批量离线认知以及序贯在线认知三方面系统介绍一种快速高效的触觉认知框架，同时也为处理和分析其它类型的时间序列数据提供一定的借鉴意义。
报告人及其简历：
曹乐乐，江苏南通人。清华大学计算机科学与技术系博士，澳大利亚墨尔本大学计算与信息系统学院联合培养博士。分别于东南大学（2005）和瑞典皇家理工学院（2010）获得工学学士和理学硕士学位。先后任职于爱立信（中国）通信有限公司（软件工程师）和瑞典Polystar通讯技术有限公司（系统研发经理）。其主要研究兴趣包括机器学习、模式识别、神经网络、信息融合、人机交互、微观模拟以及创新应用的开发。