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

泽南、蛋酱报道

2023 IEEE Fellow出炉:唐立新、宗成庆、朱军、姬水旺、李佳等入选

近日,美国电子电气工程师学会(Institute of Electrical and Electronic Engineers,IEEE)确定了新一届 Fellow 名单。

IEEE 是国际性的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。
图片
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。学会规定当选人数不超过 IEEE 当年会员总数的 0.1%,最近十年里每年约有 300 人当选。

以下为机器之心整理的新一届 IEEE Fellow 部分成员名单(以姓氏英文字母排序):

别朝红

  • 西安交通大学
  • 入选理由:对电力系统可靠性和弹性的贡献。

Norman Chang

  • ANSYS, Inc.
  • 入选理由:表彰在 SoC/3DIC 电子设计自动化的物理级签收方面的领先地位

Yuan-Hao Chang

  • 「中央研究院」
  • 入选理由:表彰对非易失性存储器可靠性的贡献

张纵辉

  • 香港中文大学
  • 入选理由:表彰对分布式优化方法及其在信号处理和无线通信中的应用的贡献


Paul C.-P. Chao

  • 阳明交通大学
  • 入选理由:表彰对光学生物成像和传感技术的贡献

陈海波

  • 上海交通大学
  • 入选理由:为分布式操作系统的设计和实现做出贡献。
 
Yonghong Chen

  • MISO(美国)
  • 入选理由:表彰在电力批发市场设计和运营方面的贡献

陈虹

  • 同济大学电子与信息工程学院院长
  • 入选理由:对预测控制和汽车系统应用的贡献。
 
Hao Chen

  • 加州大学戴维斯分校
  • 入选理由:为软件和移动系统的安全做出贡献。

陈贵海

  • 南京大学
  • 入选理由:对大规模分布式网络架构的贡献。

Yixin Chen

  • 华盛顿大学
  • 入选理由:对推进深度学习系统的紧凑性和适用性做出贡献。

Julian Z Cheng

  • 不列颠哥伦比亚大学(加拿大)
  • 入选理由:对无线系统数学建模和无线网络节能资源管理的贡献。

Shing C Cheung(中国香港)

  • 入选理由:对软件测试方法和错误管理的贡献。

池越洁(Yuejie Chi)

  • 卡耐基梅隆大学
  • 入选理由:对低维结构统计信号处理的贡献。

Jinho Choi

  • 迪肯大学(澳大利亚)
  • 入选理由:对多址信号处理系统的贡献。

Frederic Chong

  • 芝加哥大学
  • 入选理由:对量子计算机体系结构、编译和优化领域的贡献。

Song Ci

  • 清华大学
  • 入选理由:对可重构电动汽车电池的贡献。

Wei Ding

  • 马萨诸塞大学波士顿分校
  • 入选理由:为科学领域的数据挖掘和大数据研究做出贡献。

Daoyi Dong

  • 澳大利亚国防军学院
  • 入选理由:对量子系统控制和强化学习的贡献。

Wenliang Du

  • 雪城大学(美国)
  • 入选理由:对网络安全教育和研究的贡献。

Fei Gao

  • 贝尔福 - 蒙贝利亚尔科技大学(法国)
  • 入选理由:对燃料电池和功率转换器的实时仿真和控制技术的贡献。

Zhiwei Gao

  • 诺桑比亚大学(英国)
  • 入选理由:为风力涡轮机系统的实时诊断和控制做出贡献。

Yike Guo

  • 帝国理工学院(英国)
  • 入选理由:对数据挖掘及其应用的贡献。

郭雷

  • 北京航空航天大学
  • 入选理由:对复合抗扰动控制系统的贡献。

韩光洁

  • 河海大学
  • 入选理由:对水下物联网和工业物联网的贡献。

Chen He

  • 恩智浦半导体/Austin TX USA
  • 入选理由:对汽车微控制器和微处理器测试的贡献。


胡斌

  • 兰州大学
  • 入选理由:对普适情感计算的贡献。

He Huang

  • 北卡罗莱纳州立大学
  • 入选理由:对康复机器人控制发展的贡献。

姬水旺(Shuiwang Ji)

