简要地评论了强化学习的历史、现状与未来的发展途径，认为强化学习应从先行后知、先知后行向知行合一的平行强化学习迈进，实现在虚拟世界“吃一堑”，在物理世界“长一智”，真正成为智慧机制和智能算法的基础学习理论。

深度学习是近年来发展的人工智能技术。相比于传统浅层学习模型，深度学习具有强大的特征表示和函数拟合能力。深度学习能够从海量数据中提取层次特征，其在流程工业过程数据驱动建模中具有较大的潜力和应用前景。首先简单介绍了深度学习的发展历程；然后，介绍了4类广泛使用的深度学习模型以及它们在流程工业过程数据建模中的应用；最后，在流程工业过程数据建模领域对深度学习进行了简要总结。

近年来，结构性磁共振成像（sMRI）和功能性磁共振成像（fMRI）被广泛应用于抑郁症研究。从结构形态学、结构网络、功能网络3个角度探索抑郁症患者的大脑异常，了解其发病机制，辅助医生临床诊断、治疗和预后。目前大量研究发现抑郁症患者的海马体、杏仁核出现不同程度的萎缩，脑网络的连接强度、图论属性等均出现显著异常，且出现异常的脑区对应于人的情绪调节、注意力和认知控制等功能，异常的程度与抑郁的严重程度呈现高度相关性。从不同角度对抑郁症的研究现状进行综述，并对未来的研究提出了建议。

在应对突发重大传染病时，社区防控是整个社会疫情防控的重要一环。在新型冠状病毒肺炎疫情社区防控实践经验的基础上，提出一个社区疫情排查调度问题的数学模型，根据相关疫情防控信息为社区重点住户估算风险指数，并在此基础上将重点住户分配给各个排查工作小组，为每个小组设定排查路线，从而尽可能高效地完成各项排查任务。为求解该问题，提出一种混合智能优化调度算法，它基于水波优化的启发式策略搜索解空间，并混合了两种局部搜索策略来提高解的精度，形成初步调度方案。在调度方案的实施过程中，如果排查到某个对象有特殊情况需要处置，算法将对方案进行动态调整，以适应变化后的排查任务。在浙江省多个社区排查的实际案例问题上的计算结果验证了方法的有效性。

利用传染病预警技术和系统来监测传染病异常暴发趋势并及时准确预警，是传染病早期防控的关键。现行传染病预警系统尚存在智能化程度不足、关键信息流通不畅和分布式协同决策困难等问题。基于区块链分布式计算架构，结合人工智能、大数据和智能合约等新兴信息技术，提出了一种传染病监测与预警技术及其实现框架。该技术可高效集中多方监测力量，灵活集成多种预警手段，在安全和保护隐私的前提下构建知识集成和智慧互联的分布式协同监测环境，并以智能合约作为公开公正的、软件定义的监测代理来实时融合决策、监测疫情和自动预警，从而兼顾预警准确性与及时性要求，避免孤证和决策偏差。

现有的文档级神经机器翻译方法在翻译一个句子时大多只利用文档的上下文词汇信息，而忽视了跨句子的篇章语义单元之间的结构关系。针对此问题，提出了多种篇章结构位置编码策略，利用基于修辞结构理论的篇章树结构，对篇章树上位于不同篇章单元的单词之间的位置关系进行了表示。实验表明，通过位置编码的方式，在基于Transformer框架的神经机器翻译模型中有效地融合了源端的篇章结构信息，译文质量得到了显著提升。

随着高速公路便捷、无感收费的持续发展，高速公路车辆轨迹信息的可靠认证逐渐成为公正、准确收费的关键支撑。针对现有系统逃费稽查时延高、海量数据检索耗时长、数据篡改可查性低等问题，基于高速公路车辆多主体多阶段运行状态的特点，从高速公路车辆行驶过程动态认证和车辆信息安全关联认证入手，通过多阶段认证内容分析、分布式网络认证共识、车辆信息主链关联、车辆轨迹侧链跟踪的综合关联分析，提出基于异构区块链技术的高速公路可靠行驶轨迹认证方法，实现了车辆信息实时稽查、轨迹信息链式关联的高速公路车辆的可靠轨迹认证。通过典型应用场景介绍，进一步分析了该方法在高速公路车辆行驶轨迹认证中的应用前景和应用价值。

