.538. 智能系统学报 第11卷 2010,180(6):949-970. [9]LIN Guoping,LIANG Jiye,QIAN Yuhua,et al.A fuzzy [2]QIAN Yuhua,ZHANG Hu,SANG Yanli,et al.Multigranu- multigranulation decision-theoretic approach to multi-source lation decision-theoretic rough sets[].International journal fuzzy information systems[J].Knowledge-based systems, of approximate reasoning,2014,55(1):225-237. 2016,91:102-113. [3]QIAN Yuhua,LI Shunyong,LIANG Jiye,et al.Pessimistic [10]LIU Caihui,MIAO Duoqian,QIAN Jin.On multi-granula- rough set based decisions:a multigranulation fusion strategy tion covering rough sets[J].International journal of ap- [J].Information sciences,2014,264:196-210. proximate reasoning,2014,55(6):1404-1418. [4]LI Jinhai,REN Yue,MEI Changlin,et al.A comparative [11]别林斯里.概率与测度[M].3版.北京：世界图书出版 study of multigranulation rough sets and concept lattices via 公司，2007. rule acquisition[]]Knowledge-based systems,2016,91: [12]ZHU W,WANG Feiyue.Reduction and axiomization of 152-164 covering generalized rough sets[].Information sciences, [5]YANG Xibei,QI Yunsong,SONG Xiaoning,et al.Test cost 2003,152:217-230. sensitive multigranulation rough set:model and minimal cost [13]YAO Yiyu.Three-way decisions with probabilistic rough selection[].Information sciences,2013,250:184-199. sets[J].Information sciences,2010,180(3):341-353. [6]XU Weihua,GUO Yanting.Generalized multigranulation 作者简介： double-quantitative decision-theoretic rough set[J].Knowl- 刘财辉，男，1979年生，副教授，主 edge-based systems,2016,105:190-205. 要研究方向为粗糙集、粒计算、机器学 [7]SHE Yanhong,HE Xiaoli.On the structure of the multi- 习、数据挖掘。发表学术论文20余篇， granulation rough set model[].Knowledge-based systems, 其中被SCI检索4篇，EI检索12篇。 2012,36:81-92. [8]HUANG Bing,GUO Chunxiang,ZHUANG Yuliang,et al. 