  • 得克萨斯农工大学
  • 入选理由:对机器学习数据挖掘的贡献。

Hai Jiang 

  • 阿尔伯塔大学
  • 入选理由:对认知无线电网络和无线性能分析的贡献。

Xiaoning Jiang

北卡罗莱纳州立大学
入选理由:对用于高级传感、成像和治疗的超声换能器的贡献。


金芝

  • 北京大学
  • 入选理由:为知识驱动的软件开发做出重大贡献。

康勇

  • 华中科技大学
  • 入选理由:为逆变器和可再生能源转换系统的数字控制做出贡献。

Zong-Ming Li

  • 亚利桑那大学
  • 入选理由:表彰对腕管生物力学和神经肌肉手运动控制的贡献。

李明禄

  • 上海交通大学
  • 入选理由:对无线传感器和车辆网络的贡献。

Jonathan Li

  • 滑铁卢大学(加拿大)
  • 入选理由:为 LiDAR 遥感中的点云分析做出贡献。

Zhenguo Li

  • Institute for Infocomm Research(新加坡)
  • 入选理由:对视频编码和流媒体优化以及边缘保留滤波器的贡献。

Chen Li

  • 加州大学尔湾分校
  • 入选理由:为支持数据库和数据密集型计算中的相似性查询做出的贡献。

Guann-Pyng Li

  • 加州大学尔湾分校
  • 入选理由:对硅和化合物半导体中双极器件、电路和技术的贡献。

李国良

  • 清华大学
  • 入选理由:对 human-in-the-loop 数据管理数据库系统的贡献。

李佳

图片

  • 斯坦福大学
  • 入选理由:在大规模人工智能上的领导力。

李佳此前曾任谷歌云机器学习 / 人工智能研发负责人(Head of R&D, AI/ML, Senior Director at Cloud,Google)。本科毕业于中国科大自动化系。新加坡南洋理工大学硕士。在伊利诺伊大学香槟分校、普林斯顿大学与斯坦福大学跟随李飞飞从事计算机视觉研究。2011 年获斯坦福大学计算机科学博士。

Haibin Ling

  • 石溪大学(美国)
  • 入选理由:为视觉跟踪和匹配的计算机视觉技术做出贡献。

刘志刚

  • 西南交通大学
  • 入选理由:为高速铁路电力系统故障检测和保护做出的贡献。

刘威

图片

  • 腾讯杰出科学家
  • 入选理由:对大规模机器学习和多媒体智能的贡献。

Ce Liu

  • 微软
  • 入选理由:对计算机视觉和计算摄影的贡献。

Liu Xiaoming

  • 密歇根州立大学
  • 入选理由:对面部图像分析和识别的贡献。

毛承雄

  • 华中科技大学
  • 入选理由:在电力系统主动控制及其工业应用领域的领先地位。

苗春燕

  • 南洋理工大学
  • 入选理由:表彰在多模态信号处理人工智能技术方面对老龄化和人口健康方面的贡献

Tze Sing Eugene Ng

  • 莱斯大学
  • 入选理由:表彰对数据中心网络的电路交换创新和互联网延迟估算的可扩展方法的贡献。

欧阳晔

  • 亚信科技
  • 入选理由:表彰在网络智能和自组织蜂窝网络方面的领导地位

潘建平

  • 维多利亚大学
  • 入选理由:表彰对无线网络拓扑控制的贡献

潘时龙

  • 南京航空航天大学
  • 入选理由:表彰对高性能微波 - 光子成像雷达的贡献

Daniel Povey

图片

  • 小米公司
  • 入选理由:表彰对语音识别的声学建模的贡献

Daniel Povey 是国际语音识别和 AI 领域的知名教授、 语音识别开源工具 Kaldi 之父 。2003 年,在剑桥大学获得语音识别博士学位。2008 年到 2012 年, 在微软研究院参与计算机语音识别方面的工作。2012 年,加入约翰霍普金斯大学,担任语言和语音处理中心的副教授。2019 年 10 月,Daniel Povey 正式加入小米公司。

