报告题目：Reachability Analysis of Learning-Enabled Cyber-Physical Systems报告时间：12月29日 09:00线下报告地点：理科大楼B002腾讯会议号：763-614-103主持人：张民教授报告摘要：Neural networks have been increasingly used as the central decision makers in a variety of tasks. However, the use of neural-network controllers also gives rise to new challenges on verifying the correctness of the resulting closed-loop control systems especially in safety-critical settings. This talk focuses on computing the reachable sets of Cyber-Physical Systems

报告一题目：Deductive Database Abduction：Journey from Past to Future报告时间：12月15日14：00报告地点：数学馆201腾讯会议号：650-854-178主持人：陈仪香 教授报告摘要：In this talk, we will cover the following 3 areas. The first is to share the some of the Fifth Generation Computer research work done in 1980-1990s on Deductive Database and Abduction. The second will cover industry use cases integrating deductive database system and constraint configurator system with big data system. Lastly, we will explore and discuss what are future poten

报告题目：可信AI业界洞察与华为AI可靠性技术布局报告时间：12月13日14：50报告地点：理科大楼B002主持人：张民 教授报告摘要：近年来人工智能技术取得了巨大的成功。然而这些AI系统仍不够完美，存在不同场景下可靠性隐患难以发现，缺乏全面集成的系统级测试，缺乏有效的诊断升级手段等问题。业界Google微软IBM等公司纷纷在可信AI的鲁棒性训练，测试验证，运行维护等方面投入和布局。华为可信院也分别在AI系统开发态的鲁棒性技术，测试态的测试验证手段和运行态的监控技术进行了相应的项目布局。报告人简介：法国里昂国立应用科学学院计算机博士，现任华为2012可信院RAMS实验室可信AI研究员，主要负责自动驾驶感知安全可信技术研究。

报告题目：RobustVisIntel: A Road towards Robustness of Visual Intelligence报告时间：12月9日14：00腾讯会议号：765-384-260报告摘要：随着大规模数据集的构建、高性能计算设备的成熟以及深度学习技术的发展，许多视觉智能任务已经取得了巨大的进步。然而，目前大多数智能模型都是在相对理想及干净的数据上训练得到。这些模型忽略了真实世界中存在的多种干扰因素的影响，例如场景光线变化造成的亮度不均衡、相机成像参数造成的模糊、以及数据后处理造成的结构扭曲。如何评估这些干扰因素对于智能模型的影响以及如何提升智能模型对于这些干扰的鲁棒性是实现视觉智能模型实用化的关键。报告将以视频目标跟踪任务及运动模糊为例，介绍团队近期在视觉智能的鲁棒性评估及提升两个方面的系列工作，并进一步介绍了团队在构建新一代可信人工智能的主要思路。报告人简介：郭青博士，2019年于天津大学获得博士学位同年加入新加坡南洋理工大学。2020年9月至今被聘为新加坡南洋理工大学校长博士后（全球500人选5人）。郭青博士主要研究方向为计算机视觉及人工智能安全包括视频目标跟

报告题目：Flaky Test Detection in Android via Event Order Exploration报告时间：12月1日14：00 – 15:00报告主持人：苏亭腾讯会议号：503-653-610报告摘要：Validation of Android apps via testing is difficult owing to the presence of flaky tests. Due to non-deterministic execution environments, a sequence of events (a test) may lead to success or failure in unpredictable ways. In this work, we present an approach and tool FlakeScanner for detecting flaky tests through exploration of event orders. Our key observation is that for a test

报告题目：面向共享出行的时空众包计算报告时间：11月28日14：00 – 15:00报告主持人：程鹏腾讯会议号：834 137 914报告摘要：近年来随着共享出行模式的快速发展，线下交通资源有效地分配给线上大规模用户是提升共享出行效率的核心问题之一，其本质是有限交通资源供给与大规模用户出行需求之间矛盾形成的复杂问题。传统理论方法受限于交通资源静态分配假设，导致分配低效、固化，无法解决共享出行服务中动态分配效率低、激励机制优化弱、用户隐私保护难的挑战。时空众包计算是基于群体时空行为动态汇聚参与者协同解决问题的新型计算范式，也是群体智能的重要研究内容，为上述挑战提供了有效的解决方案。本报告首先简要地回顾时空众包计算的发展历史，并介绍其当前的核心技术（任务分配、激励机制和隐私保护等），随后结合本团队近年来与共享出行类企业的合作案例，特别介绍面向共享出行的时空众包任务分配模型、路径规划方法与群体激励机制等方面最新研究成果。报告人简介：童咏昕，北京航空航天大学计算机学院教授，博士生导师，国家自然科学基金优秀青年基金获得者。2014年于香港科技大学获计算机科学与工程学博士学位，随后留校担任研究助理