蔡克参，女，1992年生，硕士研究 Intuitionistic fuzzy multigranulation rough sets[].Informa- 生，主要研究方向为粒计算方法在农业 tion sciences,2014,277:299-320. 信息化中的应用。 2016国际脑与人工智能研讨会 International Workshop on Brain and Artificial Intelligence (BAI 2016) Creating human-level intelligent system is the long-standing mission for the field of Artificial Intelligence(AI)since its establishment nearly 60 years ago.Until now,however,there is still no general purpose intelligent system which can reach the human intelligence level in terms of coordinating various cognitive behaviors,adaptability of complex environ- ments,and autonomous learning under new environments.With the advancement of Brain Science,Neuroscience,and Cognitive Science,it is now possible for partially observing and obtaining data on the activities of brain neural networks at multiple scales while they are conducting various cognitive tasks.Hence,understandings of the brain at multiple scales will bring inspirations to future Artificial Intelligence research and applications.This workshop aims at bringing researchers and practitioners from Brain Science,Cognitive Science,Artificial Intelligence,etc.to discuss how they can collaborate and inspire each other to advance Brain-inspired Artificial Intelligence.The workshop will be co-located with the 2016 In- ternational Conference on Brain Informatics Health,October 13th,2016 in Omaha,Nebraska,USA. Website:http://bii.ia.ac.cn/bai-2016/２０１０， １８０（６）： ９４９－９７０． ［ ２］ＱＩＡＮ Ｙｕｈｕａ， ＺＨＡＮＧ Ｈｕ， ＳＡＮＧ Ｙａｎｌｉ， ｅｔ ａｌ． Ｍｕｌｔｉｇｒａｎｕ⁃ ｌａｔｉｏｎ ｄｅｃｉｓｉｏｎ⁃ｔｈｅｏｒｅｔｉｃ ｒｏｕｇｈ ｓｅｔｓ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ ｊｏｕｒｎａｌ ｏｆ ａｐｐｒｏｘｉｍａｔｅ ｒｅａｓｏｎｉｎｇ， ２０１４， ５５（１）： ２２５－２３７． ［３］ＱＩＡＮ Ｙｕｈｕａ， ＬＩ Ｓｈｕｎｙｏｎｇ， ＬＩＡＮＧ Ｊｉｙｅ， ｅｔ ａｌ． Ｐｅｓｓｉｍｉｓｔｉｃ ｒｏｕｇｈ ｓｅｔ ｂａｓｅｄ ｄｅｃｉｓｉｏｎｓ： ａ ｍｕｌｔｉｇｒａｎｕｌａｔｉｏｎ ｆｕｓｉｏｎ ｓｔｒａｔｅｇｙ ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ ｓｃｉｅｎｃｅｓ， ２０１４， ２６４： １９６－２１０． ［４］ＬＩ Ｊｉｎｈａｉ， ＲＥＮ Ｙｕｅ， ＭＥＩ Ｃｈａｎｇｌｉｎ， ｅｔ ａｌ． Ａ ｃｏｍｐａｒａｔｉｖｅ ｓｔｕｄｙ ｏｆ ｍｕｌｔｉｇｒａｎｕｌａｔｉｏｎ ｒｏｕｇｈ ｓｅｔｓ ａｎｄ ｃｏｎｃｅｐｔ ｌａｔｔｉｃｅｓ ｖｉａ ｒｕｌｅ ａｃｑｕｉｓｉｔｉｏｎ［ Ｊ］． Ｋｎｏｗｌｅｄｇｅ⁃ｂａｓｅｄ ｓｙｓｔｅｍｓ， ２０１６， ９１： １５２－１６４． ［５］ＹＡＮＧ Ｘｉｂｅｉ， ＱＩ Ｙｕｎｓｏｎｇ， ＳＯＮＧ Ｘｉａｏｎｉｎｇ， ｅｔ ａｌ． Ｔｅｓｔ ｃｏｓｔ ｓｅｎｓｉｔｉｖｅ ｍｕｌｔｉｇｒａｎｕｌａｔｉｏｎ ｒｏｕｇｈ ｓｅｔ： ｍｏｄｅｌ ａｎｄ ｍｉｎｉｍａｌ ｃｏｓｔ ｓｅｌｅｃｔｉｏｎ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ ｓｃｉｅｎｃｅｓ， ２０１３， ２５０： １８４－１９９． ［６］ ＸＵ Ｗｅｉｈｕａ， ＧＵＯ Ｙａｎｔｉｎｇ． Ｇｅｎｅｒａｌｉｚｅｄ ｍｕｌｔｉｇｒａｎｕｌａｔｉｏｎ ｄｏｕｂｌｅ⁃ｑｕａｎｔｉｔａｔｉｖｅ ｄｅｃｉｓｉｏｎ⁃ｔｈｅｏｒｅｔｉｃ ｒｏｕｇｈ ｓｅｔ［Ｊ］． Ｋｎｏｗｌ⁃ ｅｄｇｅ⁃ｂａｓｅｄ ｓｙｓｔｅｍｓ， ２０１６， １０５： １９０－２０５． ［７］ ＳＨＥ Ｙａｎｈｏｎｇ， ＨＥ Ｘｉａｏｌｉ． Ｏｎ ｔｈｅ ｓｔｒｕｃｔｕｒｅ ｏｆ ｔｈｅ ｍｕｌｔｉ⁃ ｇｒａｎｕｌａｔｉｏｎ ｒｏｕｇｈ ｓｅｔ ｍｏｄｅｌ［Ｊ］． Ｋｎｏｗｌｅｄｇｅ⁃ｂａｓｅｄ ｓｙｓｔｅｍｓ， ２０１２， ３６： ８１－９２． ［８］ＨＵＡＮＧ Ｂｉｎｇ， ＧＵＯ Ｃｈｕｎｘｉａｎｇ， ＺＨＵＡＮＧ Ｙｕｌｉａｎｇ， ｅｔ ａｌ． Ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ ｆｕｚｚｙ ｍｕｌｔｉｇｒａｎｕｌａｔｉｏｎ ｒｏｕｇｈ ｓｅｔｓ［ Ｊ］． Ｉｎｆｏｒｍａ⁃ ｔｉｏｎ ｓｃｉｅｎｃｅｓ， ２０１４， ２７７： ２９９－３２０． ［９］ ＬＩＮ Ｇｕｏｐｉｎｇ， ＬＩＡＮＧ Ｊｉｙｅ， ＱＩＡＮ Ｙｕｈｕａ， ｅｔ ａｌ． Ａ ｆｕｚｚｙ ｍｕｌｔｉｇｒａｎｕｌａｔｉｏｎ ｄｅｃｉｓｉｏｎ⁃ｔｈｅｏｒｅｔｉｃ ａｐｐｒｏａｃｈ ｔｏ ｍｕｌｔｉ⁃ｓｏｕｒｃｅ ｆｕｚｚｙ ｉｎｆｏｒｍａｔｉｏｎ ｓｙｓｔｅｍｓ ［ Ｊ］． Ｋｎｏｗｌｅｄｇｅ⁃ｂａｓｅｄ ｓｙｓｔｅｍｓ， ２０１６， ９１： １０２－１１３． ［１０］ＬＩＵ Ｃａｉｈｕｉ， ＭＩＡＯ Ｄｕｏｑｉａｎ， ＱＩＡＮ Ｊｉｎ． Ｏｎ ｍｕｌｔｉ⁃ｇｒａｎｕｌａ⁃ ｔｉｏｎ ｃｏｖｅｒｉｎｇ ｒｏｕｇｈ ｓｅｔｓ ［ Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ ｊｏｕｒｎａｌ ｏｆ ａｐ⁃ ｐｒｏｘｉｍａｔｅ ｒｅａｓｏｎｉｎｇ， ２０１４， ５５（６）： １４０４－１４１８． ［１１］别林斯里． 概率与测度［Ｍ］． ３ 版． 北京： 世界图书出版 公司， ２００７． ［１２］ ＺＨＵ Ｗ， ＷＡＮＧ Ｆｅｉｙｕｅ． Ｒｅｄｕｃｔｉｏｎ ａｎｄ ａｘｉｏｍｉｚａｔｉｏｎ ｏｆ ｃｏｖｅｒｉｎｇ ｇｅｎｅｒａｌｉｚｅｄ ｒｏｕｇｈ ｓｅｔｓ［ Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ ｓｃｉｅｎｃｅｓ， ２００３， １５２： ２１７－２３０． ［１３］ ＹＡＯ Ｙｉｙｕ． Ｔｈｒｅｅ⁃ｗａｙ ｄｅｃｉｓｉｏｎｓ ｗｉｔｈ ｐｒｏｂａｂｉｌｉｓｔｉｃ ｒｏｕｇｈ ｓｅｔｓ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ ｓｃｉｅｎｃｅｓ， ２０１０， １８０（３）： ３４１－３５３． 作者简介： 刘财辉，男，１９７９ 年生，副教授，主 要研究方向为粗糙集、粒计算、机器学 习、数据挖掘。 发表学术论文 ２０ 余篇， 其中被 ＳＣＩ 检索 ４ 篇，ＥＩ 检索 １２ 篇。 