齐一虹

  • 通用测试系统公司
  • 入选理由:表彰对大规模 MIMO 系统的空中测试和空中测量系统开发的贡献

李宇根

  • 清华大学
  • 入选理由:表彰对锁相电路和系统的贡献

盛万兴

  • 中国电力科学研究院
  • 入选理由:表彰对智能电力系统安全运行和协调控制的贡献

施凌

  • 香港科学与技术大学
  • 入选理由:表彰对网络物理系统优化和安全的贡献

沈平

  • 南方科技大学
  • 入选理由:表彰他在基于光纤的技术及其各种应用方面的开创性贡献

苏文藻

  • 香港中文大学
  • 入选理由:表彰对信号处理和通信优化的贡献

Houbing Song

  • 安布里 - 里德尔航空大学(美国)
  • 入选理由:表彰对大数据分析人工智能与物联网整合的贡献

苏振东

  • 苏黎世联邦理工学院
  • 入选理由:表彰对自动化软件测试和分析的贡献

谈瑛

  • 墨尔本大学
  • 入选理由:表彰对康复机器人技术的贡献

唐立新

  • 东北大学
  • 入选理由:表彰对计算智能和制造业应用的贡献

唐珂

  • 南方科技大学
  • 入选理由:表彰对大规模优化的可扩展进化算法的贡献

Andrew A Tay

  • 新加坡科技设计大学
  • 入选理由:表彰对半导体封装的湿热机械故障预防的贡献

Kin F Tong

  • 伦敦大学学院
  • 入选理由:表彰对宽频和圆极化印刷天线设计的贡献

汪建平

  • 香港城市大学
  • 入选理由:表彰对复杂系统的复原力的贡献

王雄飞

  • 奥尔堡大学(丹麦)
  • 入选理由:表彰对基于电力电子的电力系统的贡献

王骞

  • 武汉大学
  • 入选理由:表彰对安全云数据存储和无线系统安全的贡献

王华

  • 佐治亚理工学院
  • 入选理由:表彰对高效微波和毫米波功率放大器的贡献

Hong Wang

  • 橡树岭国家实验室
  • 入选理由:表彰对复杂动力系统的学习控制和诊断的贡献

王新

  • 复旦大学
  • 入选理由:表彰对宽带移动网络的无线定位和动态资源分配的杰出贡献

Xiaoyu Wang

  • 入选理由:表彰对嵌入式系统的视频分析技术的贡献

王银海

  • 华盛顿大学
  • 入选理由:表彰对交通传感、交通数据科学和智能基础设施系统的贡献

Jue Wang

  • 入选理由:表彰对图像和视频垫层处理质量的贡献

王伟

  • 加州大学洛杉矶分校
  • 入选理由:表彰对数据挖掘的贡献

吴永伟

  • 清华大学
  • 入选理由:表彰对高性能数据存储和数据密集型计算系统的贡献

吴开顺

  • 深圳大学
  • 入选理由:表彰对无线传感和泛在计算的贡献

伍冬睿

  • 华中科技大学
  • 入选理由:表彰对模糊逻辑及其在控制和决策方面的应用的贡献

夏强飞

  • 马萨诸塞大学阿默斯特分校
  • 入选理由:表彰对用于内存计算的电阻式存储器阵列和设备的贡献

肖小奎

  • 新加坡国立大学
  • 入选理由:表彰对数据库隐私和图形数据管理的贡献

徐立军

  • 北京航空航天大学
  • 入选理由:表彰对多相流测量和燃烧过程监测的贡献

Mingzhou Xu

  • 霍尼韦尔国际公司
  • 入选理由:以表彰对全电动飞机动力系统的贡献

Jingling Xue

  • 新南威尔士大学
  • 入选理由:以表彰对编译器优化和程序分析的贡献

杨俊

  • 拉夫堡大学(英国)
