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

2024 IEEE Fellow名单出炉:胡事民、崔斌、林倞等入选

今年同样有多位华人入选。

本周三,美国电子电气工程师学会(Institute of Electrical and Electronic Engineers,IEEE)发布了新一届 Fellow 名单。

IEEE 是国际性的电子技术与信息科学工程师学会,成立于 1963 年,如今海外会员的人数已经超过了美国本土,在 160 多个国家拥有超过 40 万会员。IEEE Fellow 为该学会最高等级会员,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 Fellow 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):

Zhipeng Cai

佐治亚州立大学

入选理由:对高性能计算资源管理和调度的贡献。

Yijia Cao 

长沙理工大学

入选理由:对智能电网分析和控制的贡献。 

Ke-Horng Chen 

中国台湾交通大学

入选理由:对电源管理集成电路和系统设计的贡献。

Ji Chen 

休斯顿大学

入选理由:对核磁共振成像中植入医疗器械安全性的贡献。

Songqing Chen 

乔治梅森大学

入选理由:对互联网流媒体、内容交付和安全的贡献。

Hong Chen 

PJM 互联电网

入选理由:对电力系统的运行经济效率平衡和风险缓解的贡献。

Shuo-Wei Chen 

S Pasadena CA USA 

入选理由:对数据转换器架构和时钟生成技术的贡献。

陈恩红(Enhong Chen) 

中国科学技术大学

入选理由:对上下文 - 感知数据挖掘推荐系统的贡献。

郑文皇(Wen-Huang Cheng)

中国台湾大学 

入选理由:对智能多媒体计算和应用的贡献。

程钰间(Yu Jian Cheng )

电子科技大学

入选理由:对基板集成毫米波阵列天线技术的贡献。

Yu Cheng 

Naperville IL USA 

入选理由:对安全无线网络的贡献。

程龙

中国科学院大学

入选理由:对神经网络优化和控制的贡献。

崔斌

北京大学

入选理由:对大规模数据管理、处理和分析的贡献。

Xin Luna Dong 

美国华盛顿州 Medina 

入选理由:对知识图谱构建和数据集成的贡献。

Min Dong 

安大略理工大学

入选理由:对无线通信传输设计和资源优化的贡献。

杜军平

北京邮电大学

入选理由:对大数据建模和智能分析的贡献。

Pengwei Du 

德克萨斯州电力可靠性委员会

入选理由:为电力市场负荷资源整合和智能电网控制做出的贡献。

冯丹(Dan Feng) 

华中科技大学

入选理由:对数据存储系统的贡献。

高新波(Xinbo Gao )

西安电子科技大学

入选理由:对混合增强智能和图像质量评估的贡献。

高跃(Yue Gao )

复旦大学 

入选理由:对认知无线电和网络中的稀疏信号处理和智能天线做出的贡献。

公茂果 

西安电子科技大学

入选理由:对协作学习和优化的贡献。

Tao Gu 

麦考瑞大学(澳大利亚)

入选理由:对移动和无线传感系统的贡献。

桂冠

南京邮电大学

入选理由:对智能信号分析和无线资源优化的贡献。

郭庆来

清华大学

入选理由:对电力系统全系统电压控制的贡献。

Qi He 

LinkedIn 

入选理由:对知识工程和商业应用的贡献。 

Lei He

加州大学洛杉矶分校

入选理由:对集成电路和智能能源系统的贡献。

何宗易(Tsung-Yi Ho)

中国台湾清华大学 

入选理由:在微流控生物芯片的设计、自动化和测试方面做出的贡献。

Ming Hou 

加拿大国防研究与发展中心

入选理由:在智能自适应系统和以交互为中心设计方面的贡献。

冉立

重庆大学

入选理由:对电力电子器件建模的贡献。

Haoxing Ren 

英伟达

入选理由:对集成电路物理合成的贡献。

任天令

清华大学

入选理由:对 2D 材料制造和应用的贡献。

沈建冰

澳门大学物联网与智慧城市国家重点实验室

入选理由:对计算机视觉在视频分析和视觉理解方面的贡献。

许进恭

中国台湾成功大学

入选理由:对发光二极管和光伏器件的贡献。

孙凯

清华大学

入选理由:对可再生能源系统和微环境中的电力电子学做出贡献。

孙凯

田纳西大学

入选理由:为电网稳定性分析和控制做出贡献。

Siew Chong Tan 

香港大学

入选理由:对电力转换器和可持续照明技术的控制做出贡献。

唐漾

华东理工大学

入选理由:对混合多智能体系统和复杂网络的贡献

陶宇飞

香港中文大学

入选理由:对大规模数据处理的贡献。

Kim Fung Tsang 

香港城市大学

入选理由:对系统安全工程的贡献。

王健

武汉光电国家研究中心

入选理由:对扭曲光、结构光和多维光通信中的光子集成做出贡献。

Junmin Wang 

得克萨斯大学奥斯汀分校

入选理由对地面车辆安全作出贡献。

王震

西北工业大学

入选理由:多智能体博弈中的合作和计算方法方面的贡献。

王贝贝

Clarksville MD USA 

入选理由:对无线传感和认知通信做出的贡献。

Chih-Chun Wang

普渡大学

入选理由:对基于图的纠错代码和网络代码的贡献。

Zhi Wei

新泽西理工学院

入选理由:对基于生物数据的知识发现做出的贡献。

温朝凯

中国台湾「中山大学」

Kaohsiung Taiwan 

入选理由:对无线系统深度学习技术的贡献

黄衡 

香港城市大学

入选理由:为宽带和重构磁电偶极子和 L 探针馈源的开发做出贡献。

Barry Bing-Ruey Wu 

是德科技

入选理由:对基于 InP 的超高速 DHBT IC 技术的增强和商业化做出的贡献。

Jianzhong Wu 

卡迪夫大学 

入选理由:对多能源系统和点对点能源交易的贡献。

吴启晖(Qihui Wu )

