2021年5月19日下午，中科院自动化所马利平老师和刘希龙老师应邀来到北京理工大学进行学术交流，并与微小型实验室的师生共同举行了智能装配等相关知识和方法的讲座和座谈。
一、知识源于数据决策体现智能
中科院自动化所刘希龙老师首先为大家进行了题为《知识源于数据，决策体现智能》的学术分享。刘老师从简单的物理概念出发，为大家深入浅出地讲解了知识的概念，并结合数学知识，带领大家一步步揭开从高维数据到低维知识提取的神秘面纱。而经过提取处理后，得到的低纬度黑箱变量，人工赋予其工程学解释，即为知识。
期间，刘老师讲到了自动编码器，一种无监督的神经网络模型，并以实际例子讲解了从高位数据无损压缩到低维知识，并恢复成原始高维数据的过程，从中总结出由数据变成向量，又通过自动编码器将降维转化为优化问题，得到高维知识后人类找到规律的通用思想。
核方法是一类识别模式的算法，其目的是找出并学习一组数据中的相互关系。核方法是一种通过升维的思想解决非线性问题的有效方法，通过引入新的维度，在不增加信息量的基础上，使得原始数据变得线性可分了。刘老师指出，数学上处理非线性问题的一个重要思想就是将其变为线性问题或线性问题组合。
最后，刘老师给大家分享了自己的研究经历——挖掘知识与基于知识的决策。
二、面向微器件装配的本体知识模型构建和工艺决策方法研究
微小型研究所的博士生代表以本研究团队在研项目为依托，为大家进行了《面向微器件装配的本体知识模型构建和工艺决策方法研究》的学术汇报。朱东升简洁清晰的向大家介绍了知识挖掘、本体构建和智能决策的研究路线。
三、交流讨论
最后，微小型研究所的师生从自己的研究方向入手，提出了自己的问题和见解，和自动化所的两位老师展开了热情的交流。
针对同学们工艺知识如何应用和工程语义的理解的问题，刘老师指出，装配工艺即规则集，是一种人工可理解的步骤，而经过数据挖掘出的知识不是推理得到的，而是拟合得到的，所以我们应该从工艺本身出发，找到其本征独立变量，并寻找可能会影响它的因素数据。目的性约束比挖掘什么更重要。
马老师指出，微小型研究所的汇报与刘老师的汇报相比，更侧重于工程方面，而缺少了数学部分的解析计算。此外，在知识的构建与决策方面，可以考虑以贝叶斯决策树或者知识图谱的形式展现出来。
智能制造是一个永久的话题，智能装配是其中的重要领域。通过本次学术交流，我们意识到，数学工具是其最重要的研究基础，而创新是其发展的源泉和必经之路。微小型学子的数学知识存储并不弱，如何在未来的研究中进一步的应用自己的数学知识，将工程问题转化为数学问题，是我们的一个关键问题。
感谢中科院自动化所两位老师的学术分享，本次交流大家收获良多，期待日后与两位老师更多的学术交流。