  • 入选理由:以表彰对基于扰动观测器的控制的贡献

杨平

  • 得克萨斯农工大学
  • 入选理由:以表彰对冰云和尘埃气溶胶的辐射传输和遥感的开创性贡献

杨鲲

  • 埃塞克斯大学
  • 入选理由:以表彰对无线网络资源管理的贡献

姚丹凤

  • 弗吉尼亚理工大学
  • 入选理由:以表彰对企业数据安全和高精度漏洞筛选的贡献

Shen Yin

  • 挪威科学和技术大学
  • 入选理由:表彰对复杂系统的故障诊断和容错控制的贡献

Fung Yu Young

  • 香港中文大学
  • 入选理由:以表彰对 VLSI 物理设计中电子设计自动化的贡献
 
Shucheng Yu

  • 史蒂文斯理工学院(美国)
  • 入选理由:表彰对信息和网络安全的贡献

于全

  • 鹏程实验室
  • 入选理由:表彰在无线电和空 - 空 - 地一体化网络方面的技术领先地位

余水

  • 悉尼科技大学
  • 入选理由:表彰对网络安全和隐私的贡献

张海君

  • 北京科技大学
  • 入选理由:表彰对异构网络中无线电资源管理的贡献

张裕明

  • 肯塔基大学
  • 入选理由:以表彰对通过基于机器视觉的机器人焊接制造的贡献

张成辉

  • 山东大学
  • 入选理由:为表彰对可再生能源系统控制的贡献

张立

  • 香港中文大学
  • 入选理由:表彰对微型 / 纳米机器人群和生物医学转化平台的贡献

张志如

  • 康奈尔大学
  • 入选理由:以表彰对现场可编程门阵列高级合成和加速器设计的贡献

张友民

  • 康科迪亚大学(加拿大)
  • 入选理由:以表彰对故障诊断和容错控制系统的贡献

赵耀

  • 北京交通大学
  • 入选理由:表彰对图像 / 视频分析和多媒体内容保护的贡献

郑子彬

  • 中山大学
  • 入选理由:因对区块链可靠性工程的贡献

周翔云

  • 澳大利亚国立大学
  • 入选理由:以表彰对物理层安全和无线供电通信的贡献

周刚

  • 威廉玛丽学院(美国)
  • 入选理由:表彰对传感器网络和低功率无线网络的贡献

Yongxing Zhou

入选理由:表彰对 MIMO 波束成形编码簿和无线网络中智能频谱接入的贡献

朱浩瑾

图片

  • 上海交通大学
  • 入选理由:表彰对车辆网络和物联网安全的贡献

朱浩瑾,上海交通大学计算机科学与工程系教授,青年长江学者。主要研究方向「移动网络安全与泛在无线感知安全」。

朱军

图片

  • 清华大学
  • 入选理由:表彰对机器学习及其应用的贡献

朱军清华大学计算机系 Bosch AI 教授、人智所所长,瑞莱智慧联合创始人兼首席科学家,曾任卡内基梅隆大学兼职教授。长期从事机器学习研究,特别是概率机器学习、贝叶斯方法的基础理论、高效算法和编程库,并利用贝叶斯方法研究深度神经网络的对抗鲁棒性以及复杂环境下的决策学习等问题。担任 IEEE TPAMI 的副主编,ICML、NeurIPS、ICLR 等国际会议资深领域主席 / 领域主席 20 余次。曾获科学探索奖、中国计算机学会自然科学一等奖、吴文俊人工智能自然科学一等奖、ICLR 杰出论文奖等,入选万人计划领军人才、MIT TR35 中国先锋者、IEEE「AI’s 10 to Watch」、北京市优秀青年人才等,带领团队研制 「珠算」 深度概率编程库、「天授」强化学习库和 Ares 对抗攻防平台。获首届 「对抗样本攻防竞赛」 国际竞赛所有三个任务的冠军、ViZDoom 对抗决策国际竞赛 2018 年冠军等。

