机器之心报道

近百位华人学者入选2019 IEEE Fellow,大陆30多位,有没有你导师?

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,机器之心也独家获知完整名单列表。据统计,新晋 IEEE Fellow 的华人学者近百位,来自大陆地区高校和企业的新晋 Fellow 30 多位,其中包括清华大学魏少军、Petuum创始人兼 CEO 邢波教授这样的资深学者,非常引人注目!

「这次评选的一大特点是很多相当资深而且早已功成名就的学者出现在名单上,比如清华大学的魏少军老师、CMU 的邢波教授、ETH的 Onur Mutlu(之前已经是 ACM Fellow)等等,体现了各位大佬对 IEEE Fellow 这一荣誉的重视。」杜克大学教授、IEEE Fellow 陈怡然在朋友圈表示。

以下是机器之心统计的入选华人学者,名单如下(注:根据网络公开信息整理,如有遗漏、错误之处,欢迎大家指正)

  • Hongbin Li(李宏彬):斯蒂文斯理工学院教授,信号处理和通讯(SPAC)实验室主任

  • 入选理由:在有限数据的自适应雷达信号处理方面的贡献。

  • Teng Long(龙腾):北京理工大学信息与电子学院博士生导师、雷达技术研究所所长

  • 入选理由:在高分辨率雷达系统领域做出的贡献。

  • Qing-xin Chu(褚庆昕):华南理工大学教授,广东省天线与射频工程技术研究中心主任,天线与射频技术研究所所长

  • 入选理由:在小型宽带天线方面做出的贡献。

  • Steve Gao:肯特大学教授

  • 入选理由:在低成本方向图可重构天线和宽带印制天线领域做出的贡献。

  • Xianming Qing:新加坡资讯通信研究院成员,博士

  • 入选理由:在无线射频系统天线方面的贡献。

  • Fan Yang(杨帆):清华大学电子工程系教授、微波与天线研究所所长

  • 入选理由:在天线界面电磁学方面的贡献。

  • Chih-peng Li(李志鹏):国立中山大学教授

  • 入选理由:在数位广播和无限传输方面做出的贡献。

  • Xiaotie Deng(邓小铁):北京大学教授 

  • 入选理由:在部分信息和交互环境中进行计算方面做出的贡献。

  • Hai Jin(金海):华中科技大学教授

  • 入选理由:在点对点(peer-to-peer)和云计算系统领域的贡献。

  • Shaoying Liu(刘少英):日本法政大学教授

  • 入选理由:在面向对象的结构化形式语言方面做出的贡献。

  • Dawn Song(宋晓东):加州大学伯克利分校计算机系教授

  • 入选理由:在系统安全和隐私方面做出的贡献。

  • Chi-keung Tang:香港科技大学教授

  • 入选理由:在计算机图形学应用中的交互式分割算法方面的贡献。

  • Zhuowen Tu(屠卓文):加州大学圣地亚哥分校副教授

  • 入选理由:在计算机视觉、医疗成像和深度学习领域做出的贡献。

  • Xiaofeng Wang:印第安纳大学伯明顿分校教授

  • 入选理由:在系统安全和数据隐私方面做出的贡献。

  • Eric Xing邢波):卡内基梅隆大学计算机科学系教授、Petuum 创始人&CEO

  • 入选理由:在机器学习算法和系统领域做出的贡献。

  • Ming-hsuan Yang:加州大学默塞德分校教授

  • 入选理由:在目标追踪和人脸识别领域的贡献。

  • Yizhou Yu(俞益洲):香港大学教授

  • 入选理由:在几何建模和基于图像的建模方面做出的贡献。

  • Daqing Zhang(张大庆):北京大学信息科学技术学院教授

