多智能体系统（MAS）以其在电力系统、传感器网络、移动机器人系统等领域的应用，近年来受到了学界的广泛关注，而其中的MAS最优包含控制问题则是关注的热点之一。传统的最优包含控制算法需要求解复杂的偏微分方程，且高度依赖系统模型，这些缺点都限制了其在现实中的应用。自适应动态规划（ADP）算法的出现在一定程度上解决了上述问题，但收敛速度慢等缺点仍使其在应用方面具有较大局限性。
为了解决上述问题，在该文中，作者对传统ADP算法进行了改进，提出了含有内部增强信号的ADP（IR-ADP）算法。传统ADP算法仅依靠预先定义的外部增强信号来提供信息，对于较复杂的系统而言无法保证算法的收敛速度。相比之下，文中提出的IR-ADP算法新增了内部增强信号，这一信号包含更丰富的信息，能够加速算法的收敛。相关的数学分析证明，该文提出的算法能够在保证系统稳定性的同时令系统各项指标收敛至最优值。为了避免使用系统模型，实现数据驱动，作者使用了神经网络来分别近似内部增强信号、值函数和控制策略。仿真表明，这一算法对于不同通信拓扑结构的多智能体连续时间系统都能保证较好的控制效果，且收敛速度优于传统ADP算法。
《Neurocomputing》为Elsevier旗下期刊，主要关注神经网络与学习系统在计算机、控制、优化、机器视觉等领域的理论与应用，为中科院分区计算机科学的学科顶级期刊。张洁夫自大二起加入胡江平教授团队，开展多智能体系统控制方面的研究，曾参与多项科研项目，曾以第二作者身份在《Science China Information Science》期刊（JCR分区Q1期刊，影响因子3.304）发表论文。目前，张洁夫已在美国密歇根大学攻读机器人学硕士学位。
9.计算机学院本科生在多媒体领域顶级会议ACM MM发表论文近日，电子科技大学计算机学院2017级本科生（英才计划学生）马铮睿的论文"Towards Clustering-friendly Representations: Subspace Clustering via Graph Filtering"成功入选ACM Multimedia。马铮睿为该论文第一作者，计算机学院康昭副教授为通讯作者，电子科技大学为唯一作者单位。ACM Multimedia是公认的多媒体领域世界顶级会议，也是中国计算机学会推荐的A类国际学术会议。本年度大会收到破纪录的1698篇有效投稿，其中472篇被录用，各类机构都将在会议上分享、交流最新研究成果。
滤波1次和15次对应的样本在空间的分布情况
机器学习算法的成功很大程度上取决于数据表示。当前主流的表示学习技术是深度神经网络，通常能学习到很好的数据表示，但它涉及的参数繁多，计算量大，容易过拟合，而且难解释。为了克服这些困难，本论文独辟蹊径，提出了一种基于图滤波的表示学习方法。该方法具有坚实的信号处理理论基础，模型简单易实现。为了验证其有效性，本研究结合子空间聚类任务，寻找一个对聚类友好的数据表示。大量实验证明，该方法能大大提升聚类的性能，甚至接近深度学习方法的结果。值得强调的是，该方法具有一般意义，能推广到诸多其他机器学习任务上。马铮睿同学于2019年暑假加入康昭副教授课题组。康昭副教授近三年已经指导本科生发表了12篇高水平学术论文，其中包括CCF-A类会议和中科院1区期刊论文7篇，大部分学生毕业后进入哥伦比亚大学、华盛顿大学、清华大学等海内外名校深造。
作为教育部直属重点大学，国家"985工程"、"211工程"重点建设高校，国家"双一流"A类建设高校，电子科技大学高度重视学生创新实践能力培养，支持和鼓励学生积极参与科技创新、文化艺术和社会实践活动，始终致力于培养具有家国情怀、全球素养、扎实基础、知识综合与集成创新能力，未来能引领学术前沿、科技与社会经济发展，堪当民族复兴大任的创新引领性人才。
关注"电子科大本科招生"头条号，获取更多关于985、211、"双一流"建设A类高校——电子科技大学最新精彩资讯！
本文素材来源：电子科技大学官网
,