朱祖勍

  • 中国科学技术大学
  • 入选理由:表彰对弹性光网络和网络虚拟化的贡献

朱兴全

  • 佛罗里达大西洋大学
  • 入选理由:表彰他对大数据分析数据挖掘和网络表征学习的贡献

宗成庆

图片

  • 国家模式识别实验室
  • 入选理由:表彰对机器翻译自然语言处理的贡献

宗成庆现为中科院自动化所研究员、博士生导师、国际计算语言学委员会(ICCL)委员、中国人工智能学会会士和中国计算机学会会士。他于 1998 年 3 月在中科院计算所获得博士学位,主要研究兴趣包括自然语言处理机器翻译、文本数据挖掘和语言认知计算等领域,曾获国家科学技术进步奖二等奖、中国电子学会科技进步奖一等奖等若干奖励和荣誉。
入门李佳宗成庆朱军唐立新IEEE Fellow 2023
相关数据
清华大学机构

清华大学(Tsinghua University),简称“清华”,由中华人民共和国教育部直属,中央直管副部级建制,位列“211工程”、“985工程”、“世界一流大学和一流学科”,入选“基础学科拔尖学生培养试验计划”、“高等学校创新能力提升计划”、“高等学校学科创新引智计划”,为九校联盟、中国大学校长联谊会、东亚研究型大学协会、亚洲大学联盟、环太平洋大学联盟、清华—剑桥—MIT低碳大学联盟成员,被誉为“红色工程师的摇篮”。 清华大学的前身清华学堂始建于1911年,因水木清华而得名,是清政府设立的留美预备学校,其建校的资金源于1908年美国退还的部分庚子赔款。1912年更名为清华学校。1928年更名为国立清华大学。1937年抗日战争全面爆发后南迁长沙,与北京大学、南开大学组建国立长沙临时大学,1938年迁至昆明改名为国立西南联合大学。1946年迁回清华园。1949年中华人民共和国成立,清华大学进入了新的发展阶段。1952年全国高等学校院系调整后成为多科性工业大学。1978年以来逐步恢复和发展为综合性的研究型大学。

http://www.tsinghua.edu.cn/
相关技术
复旦大学机构

复旦大学(Fudan University),简称“复旦”,位于中国上海,由中华人民共和国教育部直属,中央直管副部级建制,国家双一流(A类)、985工程、211工程建设高校,入选珠峰计划、111计划、2011计划、卓越医生教育培养计划、卓越法律人才教育培养计划、国家建设高水平大学公派研究生项目,九校联盟(C9)、中国大学校长联谊会、东亚研究型大学协会、环太平洋大学协会的重要成员,是一所世界知名、国内顶尖的全国重点大学。

相关技术
Wei Ding人物

麻省大学波士顿分校科学与数学学院计算机科学系副教授,IEEE、ACM高级会员。研究兴趣:知识发现、数据挖掘、机器学习,及其在生物信息学、健康科学、天文学、地质科学和环境科学上的应用。

金芝人物

北京大学计算机科学教授,高可信软件技术教育部重点实验室常务副主任,国家杰出青年获得者。1994到2009年在中国科学院数学与系统科学研究院工作。研究兴趣:软件工程、需求工程、知识工程和机器学习。

李佳人物

李佳,此前曾任谷歌云机器学习/人工智能研发负责人(Head of R&D, AI/ML, Senior Director at Cloud,Google)。本科毕业于中国科大自动化系。新加坡南洋理工大学硕士。在伊利诺伊大学香槟分校、普林斯顿大学与斯坦福大学跟随李飞飞从事计算机视觉研究。2011 年获斯坦福大学计算机科学博士。曾在谷歌实习,2011 年加入雅虎,2014 年成为雅虎资深研究员,开始领导雅虎实验室的视觉计算和机器学习部门。2015 年 2 月,Snapchat 聘请李佳担任公司研发主管。2016 年加入谷歌。2018年11月从谷歌离职,全职参与斯坦福医学院智能医院项目。