  • 入选理由:在 context-aware 移动和普适系统领域做出的贡献。

  • Lin Zhong(钟林):美国莱斯大学教授

  • 入选理由:为有机发光二极管开发能源高效的驱动电路方面所做的贡献。

  • Jingren Zhou(周靖人):阿里巴巴集团副总裁

  • 入选理由:在云计算查询处理方面所做的贡献。

  • Lidong Zhou(周礼栋):微软亚洲研究院副院长

  • 入选理由:在可信分布式计算方面所做的贡献。

  • Yap-peng Tan:新加坡南洋理工大学教授

  • 入选理由:在视觉数据分析和处理方面做出的贡献。

  • 魏少军:清华大学教授

  • 入选理由:在智能卡和可重组设备上对集成电路工程做出的贡献。

  • Xiaokang Yang:上海交通大学

  • 入选理由:在视觉信号处理感知建模上做出的贡献。

  • Weisheng Zhao:北京航空航天大学教授

  • 入选理由:在自旋电子集成电路设计上做出的贡献。

  • Wen-chung Kao:国立台湾师范大学

  • 入选理由:在开发电泳显示技术上做出的贡献。

  • Yun Fu:美国东北大学副教授

  • 入选理由:在流形学习和人脸、姿态识别方面做出的贡献。

  • Zeng-guang Hou(侯增广):中国科学院

  • 入选理由:在神经网络最优化和复原控制做出的贡献。

  • Tingwen Huang(黄廷文):美国德州农工大学教授

  • 入选理由:在神经网络动态分析方面的贡献。

  • Chia-feng Juang(庄家峰):国立中兴大学教授

  • 入选理由:在数据驱动模糊系统(fuzzy system)领域做出的贡献。

  • Fuchun Sun(孙富春):清华大学计算机科学与技术系教授

  • 入选理由:在用于机器人操纵的非线性系统的神经网络控制方面的贡献

  • Zhaohui Wu(吴朝晖):浙江大学校长、教授,国家杰出青年基金获得者

  • 入选理由:在智能服务计算方面的贡献

  • 谢胜利:广东工业大学自动化学院百人计划特聘教授,智能信息处理研究所所长

  • 入选理由:在盲信号分离及其应用方面的贡献

  • Mengjie Zhang:新西兰惠灵顿维多利亚大学教授,工程学院副院长。

  • 入选理由:在进化学习和优化方法方面的贡献

  • Jiming Chen(陈积明):浙江大学控制科学与工程学系教授、2015 年「长江学者奖励计划」特聘教授

  • 入选理由:在无线传感器网络中的资源分配和优化方面的贡献

  • Pin-han Ho:滑铁卢大学电子与计算机工程系教授。

  • 入选理由:在光骨干网故障恢复方面的贡献

  • Tao Jiang(江涛):华中科技大学教授

  • 入选理由:在编程、调制和认知无线电系统设计方面的贡献

  • Yonghui Li:悉尼大学教授

  • 入选理由:在协作通信技术方面的贡献

  • Xin Liu(刘昕):加州大学戴维斯分校计算机系教授,国际知名的无线通信技术领域学者

  • 入选理由:在蜂窝技术和认知无线电网络的跨层资源分配算法设计方面的贡献。

  • Alex Liu:密歇根州立大学教授

  • 入选理由:在防火墙设计和分析方面的贡献。

  • Shiwen Mao:美国奥本大学教授

  • 入选理由:在无线多媒体网络方面的贡献。

  • Yi Qian:内布拉斯加大学林肯分校教授

  • 入选理由:在无线通信网络和智能电网通信架构所做的贡献。

  • Lingyang Song:北京大学教授

  • 入选理由:在协作通信和网络方面的贡献。

  • Jian Tang:雪城大学教授(Syracuse University)

