Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

不完全统计,多位华人学者入选IEEE Fellow 2019

IEEE 全称是美国电子电气工程师学会(Institute of Electrical and Electronic Engineers),是国际性电子技术与信息科学工程师学会,在 160 多个国家拥有超过 40 万会员。IEEE Fellow 为学会最高等级会员,是 IEEE 授予成员的最高荣誉,在学术科技界被认定为权威的荣誉和重要的职业成就。当选人需要对工程科学与技术的进步或应用做出重大贡献,为社会带来重大价值。当选人数不超过 IEEE 当年会员总数的 0.1%。

虽然IEEE Fellow 2019 评选结果还未正式出炉,但 2018 年 IEEE 董事会会议已于11 月召开,已有部分入选名单流出。据机器之心不完全统计,有多位华人学者入选:

同济大学校长陈杰院士

陈杰院士以其在复杂系统的优化与控制方向做出的突出贡献,当选 IEEE Fellow,任期从 2019 年 1 月 1 日开始。 

陈杰,工学博士,教授。1965 年 7 月出生于福建省福清市,控制理论与控制工程专家,中国工程院院士。2018 年 7 月担任同济大学校长、党委副书记。陈杰院士长期从事控制科学与工程、智能控制等领域研究工作,主要研究方向是复杂系统的多指标优化与控制、多智能体协同控制等。先后承担 973 计划、国家自然科学基金、预先研究、型号研制等多项任务。提出并建立了分布式协同控制的混合智能优化与稳定性的理论与方法,突破了数字化阵地信息快速自主获取与控制、多运动平台的分布式协同控制等技术难题,并将研究成果与装备系统建设密切结合,所研制出的装备已得到大量列装,产生了显著的社会效益和经济效益。以第一完成人获国家自然科学奖二等奖 1 项、国家科技进步二等奖 2 项、获省部级一等奖 4 项,以及获得 2018 年度何梁何利基金 “科学与技术进步奖”。

清华大学教授孙富春

中国人工智能学会常务理事,认知系统与信息处理专业委员会主任,清华大学教授,博士生导师,清华大学校学术委员会委员,计算机科学与技术系学术委员会主任,智能技术与系统国家重点实验室常务副主任。兼任担任国家 863 计划专家组成员,国家自然基金委重大研究计划 “视听觉信息的认知计算” 指导专家组成员,中国人工智能学会认知系统与信息处理专业委员会主任,中国自动化学会认知计算与系统专业委员会主任。

中科院自动化所王亮研究员

王亮,研究员,博士生导师,国际电子电气工程师学会(IEEE)会士,国际模式识别学会(IAPR)会士,国家杰出青年科学基金获得者,中国青年科技奖获得者。1997 年和 2000 年分别获安徽大学工学学士和硕士学位,2004 年获中国科学院自动化研究所工学博士学位。2004-2010 年分别在英国帝国理工大学、澳大利亚莫纳什大学、澳大利亚墨尔本大学及英国巴斯大学工作,历任助理研究员、研究员和讲师。2010 年入选中国科学院 “百人计划”(终期优秀),现为中科院自动化所模式识别国家重点实验室副主任、智能感知与计算研究中心副主任、研究员。王亮博士主要从事机器学习计算机视觉模式识别数据挖掘等相关领域的研究工作。

中国科学院自动化所侯增广

中国人工智能学会理事,中国科学院自动化研究所研究员,国家杰出青年科学基金获得者,博士生导师,复杂系统管理与控制国家重点实验室副主任,国家万人计划入选者。获得国家自然科学二等奖、杨家墀科技奖、中国科学院优秀导师奖、IEEE Trans on Neural Networks Outstanding Paper Award。担任 IEEE Transactions on CyberneticsNeural Networks、控制理论与应用等编委。

西安交大刘进军教授

西安交通大学电气工程学院教授,2005年-2010年兼任电气工程学院副院长,2009年4月-2015年1月兼任西安交通大学教务处处长。现为IEEE电力电子学会副主席,中国电源学会副理事长,中国电工技术学会电力电子学会副理事长,教育部电气类专业教学指导委员会副主任委员。

刘进军教授长期从事电力电子技术研究,发表SCI论文50余篇,EI论文400余篇,获IEEE电力电子学报2016年最佳论文奖。2014年入选教育部长江学者特聘教授。