相关技术
朱兴全人物

佛罗里达大西洋大学的计算机与电气工程系和计算机科学系的副教授。他的研究兴趣主要包括数据挖掘,机器学习,和多媒体系统。从2000年起,他在这些领域发表了170多余篇期刊论文和会议论文,并获得2篇最佳论文奖和1篇最佳学生论文奖。

朱军人物

朱军,清华大学计算机系长聘副教授、卡内基梅隆大学兼职教授。2001 到 2009 年获清华大学计算机学士和博士学位,之后在卡内基梅隆大学做博士后,2011 年回清华任教。主要从事人工智能基础理论、高效算法及相关应用研究,在国际重要期刊与会议发表学术论文百余篇。担任人工智能顶级杂志 IEEE TPAMI 和 AI 的编委、《自动化学报》编委,担任机器学习国际大会 ICML2014 地区联合主席, ICML (2014-2018)、NIPS (2013, 2015, 2018)、UAI (2014-2018)、IJCAI(2015,2017)、AAAI(2016-2018)等国际会议的领域主席。获 CCF 自然科学一等奖、CCF 青年科学家奖、国家优秀青年基金、中创软件人才奖、北京市优秀青年人才奖等,入选国家「万人计划」青年拔尖人才、MIT TR35 中国区先锋者、IEEE Intelligent Systems 杂志评选的「AI's 10 to Watch」(人工智能青年十杰)、及清华大学 221 基础研究人才计划。

李飞飞人物

李飞飞,斯坦福大学计算机科学系教授,斯坦福视觉实验室负责人,斯坦福大学人工智能实验室(SAIL)前负责人。专业领域是计算机视觉和认知神经科学。2016年11月李飞飞加入谷歌,担任谷歌云AI/ML首席科学家。2018年9月,返回斯坦福任教,现为谷歌云AI/ML顾问。10月20日斯坦福大学「以人为中心的AI计划」开启,李飞飞担任联合负责人。11月20日李飞飞不再担任SAIL负责人,Christopher Manning接任该职位。

区块链技术

区块链是用分布式数据库识别、传播和记载信息的智能化对等网络, 也称为价值互联网。 中本聪在2008年,于《比特币白皮书》中提出“区块链”概念,并在2009年创立了比特币社会网络,开发出第一个区块,即“创世区块”。

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。

Julia技术

Julia 是MIT设计的一个面向科学计算的高性能动态高级程序设计语言,项目大约于2009年中开始,2018年8月JuliaCon2018 发布会上发布Julia 1.0。据介绍,Julia 目前下载量已经达到了 200 万次,且 Julia 社区开发了超过 1900 多个扩展包。这些扩展包包含各种各样的数学库、数学运算工具和用于通用计算的库。除此之外,Julia 语言还可以轻松使用 Python、R、C/C++ 和 Java 中的库,这极大地扩展了 Julia 语言的使用范围。

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)

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。

生物力学技术

生物力学是采用力学理论来研究生物体内物质运动的学科。人体力学是其中的一个分支。 生物力学的研究主题可以概括为以下三方面: 生物结构与功能的关系; 生物体的调节与控制机制; 生物的应力-生长关系。 目前在生物力学研究方面较为瞩目的研究领域包括骨组织的结构与受力分析、血液在血管及毛细血管网络中的流动规律、心脏的瓣膜运动、生物材料的制备、细胞乃至分子层次的生物力学问题等等。 运动生物力学:是研究人体运动力学规律的科学,它是体育科学的重要组成部分。

表征学习技术

在机器学习领域,表征学习(或特征学习)是一种将原始数据转换成为能够被机器学习有效开发的一种技术的集合。在特征学习算法出现之前,机器学习研究人员需要利用手动特征工程(manual feature learning)等技术从原始数据的领域知识(domain knowledge)建立特征,然后再部署相关的机器学习算法。虽然手动特征工程对于应用机器学习很有效,但它同时也是很困难、很昂贵、很耗时、并依赖于强大专业知识。特征学习弥补了这一点,它使得机器不仅能学习到数据的特征,并能利用这些特征来完成一个具体的任务。

