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

梓文、陈萍报道

2023高通创新奖学金获奖名单公布:63人获奖,清华、上交、西安交大多位校友在列

2023 年高通创新奖学金获得者(Qualcomm Innovation Fellowship Winners)获奖名单现已公布,该奖项创始于 2009 年。

每个获奖团队能够获得高通公司提供的 10 万美元奖学金和技术指导。

以下是今年获得高通创新奖学金的华人学生简介。

亚利桑那州立大学(ASU),Shuaifeng Jiang & Hao Luo(罗浩)

  • 推荐人:Ahmed Alkhateeb

  • Innovation Title:具有鲁棒性和泛化性的 CSI 反馈的 ML 设计以及跨环境和设备的波束管理

图片

Shuaifeng Jiang 为 ASU 博士生,导师为 Ahmed Alkhateeb 教授。主要研究兴趣为无线通信、无线传感以及机器学习。他本科毕业于东南大学,硕士毕业于东京工业大学。

图片

罗浩为 ASU 博士生,他的研究兴趣包括无线通信、机器学习边缘计算。目前,他正在研究无线系统中的传感和成像问题。此前,他在台湾大学完成了学士和硕士学位。

卡内基梅隆大学,Yiwei Lyu(吕懿惟)  & Simin Liu

  • 推荐人:John Dolan & Changliu Liu

  • Innovation Title:自动驾驶汽车和人类驾驶汽车的安全交互

图片

吕懿惟 是卡内基梅隆大学电气与计算机工程系 (ECE) 的博士生。主要研究方向为自动驾驶不确定性下的安全控制、行为规划和预测的新方法。吕懿惟于香港中文大学深圳 (CUHK-SZ) 获得电子信息工程学士学位。

图片

Simin Liu 为卡内基梅隆大学博士生,师从 John Dolan 和 Changliu Liu 教授。Simin Liu 主要研究兴趣包括控制、机器人、机器学习。她本科毕业于 UC 伯克利。

佐治亚理工学院,Jianming Tong

  • 推荐人:Alexey Tumanov & Tushar Krishna

  • Innovation Title:SUSHl 边缘应用中的实时延迟 / 精确导航的「模型 - 系统 - 加速器」协同设计

图片

Jianming Tong 为佐治亚理工学院博士生,师从 Tushar Krishna 教授。他的主要研究兴趣包括 FPGA、用于深度学习的编译器和加速器、片上网络。他本科毕业于西安交通大学。

密歇根大学安娜堡分校,Jiale Zhang 

  • 推荐人:Alanson Sample & Pei Zhang

  • Innovation Title:保护隐私的室内活动跟踪和识别与麦克风阵列

图片

Jiale Zhang 为密歇根大学安娜堡分校博士生,主要研究方向集中在人机交互嵌入式系统的结合。此外,他还热衷于开发新颖的以人为本的传感器系统,以实现各种传感方法并拓宽感知对象的领域。他于上海科技大学电子信息工程专业,获理学学士学位。

麻省理工学院,Jiadi Zhu 

  • 推荐人:Tomas Palacios

  • Innovation Title:用于射频能量收集的 MoS2 晶体管在硅 CMOS 电路上的低温异构集成

图片

Jiadi Zhu 为 MIT 博士生,主要研究兴趣包括超低功耗的高效计算。他目前的研究涵盖高性能晶体管设计、新型材料系统的大规模集成、电力电子、2D 材料合成和表征等。他于 2018 年获得北京大学学士学位,在 MIT 获得硕士学位。

加州大学洛杉矶分校( UCLA),华盛顿大学,Pan Lu & Jiacheng Liu(刘嘉程)

  • 推荐人:Hannaneh Hajishirzi &Kai-Wei Chang

  • Innovation Title:自然语言可验证推理研究

图片

Pan Lu 目前是 UCLA 博士四年级学生,导师是 Song-Chun Zhu 和 Kai-Wei Chang。他的主要研究方向是机器推理和可信的人工智能,特别是在数学、科学和教育领域。他曾获得清华大学研究型硕士学位。