西安交大张保会教授

西安交通大学电气工程学院二级教授,曾任电气工程学院副院长。主要从事电力系统继电保护及安全自动装置领域研究。发表SCI论文24篇,EI论文362篇,主持国家级科研项目16项,国际合作项目3项。获省部级科研成果奖5项,国家科技进步二等奖一项。

出门问问工程副总裁、Mobvoi AI Lab的负责人黄美玉博士

据介绍,黄美玉博士因其在语音/语言技术领域的突出贡献而入选。黄美玉博士担任出门问问工程副总裁、Mobvoi AI Lab负责人,是华盛顿大学电子工程系Affiliate Professor,语音识别及NLP等人工智能领域的资深科学家。

黄美玉博士于1993年12月获得美国卡耐基梅隆大学计算机科学博士学位,是卡内基梅隆CMU SPHINX语音识别系统的主要奠基人。她于1992年提出的基于决策树的马尔可夫状态聚类(Markov State Clustering based on Decision Trees)算法,至今仍是主流语音识别系统的重要基础之一。黄美玉曾任微软研究院资深科学家(Principal Scientist),在微软工作的18年内,她参与过Bing机器翻译、Cortana(“小娜”)等产品的研发,主导了微软在中国的语音识别和语意解析研究、Skype从语音到语音的翻译功能的声学建模、微软研究院牛津计划中语音识别语言模型的自适应及中文语意理解的自适应模型。

2016年,黄美玉博士加入出门问问,创立了Mobvoi AI Lab,主要负责语音识别以及自然语言处理算法等方面的研究开发工作。2018年,Mobvoi AI Lab在语音NLP国际顶会如ACL、EMNLP、ICASSP上共发表了8篇学术论文。

同时,黄美玉博士在美国华盛顿大学兼任教授,并与国内外多所院校如西北工业大学、约翰霍普金斯大学联合培养了多位语音领域博士人才。

以上为机器之心不完全统计的入选华人学者,如有遗漏,欢迎读者留言补充。


产业IEEE人工智能计算机科学
1
相关数据
出门问问机构

出门问问成立于2012年,是一家以语音交互和软硬结合为核心的人工智能公司,为全球40多个国家和地区的消费者、企业提供人工智能产品和服务。出门问问的使命是定义下一代人机交互,让人和机器的交互更自然。公司自主研发并建立了完整的“端到端”人机交互相关技术栈,包括声音信号处理、热词唤醒、语音识别、自然语言理解、对话管理、垂直搜索、智能推荐、语音合成、知识图谱等,并始终保持国际前沿技术水平。ToC场景推出了以智能手表TicWatch系列和无线耳机TicPods系列为主的可穿戴设备组合,ToB层面已为物联网、金融、电信、健康养老、餐饮、车载等企业级场景提供服务。

https://www.chumenwenwen.com/
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

控制理论技术

控制理论是工程学与数学的跨领域分支,主要处理在有输入信号的动力系统的行为。系统的外部输入称为“参考值”,系统中的一个或多个变数需随着参考值变化,控制器处理系统的输入,使系统输出得到预期的效果。 控制理论一般的目的是借由控制器的动作让系统稳定,也就是系统维持在设定值,而且不会在设定值附近晃动。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

机器翻译技术

机器翻译(MT)是利用机器的力量「自动将一种自然语言(源语言)的文本翻译成另一种语言(目标语言)」。机器翻译方法通常可分成三大类:基于规则的机器翻译(RBMT)、统计机器翻译(SMT)和神经机器翻译(NMT)。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

控制论技术

控制论是一门跨学科研究, 它用于研究控制系统的结构,局限和发展。在21世纪,控制论的定义变得更加宽泛,主要用于指代“对任何使用科学技术的系统的控制”。由于这一定义过于宽泛,许多相关人士不再使用“控制论”一词。 控制论与对系统的研究有关,如自动化系统、物理系统、生物系统、认知系统、以及社会系统等等。

语言模型技术

语言模型经常使用在许多自然语言处理方面的应用,如语音识别,机器翻译,词性标注,句法分析和资讯检索。由于字词与句子都是任意组合的长度,因此在训练过的语言模型中会出现未曾出现的字串(资料稀疏的问题),也使得在语料库中估算字串的机率变得很困难,这也是要使用近似的平滑n元语法(N-gram)模型之原因。

推荐文章
机器之心・CEO
恭喜