  • 入选理由:在优化无线网络和移动众包系统所做的贡献

  • Meixia Tao(陶梅霞):上海交通大学教授

  • 入选理由:在宽频无线网络的资源分配方面所做的贡献

  • Yanchao Zhang:亚利桑那州立大学副教授

  • 入选理由:在无线和移动安全领域所做的贡献。

  • Min Wu

  • 入选理由:在复杂系统的控制和自动化方面所做的贡献。

  • Xing Bi Chen

  • 入选理由:为功率超结金属氧化物半导体场效应晶体管所做的贡献

  • Kangguo Cheng:IBM Research 首席工程师

  • 入选理由:在贫化绝缘硅片互补的 Metal-Oxide 半导体处理技术上所作的贡献

  • Lijun Jiang:香港大学副教授

  • 入选理由:为宽带计算电磁方法所做的贡献

  • Xuejun Fan:拉玛尔(Lamar)大学教授

  • 入选理由:为电子包装设计的建模和表征所做的贡献

  • Shutao Li(李树涛):湖南大学研究生院院长

  • 入选理由:在遥感中对图像融合和分类所做出的贡献

  • 张良培:武汉大学教育部「长江学者」特聘教授

  • 入选理由:为遥感数据的影响处理所做的贡献

  • Tommy Chow:香港城市大学教授

  • 入选理由:因其对控制系统诊断的智能计算技术方面的贡献而入选

  • Qing-long Han:斯威本科技大学教授

  • 入选理由:因其对网络系统控制与过滤领域的贡献而入选。

  • Donghua Zhou:俄克拉荷马州立大学

  • 入选理由:因其对动态系统可靠性与维护方面的贡献而入选

  • Kaizhong Gao:阿贡国家实验室

  • 入选理由:因其对数据存储技术的贡献而入选

  • Chih-huang Lai:国立清华大学

  • 入选理由:因其对磁信息存储和自旋电子元件的贡献而入选

  • Jonathan Sun:IBM

  • 入选理由:因其对旋转移力矩磁性随机内存方面的贡献而入选

  • Yuanxun Wang

  • 入选理由:对时变、非线性电磁装置和系统的贡献

  • Jiyuan Fan

  • 入选理由:引领配电系统应用的研究

  • Guangning Wu(吴广宁):西南交通大学教授

  • 入选理由:为高速电气化铁路的牵引供电设备诊断做出贡献

  • Bao-hui Zhang(张保会):西安交通大学教授

  • 入选理由:对电力系统暂态稳定性预测的贡献

  • Z Chen:丹麦奥尔堡大学教授

  • 入选理由:为风能转换的电力电子技术做出的贡献

  • Jinjun Liu(刘进军):西安交通大学教授

  • 入选理由:为电力系统的建模和控制做出的贡献

  • Shuo Wang

  • 入选理由:为减少电子系统中的电磁干扰而作出的贡献

  • Richard Zhang:GE Grid Solutions 公司

  • 入选理由:因领导电力电子转换器的开发

  • Hui Cao:耶鲁大学应用物理系

  • 入选理由:因激光空间相干性工程的贡献

  • Hon Tsang:香港中文大学电子工程学系教授

  • 入选理由:在非线性硅光子学及高级波导光栅耦合器方面的贡献

  • Chee Wei Wong:加州大学洛杉矶分校电气和计算机工程教授、介观光学与量子电子实验室成员

  • 入选理由:在硅纳米光子学方面的贡献

  • 姚晓天:天津大学长江学者、特聘教授,天津大学光偏振研究中心主任

  • 入选理由:引领光电振荡器和光偏振设备的发展

  • 乔红:中国科学院自动化研究所「类脑智能研究中心」副主任

  • 入选理由:在机器人操作及受生物启发的机器人认知方面的贡献

  • 陈杰:同济大学校长、中国工程院院士

  • 入选理由:在复杂系统优化及控制方面的贡献

  • 刘晓平:北京邮电大学现代邮政学院执行院长、教授

  • 入选理由:在系统辨识及网络化遥操作方面的贡献

  • 伍乃骐:广东工业大学教授、博士生导师

  • 入选理由:在离散事件生产系统方面的贡献

  • Xuze Shui(徐泽水):四川大学商学院教授

  • 入选理由:对决策制定方法方面的贡献

  • Jianfeng Gao:微软研究院合伙人研究经理

  • 入选理由:因其在网页搜索、自然语言处理机器学习方面的贡献而入选

  • Xiaodong He(何晓冬):京东AI研究院常务副院长,深度学习和语音及语言实验室主任 

  • 入选理由:在人类语言和视觉技术中多模态信号处理的贡献

  • Mei yuh Hwang(黄美玉):出门问问工程副总裁、Mobvoi AI Lab 负责人,华盛顿大学电子工程系 Affiliate Professor。

  • 入选理由:在语音、语言技术领域的突出贡献

  • Qi Li

  • 入选理由:在语音信号处理和说话人验证方面的贡献

  • Mei Tao(梅涛):京东 AI 研究院副院长,计算机视觉与多媒体实验室主任

  • 入选理由:在多媒体分析和应用方面的贡献

  • Yan Sun:美国罗德岛大学教授

  • 入选理由:在网络物理安全信任模型以及统计信号处理领域的贡献

  • Liang Wang(王亮):中科院自动化所研究员

  • 入选理由:在基于视频的个体识别与动作分析领域的贡献

  • Yimin D Zhang:天普大学副教授

  • 入选理由:在高分辨率测向与雷达信号处理领域的贡献

  • Cha Zhang:微软研究院首席研究员

  • 入选理由:在图像与数据处理机器学习方面的贡献

  • Mengfan Zhang(张孟凡):国立清华大学电机工程学系教授

  • 入选理由:在嵌入式系统静态与非易失存储器领域的贡献

  • Qifa Zhou(周歧发):美国南加州大学生物医学工程系及眼科系和 NIH 超声技术研究中心教授

  • 入选理由:在医学超声换能器和多模态图像领域的贡献

  • Ping Zhang(张平):北京邮电大学电路与系统中心教授、博士生导师

  • 入选理由:在无线技术的理论、标准化和应用方面的领导地位

  • Gang Hua(华刚):微软亚洲研究院视觉计算组组长

  • 入选理由:因其在图像、视频面部识别领域的贡献而入选

  • Deming Chen(陈德铭):美国伊利诺伊大学香槟分校电气与计算机工程系(UIUC ECE)教授

  • 入选理由:因其在 FPGA 高阶综合的贡献而入选

  • Hai Li(李海):杜克大学进化智能中心联合主任

  • 入选理由:因其在神经形态计算系统的贡献而入选

  • Harkhoe Tan:澳大利亚国立大学教授

  • 入选理由:因在合成半导体光电子学材料和设备方面的贡献而入选

产业IEEE
1
相关数据
槃腾机构

槃腾科技是为企业提供AI的软件基础架构和生态系统提供商。 Petuum的操作系统为用户提供了一个集成式的AI平台,可以让用户使用大量数据构建任何机器学习或深度学习应用程序,并将其大规模部署在任何硬件上,例如工作站,数据中心,物联网和边缘计算等。