图片

刘嘉程是一名博士生,在华盛顿大学学习自然语言处理 (NLP),同时也是 Meta AI 的访问研究员。他的研究重点是常识推理,数学推理和文本生成

加州大学圣巴拉拉分校(UCSB),MinJian Yang

  • 推荐人:Li-C Wang

  • Innovation Title:测试数据分析的 IEA 图

图片

MinJian Yang 目前于 UCSB 攻读计算机工程博士,其学士、硕士学位均在 UCSB 获得。

加州大学圣地亚哥分校(UCSD),Wenchin Liu

  • 推荐人:Patrick Mercier

  • Innovation Title:一种新型的自适应电压门驱动器的串联电容巴克变换器适用于宽转换比和高输出功率和宽负载电流支持的应用

图片

Wenchin Liu(IEEE 学生会员)目前于 UCSD 攻读电气和计算机工程博士学位。他的研究兴趣包括负载点应用的 DCDC 转换器,高频、高功率密度 DC-DC 转换器,PV 电池微电网系统和基于压电谐振器的 DC-DC 转换器的建模,分析和控制策略。他曾获得台湾科技大学电子与计算机工程学士学位,以及台湾大学电气工程硕士学位。

加州大学圣地亚哥分校(UCSD),Yang Fu (付旸)& Yuzhe Qin

  • 推荐人 Xiaolong Wang

  • Innovation Title:从人类视频中学习泛化机器人操作

图片

付旸目前是 UCSD 的博士研究生,导师是 Xiaolong Wang 教授。他目前的研究方向是计算机视觉机器学习。他在 UIUC 获得 ECE 硕士学位,在北京航空航天大学获得学士学位。

图片

Yuzhe Qin 是 UCSD 博士三年级学生,导师是 Xiaolong Wang 教授和 Hao Su 教授。他的研究重点是开发可以通过现实世界的交互进行学习的机器人。他曾获得上海交通大学机械工程学院学士学位。

多伦多大学,Yaoyao Ding & Bojian Zheng(郑伯剑)

  • 推荐人 Gennady Pekhimenko

  • Innovation Title:动态深度神经网络编译

图片

Yaoyao Ding 是多伦多大学博士二年级学生,导师是 Gennady Pekhimenko 教授。他的研究兴趣在于机器学习系统的一般领域。目前,他专注于通过编译优化神经网络训练和推理。他在多伦多大学了硕士学位,上海交通大学计算机科学学士学位。

图片

郑伯剑是多伦多大学生态系统研究小组的博士生,导师为 Gennady Pekhimenko 教授。在以硕士的身份加入课题组之前,他以优异的成绩完成了多伦多大学 ECE 系的学士学位。他的主要研究内容机器学习工作负载的自动和透明编译器优化,以及处理大型 c++ 代码库。

苏黎世联邦理工学院,Siwei Zhang

  • 推荐人:Siyu Tang

  • Innovation Title:从以自我为中心的视图中学习三维人体动作和行为的交互感知技术

图片

Siwei Zhang 是苏黎世联邦理工学院的博士生,计算机视觉和学习小组 (VLG) 成员,导师为 Siyu Tang 教授。研究重点是人类 - 场景交互学习,人体运动建模和以自我为中心的人类理解,特别是 3D 场景。她获得了苏黎世联邦理工学院电气工程与信息技术专业硕士学位,清华大学自动化专业学士学位。

最后附上完整获奖名单:

图片

参考链接:https://www.qualcomm.com/research/university-relations/innovation-fellowship/winners

入门华人学生高通创新奖学金
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
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。

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)

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

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)。

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。

麦克风阵列技术

麦克风阵列(Microphone Array),从字面上,指的是麦克风的排列。也就是说由一定数目的声学传感器(一般是麦克风)组成,用来对声场的空间特性进行采样并处理的系统。 早在20世纪70、80年代,麦克风阵列已经被应用于语音信号处理的研究中,进入90年代以来,基于麦克风阵列的语音信号处理算法逐渐成为一个新的研究热点。而到了“声控时代”,这项技术的重要性显得尤为突出。

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。

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

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。

文本生成技术

文本生成是生成文本的任务,其目的是使人类书写文本难以区分。

常识推理技术

常识推理是人工智能(AI)的一个分支,它关注模拟人类每天遇到的普通情境的类型和本质的假设。这些假设包括对人和物体的物理特性,目的,意图和行为的判断,以及他们的行为和相互作用的可能结果。展示常识推理的设备将能够预测结果并得出类似于人类民间心理学(人类对人们的行为和意图进行推理的天生能力)和天真物理学(人类对物理世界的自然理解)的结论。

东南大学机构
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/
推荐文章
暂无评论
暂无评论~