报告题目：捷龙一号固体运载火箭以及关于商业航天的部分思考

报告人：龚旻 航天一院捷龙一号固体运载火箭总师

报告时间：2021年9月16日（周四） 15:30

报告地点：将军路校区航天学院楼D11-A308

腾讯会议号：523 916 212

报告内容摘要：

报告题目：小卫星的发展与展望

报告人：施思寒 航天东方红卫星有限公司微纳卫星中心主任

报告时间：2021年9月16日（周四） 15:30

报告地点：将军路校区航天学院楼D11-A308

腾讯会议号：523 916 212

报告内容摘要：

报告题目：基于局部调整的模糊互补判断矩阵的若干一致性调整方法

报告所属学科：管理科学与工程

报告人：许叶军（天津大学）

报告时间：2021年9月23日 16:00-17:30

报告地点：腾讯会议：183 203 831

报告摘要：

在决策分析中，决策者的偏好信息常常以两两判断矩阵来表示。由于人类思维的模糊性，决策者给出的判断信息往往是不一致性的。一致性又可分为序一致性和基数一致性。在模糊互补判断矩阵中，基数一致性又分为加性一致性和积型一致性。本报告介绍模糊互补判断矩阵的若干一致性判断的方法及不一致性调整算法。在调整不一致性的过程中，本报告介绍不同局部调整算法，只调整部分偏好（最大程度地保持专家原有偏好信息）就达到一致性。

报告人简介：

许叶军，天津大学管理与经济学部英才教授，博士生导师。曾先后在西班牙格拉纳达大学(University of Granada)、加拿大滑铁卢大学做访问学者。担任管理科学与工程学会理事、中国优选法与统筹法经济数学研究会智能决策与博弈分会常务理事，《Information Fusion(IF=12.975)》和《河海大学学报(哲学社会科学版)》编委。研究方向为决策理论与方法，评价理论与方法，水资源管理。在《IEEE Transactions on Systems, Man, and Cybernetics: Systems》、《IEEE Transactions on Fuzzy Systems》等期刊发表论文一百多篇。主持国家自然科学基金3项，主持国家重点研发计划专题2项，参与国家自然科学基金重点项目，国家自然科学国际(地区)合作研究项目，国家自然科学基金重点研究计划培育项目等多项。获得2016年度江苏高校“青蓝工程”中青年学术带头人，2017年河海大学首批“大禹学者”称号。

报告题目：学术交流PPT制作思考

报告所属学科：工商管理

报告人：陈伟强（中科院城市环境研究所）

报告时间：2021年9月27日 19:30-21:00

报告地点：腾讯会议 ID：637 409 388

报告摘要：

从ppt的逻辑、结构、听众的注意力习惯、排版形式等方面，分析如何加强ppt的表现形式，以便更加生动的表达演讲者观点及内容。

报告人简介：

陈伟强，中科院城市环境研究所研究员，博士生导师。主要从事资源环境管理、环境系统工程、物质循环科学和城市可持续发展研究。2004、2010年于清华大学分别获得学士学位和博士学位，2010年至2015年就职于耶鲁大学产业生态学研究中心，2015年加入中国科学院城市环境研究所并组建“物质循环与城市代谢”研究团队。曾获中国生态学学会青年科技奖、中国自然资源学会青年科技奖和全球华人产业生态学会学术创新奖，现任英文学术期刊Resources, Conservation, and Recycling和Journal of Industrial Ecology副主编，受聘厦门大学兼职教授和中国科学技术大学兼职博士生导师。近年来主持中国科学院前沿科学重点研究项目、国家自然科学基金委员会与联合国环境规划署合作研究项目等研究课题多项，研究成果发表在PNAS、Nature Communications、Environmental Science & Technology、《科学通报》《科技导报》及《资源科学》等国内外一流期刊。

报告题目：Interpretable Machine Learning

报告所属学科：管理科学与工程

报告人：Witold Pedrycz（加拿大阿尔伯塔大学）

报告时间：2021年10月8日、2021年10月15日、2021年10月22日、2021年10月29日、2021年11月5日，上午9：00-10：00

报告地点：腾讯会议：32965268237，QQ群：687807963

报告摘要：

(1) Interpretability and Machine Learning

Fundamentals of machine learning. Classes of models, learning paradigms, evaluation measures, defining interpretability. motivating factors. Main requirements.

(2) Interpretability of rule-based models

Classes of rule-based architectures. Modularity properties. Design principles. A taxonomy of interpretation mechanisms: decomposition of conditions, granular conditions and conclusions, symbolic descriptors, linguistic approximation.

(3) Tree structures in machine learning

Decision trees- a generic construct and design strategies. From decision trees to rules. Interpretation mechanisms. Generalized architectures and learning: random forests and gradient boosting in the development of decision trees.

(4) Logic networks and induction of concepts

Logic expressions and logic neurons. Conditional (context) clustering. Concept formation through clustering. Concept refinement via gradient-based learning of logic networks and their interpretation.

(5) Federated learning

Privacy and security requirements. Federated learning of rules. Performance evaluation. Three-tier federated learning and granular rules.

报告人简介：

Witold Pedrycz，加拿大阿尔伯塔大学讲席教授，加拿大皇家科学院院士，波兰科学院外籍院士，电气和电子工程师协会会士。担任Information Sciences和WIREs Data Mining and Knowledge Discovery主编，以及Int. J. of Granular Computing和J. of Data Information and Management共同主编。出版专著18本，H指数109。主要研究方向包括计算智能、模糊建模和颗粒计算、知识发现和数据科学、模式识别、数据科学、基于知识的神经网络和控制工程等。