微软亚洲研究院机构

微软亚洲研究院于1998年在北京成立,是微软公司在亚太地区设立的基础及应用研究机构,也是微软在美国本土以外规模最大的一个研究院。微软亚洲研究院从事自然用户界面、智能多媒体、大数据与知识挖掘、人工智能、云和边缘计算、计算机科学基础等领域的研究,致力于推动计算机科学前沿发展,着眼下一代革命性技术的创新,助力微软实现长远发展战略。通过与微软产品部门紧密合作,微软亚洲研究院将众多创新技术转移到了微软的核心产品中,如Office、Windows、Azure、Bing、Visual Studio、Xbox Kinect以及小冰、Cortana和Microsoft Translator等人工智能产品。

https://www.msra.cn/
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/
刘昕 人物

加州大学戴维斯分校计算机系教授,国际知名的无线通信技术领域学者。研究方向:数据驱动网络(Data-driven networking,DDN)、将机器学习应用于动物健康、将机器学习应用于医疗领域。

邢波人物

卡内基梅隆大学计算机科学学院教授,机器学习系副主任,专攻机器学习、计算生物学和统计方法等方向。他与合作者开发了Petuum平台,利用工作站、分布式计算机、移动设备或嵌入式设备来解决大型机器学习的问题。2016年11月,邢波创立Petuum公司,担任CEO和首席科学家。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

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。

重构技术

代码重构(英语:Code refactoring)指对软件代码做任何更动以增加可读性或者简化结构而不影响输出结果。 软件重构需要借助工具完成,重构工具能够修改代码同时修改所有引用该代码的地方。在极限编程的方法学中,重构需要单元测试来支持。

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

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。

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)。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

遥感技术

遥感(remote sensing)是指非接触的、远距离的探测技术。一般指运用传感器/遥感器探测物体的电磁波辐射、反射特性。遥感通过遥感器这类对电磁波敏感的仪器,在远离目标和非接触目标物体条件下探测目标。

流形学习技术

流形学习(manifold learning)是机器学习、模式识别中的一种方法,在维数约简方面具有广泛的应用。它的主要思想是将高维的数据映射到低维,使该低维的数据能够反映原高维数据的某些本质结构特征。流形学习的前提是有一种假设,即某些高维数据,实际是一种低维的流形结构嵌入在高维空间中。流形学习的目的是将其映射回低维空间中,揭示其本质。

查询技术

一般来说,查询是询问的一种形式。它在不同的学科里涵义有所不同。在信息检索领域,查询指的是数据库和信息系统对信息检索的精确要求

神经形态计算技术

神经形态工程也称为神经形态计算,是Carver Mead在1980年代后期开发的一个概念,描述了使用包含电子模拟电路来模拟神经系统中存在的神经生物学结构的超大规模集成(VLSI)系统。 近来,神经形态(Neuromorphic)一词已被用于描述模拟、数字、混合模式模拟/数字VLSI以及实现神经系统模型(用于感知,运动控制或多感官集成)的软件系统。

信号处理技术

信号处理涉及到信号的分析、合成和修改。信号被宽泛地定义为传递“关于某种现象的行为或属性的信息(如声音、图像和生物测量)”的函数。例如,信号处理技术用于提高信号传输的保真度、存储效率和主观质量,并在测量信号中强调或检测感兴趣的组件。我们熟悉的语音、图像都可以看做是一种信号形式。因此,对于语音、图像的增强、降噪、识别等等操作本质上都是信号处理。

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。

分布式计算技术技术

在计算机科学中,分布式计算,又译为分散式運算。这个研究领域,主要研究分布式系统如何进行计算。分布式系统是一组电脑,通过网络相互链接传递消息与通信后并协调它们的行为而形成的系统。组件之间彼此进行交互以实现一个共同的目标。

嵌入式系统技术

嵌入式系统,是一种嵌入机械或电气系统内部、具有专一功能和实时计算性能的计算机系统。嵌入式系统常被用于高效控制许多常见设备,被嵌入的系统通常是包含数字硬件和机械部件的完整设备,例如汽车的防锁死刹车系统。

推荐文章
暂无评论
暂无评论~