智能车辆在预防交通事故、缓解交通拥堵、减少排放等社会功效方面具有重要意义，路径跟踪是智能车辆的重要功能之一，其被控对象是复杂的车路耦合系统。路径曲率平滑性影响路径跟踪性能，针对路径曲率的平滑优化问题，提出一种基于能量函数的曲率平滑方法。首先，构造能量函数表征路径曲率平滑性；其次，基于离散化路径描述设计迭代规则，使能量函数下降；最后，在道路边界已知的情况下增加道路边界约束。真实车辆平台的实验结果表明，基于能量函数的曲率平滑方法能够在确保路径可通过的前提下进一步提升路径跟踪的乘坐舒适度和控制精度，提升智能车辆的品质。

针对传统物理机理建模方法不适用于复杂光照条件下光伏组件建模的问题，提出一种基于混合结构神经网络的光伏组件输出特性数据驱动建模方法。在深入分析光伏组件物理机理及输出特性的基础上，提出利用卷积神经网络和径向基函数神经网络对不均匀光照条件、温度、湿度等环境因素进行特征提取，并对光伏组件的输出特性进行仿真拟合。为提高模型的拟合效果，提出针对不均匀光照条件的阴影形态等效分析方法，同时采用改进型的遗传编码方案对网络参数进行优化，最后利用实际运行数据对模型效果进行分析验证。结果表明，该模型对不均匀光照条件具有一定的泛化跟踪能力，同时仿真结果平均误差保持在7%以内。

模糊系统是一种可解释性强的人工智能方法，经典Wang-Mendel（WM）方法因能从数据中自动获取模糊规则，而成为一种重要的智能建模方法。但是该方法存在规则数目较多、精度不高等不足，且目前的改进方法普遍存在计算复杂、效率低等问题。为此，提出一种改进遗传算法与基于支持度的规则约简相结合的模糊系统优化建模新方法——遗传模糊系统（GFS），通过优化模糊系统的结构及隶属函数参数，由目标函数的不同组合构成GFS1、GFS2与GFS3这3种模型的具体实现算法。在标准及加噪的电能输出数据集上进行模糊建模试验，其结果表明：GFSi(i=1,2,3)模型预测精度高于WM方法且规则数更少；其抗噪能力显著优于径向基函数神经网络、反向传播神经网络；GFS3 的适应度函数评估效果最佳，因此其性能最优。提出的方法在充分发挥模糊系统可解释性、鲁棒性强优势的同时保障了预测精度，是一种很有潜力的人工智能算法。

针对水泥烧成过程的资源浪费以及难以建立有效数学机理模型的问题，提出一种基于水泥工业烧成系统动态能耗优化方法。该方法利用卷积神经网络构建了烧成系统电耗与煤耗的目标函数，利用差分进化算法对运行指标进行反向求解，得到符合当前工况的较优的运行指标。由于实际生产工况会随着时间变化，所以将未来时刻的运行指标与电耗、煤耗保存下来，再次输入神经网络中进行训练，并通过当前时刻的实际运行指标值确定运行指标的约束范围，使优化值可以满足实际运行指标的调整要求。该方法实现了水泥烧成过程动态能耗的目标优化，有效地降低了水泥烧成过程的能源消耗。

人工智能、大数据等新一代信息技术的兴起使网络空间安全面临的威胁与挑战进一步复杂化。传统防御技术多采用“打补丁”式的被动检测防护机制，很难满足由新的攻击特征带来的安全防护需求。首次系统性地提出以平行智能ACP理论为基础思想的平行安全系统框架，利用生成式对抗模型、平行情报、平行区块链等方法，融入社会学、心理学和行为学等因素，建立了集描述性安全、预测性安全和引导性安全于一体的防护体系，旨在实现以“增强免疫力”为目标的预测引导防护。以工业互联网典型场景为实际案例，设计并研发了首个以平行安全框架为基础的生成式对抗安全智能系统平台，从而为平行安全在不同领域的实际应用提供指导和借鉴。