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。

康复机器人技术

康复机器人作为医疗机器人的一个重要分支,它的研究贯穿了康复医学、生物力学、机械学、机械力学、电子学、材料学、计算机科学以及机器人学等诸多领域,已经成为了国际机器人领域的一个研究热点。目前,康复机器人已经广泛地应用到康复护理、假肢和康复治疗等方面,这不仅促进了康复医学的发展,也带动了相关领域的新技术和新理论的发展。

数据管理技术

数据管理是利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程,其目的在于充分有效地发挥数据的作用。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

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)。

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。

情感计算技术

情感计算(也被称为人工情感智能或情感AI)是基于系统和设备的研究和开发来识别、理解、处理和模拟人的情感。它是一个跨学科领域,涉及计算机科学、心理学和认知科学(cognitive science)。在计算机领域,1995年Rosalind Picard 首次提出affective computing。研究的目的是使得情感能够模拟和计算。这个技术也可以让机器人能够理解人类的情绪状态,并且适应它们的行为,对这些情绪做出适当的反应。这是一个日渐兴起的兴欣领域

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

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。

操作系统技术

操作系统(英语:operating system,缩写作 OS)是管理计算机硬件与软件资源的计算机程序,同时也是计算机系统的内核与基石。操作系统需要处理如管理与配置内存、决定系统资源供需的优先次序、控制输入与输出设备、操作网络与管理文件系统等基本事务。操作系统也提供一个让用户与系统交互的操作界面。

动力系统技术

动态系统(dynamical system)是数学上的一个概念。动态系统是一种固定的规则,它描述一个给定空间(如某个物理系统的状态空间)中所有点随时间的变化情况。例如描述钟摆晃动、管道中水的流动,或者湖中每年春季鱼类的数量,凡此等等的数学模型都是动态系统。 在动态系统中有所谓状态的概念,状态是一组可以被确定下来的实数。状态的微小变动对应这组实数的微小变动。这组实数也是一种流形的几何空间坐标。动态系统的演化规则是一组函数的固定规则,它描述未来状态如何依赖于当前状态的。这种规则是确定性的,即对于给定的时间间隔内,从现在的状态只能演化出一个未来的状态。 若只是在一系列不连续的时间点考察系统的状态,则这个动态系统为离散动态系统;若时间连续,就得到一个连续动态系统。如果系统以一种连续可微的方式依赖于时间,我们就称它为一个光滑动态系统。

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。

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

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。

对抗样本技术

对抗样本是一类被设计来混淆机器学习器的样本,它们看上去与真实样本的几乎相同(无法用肉眼分辨),但其中噪声的加入却会导致机器学习模型做出错误的分类判断。

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。

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。

语音处理技术

语音处理(Speech processing),又称语音信号处理、人声处理,其目的是希望做出想要的信号,进一步做语音辨识,应用到手机界面甚至一般生活中,使人与电脑能进行沟通。

强化学习技术

强化学习是一种试错方法,其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划(Dynamic Programming)。流行的强化学习方法包括自适应动态规划(ADP)、时间差分(TD)学习、状态-动作-回报-状态-动作(SARSA)算法、Q 学习、深度强化学习(DQN);其应用包括下棋类游戏、机器人控制和工作调度等。

深度神经网络技术

深度神经网络(DNN)是深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似,深度神经网络也能够为复杂非线性系统提供建模,但多出的层次为模型提供了更高的抽象层次,因而提高了模型的能力。

腾讯机构

腾讯,1998年11月诞生于中国深圳,是一家以互联网为基础的科技与文化公司。我们的使命是“通过互联网服务提升人类生活品质”。腾讯秉承着 “一切以用户价值为依归”的经营理念,为亿万网民提供优质的互联网综合服务。 腾讯的战略目标是“连接一切”,我们长期致力于社交平台与数字内容两大核心业务:一方面通过微信与QQ等社交平台,实现人与人、服务及设备的智慧连接;另一方面为数以亿计的用户提供优质的新闻、视频、游戏、音乐、文学、动漫、影业等数字内容产品及相关服务。我们还积极推动金融科技的发展,通过普及移动支付等技术能力,为智慧交通、智慧零售、智慧城市等领域提供有力支持。

