总结了国内外人工智能技术在游戏领域的研究进展，分析了游戏领域的研究进步对于现实社会的意义。针对强化学习中免模型方法存在的仿真与真实的鸿沟、基于模型的方法缺乏通用性的问题，提出平行博弈的思想和方法，介绍了平行博弈在解决现有单角色博弈和多角色博弈问题上的先进之处。认为虚实结合的平行博弈方法将成为迈向通用人工智能的奠基石。

针对金融科技监管面临的复杂严峻挑战以及现有“监管沙箱”高度依赖人工操作的局面，指出中国“金融科技创新监管工具”的重要特色和发展趋势在于“智能化”。提出一套系统的“智能化金融科技创新监管工具”平台框架，即利用科技手段实现对金融科技创新应用的全生命周期监管。详细阐述了智能化金融科技创新监管工具的组成要素，包括区块链底层、舆情监测平台、基于知识图谱的可解释性人工智能等，并对其中涉及的关键技术进行说明。介绍了该创新监管工具工程开发时采用的新型迭代方法论——“螺旋形”开发模式和需求层次驱动的迭代设计。最后，对智能化创新监管工具提出若干思考与展望，指出该监管工具将创造一套监管科技基础设施，服务于监管部门和广大金融机构。

边缘智能计算是指将用户节点产生的计算密集型任务卸载到计算能力更强的边缘服务器上进行处理，而基于无人机的边缘智能计算是指在此基础上结合智能无人机平台，利用该平台机动性强、易于部署的优点，更加快速灵活地为地面用户设备提供边缘计算服务。此外，无人机也可作为用户节点，将其计算密集型任务卸载到地面边缘服务器上来执行。针对无人机作为用户节点和边缘服务器两种不同场景，根据最小化能耗、最小化时延和最大化效用等不同的优化目标对当前基于无人机的边缘智能计算研究进行了分类和总结，并对下一步的研究方向进行了思考与展望。

脑机接口是一项新兴的技术，它可以处理分析采集到的运动想象脑电信号，从而实现对外部辅助设备的控制。针对目前运动想象脑电信号处理方法计算效率低、分类准确率不高等问题，提出了一种新的基于噪声辅助快速多维经验模式分解（NA-FMEMD）的运动想象脑电信号分类方法。该方法首先利用 NA-FMEMD 得到全部的多维本征模式函数和趋势项；接着，根据平均频率选取特定的信号层，构建出新的多维信号；然后，通过共空间模式提取出脑电信号的特征向量；最后，将特征向量输入支持向量机分类器中进行分类。分别采用仿真数据和BCI Competition IV数据进行测试，并与基于噪声辅助多维经验模式分解（NA-MEMD）的方法进行比较，验证了所提方法的有效性和优势。

由大量分布式能源、储能设备以及动态负荷集成的复杂微电网，具有出力-负荷双随机特性。旨在结合随机博弈优化理论，讨论综合能源微电网中的各种决策和优化控制问题。首先，分析了未来复杂微电网的特点和体系结构；其次，重点阐述了综合能源微电网中多种决策群体的博弈形式和交互方式；然后，基于微电网不同的拓扑结构和群体的随机特性，归纳了影响网络博弈的主要因素；最后，给出一种随机博弈优化策略及其控制方法架构。通过深入探讨不同形式下的微电网同步、稳定性及博弈优化等关键问题，为进一步促进清洁能源消纳和供需互动、维护电网稳定提供了新的思路。

污水处理过程入水干扰严重，不确定性强，因而对溶解氧浓度进行实时控制与精确控制比较困难。为了提高溶解氧浓度的控制精度和控制器的鲁棒性，提出一种基于相关熵模糊神经网络（CFNN）的溶解氧浓度在线控制方法。首先，建立了基于跟踪误差相关熵的性能准则，以抑制较大的异常值。其次，基于在线梯度下降算法调整控制器的参数，并分析了系统的稳定性。最后，基于基准仿真 1 号模型（BSM1）进行实验。结果表明，提出的CFNN控制器能够实时精准地跟踪溶解氧浓度，相比其他基于均方误差准则的神经网络控制器，其具有更高的控制精度与稳定性。

针对分拣过程中视觉系统识别复杂物体时速度慢、对环境变化适应性不足的问题，提出一种基于轻量型卷积神经网络的机械臂快速分拣方法。该方法首先使用基于轻量型卷积神经网络的MobileNet-SSD算法对图像中的目标物体进行检测，获取目标类别和位置信息；然后根据检测输出结果对图像进行预处理和边缘检测，最终得到校正后的定位结果。在PROBOT Anno机械臂平台上进行分拣实验，实验结果表明，相比于传统的图像处理方法，提出的方法能对复杂目标物体实现快速的检测和定位，对于目标形态和环境的多样性来说具有更好的鲁棒性。

随着人工智能的飞速发展，全球机器人市场在持续扩大，机器人的能力从执行固定的操作发展到自主感知、理解和决策。但要实现机器人的大规模应用，需要机器人在有限功耗的限制下，具备强大的计算能力和低廉的部署成本。利用边缘计算提供性价比更高的服务，增强机器人本体的计算能力，实现规模化部署是实现这一目标的关键。分析了实现边缘增强的机器人系统面临的挑战，提出了基于边缘计算的云原生机器人系统，并探讨了实现该系统的4种可行的技术方案。提出的系统是由基于机器人本体的智能系统向云-边-端融合的多机器人协同的智能系统发展的趋势，也是实现机器人大规模应用的关键技术。

由于文本中多种情感极性混合而难以判断，方面级情感分析成为当前研究的热点。考虑到多面句表达时会在一定程度上对不同目标的多重情感造成特征重叠，进而影响文本情感分类效果，提出一种基于胶囊网络的方面级情感分类模型（SCACaps）。模型使用序列卷积分别提取上下文和方面词的特征，同时引入交互注意力机制，减少二者对彼此的影响，并对文本特征表示进行重构后传入胶囊网络。胶囊层间通过引入高层胶囊系数对路由算法进行优化，整个迭代更新过程的参数全局共享，以保存较完整的文本特征信息。通过与多个模型进行对比实验发现，SCACaps的分类效果最佳，同时，在小样本学习中SCACaps也有较好的表现。

简要回顾经典控制、智能控制、平行控制的起源与发展，针对具有高精度数字孪生模型的情况，给出相应的平行控制数学形式，并讨论其意义和应用。中心思想是对控制向量的时间导数进行建模，而不是对控制向量本身进行建模，由基于代数关系的控制变为基于微分方程的控制，从而使控制系统与被控系统在数学形式和内容上完全等价，为控制器的拟人化和智能化奠定基础。同时，采用同样思想得出的主动感知的平行传感方程，为智能平行传感器的设计提供了可能的方向。初步分析表明，这一变革具有重要意义，十分适合云边计算范式，值得进行深入探索和研究。