蔡克参，女，１９９２ 年生，硕士研究 生，主要研究方向为粒计算方法在农业 信息化中的应用。 ２０１６ 国际脑与人工智能研讨会 Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒｋｓｈｏｐ ｏｎ Ｂｒａｉｎ ａｎｄ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ （ＢＡＩ ２０１６） Ｃｒｅａｔｉｎｇ ｈｕｍａｎ⁃ｌｅｖｅｌ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍ ｉｓ ｔｈｅ ｌｏｎｇ⁃ｓｔａｎｄｉｎｇ ｍｉｓｓｉｏｎ ｆｏｒ ｔｈｅ ｆｉｅｌｄ ｏｆ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ （ＡＩ） ｓｉｎｃｅ ｉｔｓ ｅｓｔａｂｌｉｓｈｍｅｎｔ ｎｅａｒｌｙ ６０ ｙｅａｒｓ ａｇｏ． Ｕｎｔｉｌ ｎｏｗ， ｈｏｗｅｖｅｒ， ｔｈｅｒｅ ｉｓ ｓｔｉｌｌ ｎｏ ｇｅｎｅｒａｌ ｐｕｒｐｏｓｅ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍ ｗｈｉｃｈ ｃａｎ ｒｅａｃｈ ｔｈｅ ｈｕｍａｎ ｉｎｔｅｌｌｉｇｅｎｃｅ ｌｅｖｅｌ ｉｎ ｔｅｒｍｓ ｏｆ ｃｏｏｒｄｉｎａｔｉｎｇ ｖａｒｉｏｕｓ ｃｏｇｎｉｔｉｖｅ ｂｅｈａｖｉｏｒｓ， ａｄａｐｔａｂｉｌｉｔｙ ｏｆ ｃｏｍｐｌｅｘ ｅｎｖｉｒｏｎ⁃ ｍｅｎｔｓ， ａｎｄ ａｕｔｏｎｏｍｏｕｓ ｌｅａｒｎｉｎｇ ｕｎｄｅｒ ｎｅｗ ｅｎｖｉｒｏｎｍｅｎｔｓ． Ｗｉｔｈ ｔｈｅ ａｄｖａｎｃｅｍｅｎｔ ｏｆ Ｂｒａｉｎ Ｓｃｉｅｎｃｅ， Ｎｅｕｒｏｓｃｉｅｎｃｅ， ａｎｄ Ｃｏｇｎｉｔｉｖｅ Ｓｃｉｅｎｃｅ， ｉｔ ｉｓ ｎｏｗ ｐｏｓｓｉｂｌｅ ｆｏｒ ｐａｒｔｉａｌｌｙ ｏｂｓｅｒｖｉｎｇ ａｎｄ ｏｂｔａｉｎｉｎｇ ｄａｔａ ｏｎ ｔｈｅ ａｃｔｉｖｉｔｉｅｓ ｏｆ ｂｒａｉｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ａｔ ｍｕｌｔｉｐｌｅ ｓｃａｌｅｓ ｗｈｉｌｅ ｔｈｅｙ ａｒｅ ｃｏｎｄｕｃｔｉｎｇ ｖａｒｉｏｕｓ ｃｏｇｎｉｔｉｖｅ ｔａｓｋｓ． Ｈｅｎｃｅ， ｕｎｄｅｒｓｔａｎｄｉｎｇｓ ｏｆ ｔｈｅ ｂｒａｉｎ ａｔ ｍｕｌｔｉｐｌｅ ｓｃａｌｅｓ ｗｉｌｌ ｂｒｉｎｇ ｉｎｓｐｉｒａｔｉｏｎｓ ｔｏ ｆｕｔｕｒｅ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ｒｅｓｅａｒｃｈ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ． Ｔｈｉｓ ｗｏｒｋｓｈｏｐ ａｉｍｓ ａｔ ｂｒｉｎｇｉｎｇ ｒｅｓｅａｒｃｈｅｒｓ ａｎｄ ｐｒａｃｔｉｔｉｏｎｅｒｓ ｆｒｏｍ Ｂｒａｉｎ Ｓｃｉｅｎｃｅ， Ｃｏｇｎｉｔｉｖｅ Ｓｃｉｅｎｃｅ， Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ， ｅｔｃ． ｔｏ ｄｉｓｃｕｓｓ ｈｏｗ ｔｈｅｙ ｃａｎ ｃｏｌｌａｂｏｒａｔｅ ａｎｄ ｉｎｓｐｉｒｅ ｅａｃｈ ｏｔｈｅｒ ｔｏ ａｄｖａｎｃｅ Ｂｒａｉｎ⁃ｉｎｓｐｉｒｅｄ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ． Ｔｈｅ ｗｏｒｋｓｈｏｐ ｗｉｌｌ ｂｅ ｃｏ⁃ｌｏｃａｔｅｄ ｗｉｔｈ ｔｈｅ ２０１６ Ｉｎ⁃ ｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｂｒａｉｎ Ｉｎｆｏｒｍａｔｉｃｓ ＆ Ｈｅａｌｔｈ， Ｏｃｔｏｂｅｒ １３ｔｈ， ２０１６ ｉｎ Ｏｍａｈａ， Ｎｅｂｒａｓｋａ， ＵＳＡ． Ｗｅｂｓｉｔｅ：ｈｔｔｐ： ／ ／ ｂｉｉ．ｉａ．ａｃ．ｃｎ ／ ｂａｉ⁃２０１６ ／ ·５３８· 智 能 系 统 学 报 第 １１ 卷