http://www.tencent.com/
相关技术
瑞莱智慧机构

RealAI是孵化自清华大学人工智能研究院的产学研技术公司,由清华大学人工智能研究院院长张钹院士、清华大学朱军教授担任首席科学家。RealAI致力于研究和推广安全、可靠、可信的第三代人工智能,不断突破AI发展的边界。 在探索“真正”的人工智能同时,RealAI聚焦传统AI难以解决的新应用领域,依托贝叶斯深度学习等核心技术,赋能工业、金融等垂直行业。目前,RealAI与国内多家大型工业制造企业、金融机构开展合作,提供工业智能诊断分析、金融资产智能提升和人工智能系统安全防护等服务,助力企业智能化升级。

https://www.realai.ai
相关技术
机器之心机构

机器之心,成立于2014年,是国内最具影响力、最专业、唯一用于国际品牌的人工智能信息服务与产业服务平台。目前机器之心已经建立起涵盖媒体、数据、活动、研究及咨询、线下物理空间于一体的业务体系,为各类人工智能从业者提供综合信息服务和产业服务。

https://www.jiqizhixin.com/
语言学技术

每种人类语言都是知识和能力的复合体,语言的使用者能够相互交流,表达想法,假设,情感,欲望以及所有其他需要表达的事物。语言学是对这些知识体系各方面的研究:如何构建这样的知识体系,如何获取,如何在消息的制作和理解中使用它,它是如何随时间变化的?语言学家因此关注语言本质的一些特殊问题。比如: 所有人类语言都有哪些共同属性?语言如何不同,系统的差异程度如何,我们能否在差异中找到模式?孩子如何在短时间内获得如此完整的语言知识?语言随时间变化的方式有哪些,语言变化的局限性是什么?当我们产生和理解语言时,认知过程的本质是什么?语言学研究的就是这些最本质的问题。

量子计算技术

量子计算结合了过去半个世纪以来两个最大的技术变革:信息技术和量子力学。如果我们使用量子力学的规则替换二进制逻辑来计算,某些难以攻克的计算任务将得到解决。追求通用量子计算机的一个重要目标是确定当前经典计算机无法承载的最小复杂度的计算任务。该交叉点被称为「量子霸权」边界,是在通向更强大和有用的计算技术的关键一步。

机器视觉技术

机器视觉(Machine Vision,MV)是一种为自动化检测、过程控制和机器人导航等应用提供基于图像的自动检测和分析的技术和方法,通常用于工业领域。

现场可编程门阵列技术

FPGA(Field Programmable Gate Array)是在PAL、GAL等可编程器件的基础上进一步发展的产物。它是作为专用集成电路(ASIC)领域中的一种半定制电路而出现的,既解决了定制电路的不足,又克服了原有可编程器件门电路数有限的缺点。

河海大学机构
同济大学机构
北京大学机构

北京大学创办于1898年,初名京师大学堂,是中国第一所国立综合性大学,也是当时中国最高教育行政机关。辛亥革命后,于1912年改为现名。2000年4月3日,北京大学与原北京医科大学合并,组建了新的北京大学。原北京医科大学的前身是国立北京医学专门学校,创建于1912年10月26日。20世纪三、四十年代,学校一度名为北平大学医学院,并于1946年7月并入北京大学。1952年在全国高校院系调整中,北京大学医学院脱离北京大学,独立为北京医学院。1985年更名为北京医科大学,1996年成为国家首批“211工程”重点支持的医科大学。两校合并进一步拓宽了北京大学的学科结构,为促进医学与人文社会科学及理科的结合,改革医学教育奠定了基础。

官网,http://www.pku.edu.cn/
亚信机构

亚信为全球电信运营商和其他客户提供咨询规划、系统建设及运营一体的端到端的全面服务,为构筑产业互联网生态系统提供全方位的支 撑。

官网,www.chinac3.com
推荐文章
暂无评论
暂无评论~