南京航空航天大学

入选理由:对认知无线电网络的贡献。

夏元清(Yuanqing Xia)

北京理工大学 

入选理由:对控制无人系统的贡献。

肖京(Jing Xiao )

中国平安

入选理由:对多模态知识挖掘技术的贡献。

肖斌(Bin Xiao) 

香港理工大学

入选理由:对无线和系统安全的贡献。

谢小荣(Xiaorong Xie )

清华大学

入选理由:对电力系统次同步谐振分析的贡献。

Sheng Quan Xie 

利兹大学

入选理由:对康复和医疗保健机器人技术的贡献。

Jinjun Xiong 

美国纽约

入选理由:对工艺变化建模、电路良率优化及其在工业中的应用的贡献。

Wei Xu 

华中科技大学

入选理由:对线性和旋转机器及驱动器的设计和控制做出的贡献。

徐文渊(Wenyuan Xu )

浙江大学

入选理由:对汽车安全嵌入式系统的贡献。

徐恪(Ke Xu) 

清华大学 

入选理由:对最佳流量管理和网络安全做出的贡献。

Bing Xue 

惠灵顿维多利亚大学

入选理由:对进化深度学习的贡献。

Zheng Yan 

西安电子科技大学

入选理由:对通信和网络可信任管理的贡献。

Chenguang Yang 

西英格兰大学

入选理由:对机电一体化系统的控制和学习做出的贡献。

Kui Yao 

IMRE, ASTAR, 新加坡 

入选理由:对先进铁电薄膜及其传感器应用的开发做出的贡献。

John Yeow 

滑铁卢大学

入选理由:对纳米结构和纳米复合材料的理解和应用作出贡献。

Alfred Yu 

滑铁卢大学

入选理由:对超声成像技术和治疗的贡献。

俞恒永

马萨诸塞大学洛厄尔分校

入选理由:对层析成像重建的贡献。

Shimeng Yu 

佐治亚理工学院

入选理由:对非易失性存储器和内存计算的贡献。

Yifei Yuan 

中兴通讯

入选理由:对非正交多址和窄带物联网技术和标准化的贡献。

詹志辉

华南理工大学

入选理由:对高效自适应进化计算的贡献。

Pei Zhang 

北京

入选理由:对智能控制中心计算方法以及基于概率的规划和操作的贡献。

张涛

清华大学

入选理由:对机器人视觉感知和自适应容错控制的贡献。

Hao Zhang 

西门菲莎大学(加拿大)

入选理由:对视觉计算中形状分析和合成的贡献。

Hui Zhang 

北京

入选理由:对汽车电子系统的贡献。

Fumin Zhang 

佐治亚理工学院

入选理由:对机器人传感网络自主性和海洋机器人控制的贡献。

Di Zhang 

海军研究生院(美国)

入选理由:为电动飞机推进的电机驱动器和断路器做出贡献。

张波

华南理工大学

入选理由:对电力电子非线性分析的贡献。

张宏纲

浙江大学

入选理由:对智能无线通信和网络的贡献。

Lian Zhao 

多伦多都会大学

入选理由:对无线网络建模、性能分析和资源管理的贡献。

Jim P Zheng 

纽约州立大学

入选理由:对储能技术的贡献。

Tongxin Zheng 

ISO New England 

入选理由:对电力市场设计及其运作方法的贡献。

 Kan Zheng 

宁波大学

入选理由:对无线网络资源管理的贡献。

仲盛(Sheng Zhong)

南京大学

入选理由:对分布式系统中激励兼容和隐私保护机制的贡献。

Zheng Zhou 

加拿大

入选理由:对电磁瞬态仿真和 HVDC 动力学研究的贡献。

胡事民

清华大学

入选理由:对计算机视觉和几何处理的贡献。

胡晓松

重庆大学

入选理由:对电池管理算法和电动汽车优化的贡献。

华长春

燕山大学

入选理由:对非线性时滞系统智能控制的贡献。

怀一鸣

Avalanche Technology

入选理由:对 STT-MRAM 和 GMR 记录头的开发与产品化的贡献。

Minyi Huang

卡尔顿大学

入选理由:对平均场博弈论(mean field game theory)的贡献。

黄国全

香港大学

入选理由:对智能制造的数字化框架和信息物理分析的贡献。

Xiaochuan Jia

Dayton OH USA 

入选理由:为航空航天应用电机和直流发电系统的开发做出贡献。

姜育刚

复旦大学

入选理由:对大规模视频分析和开源数据集的贡献。

姜春晓

清华大学

入选理由:对异构空地(space-air-ground)网络的贡献。

金石

东南大学

入选理由:对 MIMO 和可重构智能表面辅助通信的贡献。

雷震

中国科学院

入选理由:对人脸分析和目标检测的贡献。

李晓黎

新加坡资讯通信研究院

入选理由:对机器学习模型的贡献。

李洪伟

电子科技大学

入选理由:对云计算数据安全的贡献。

李长治

德克萨斯理工大学

入选理由:对便携式微波雷达传感器技术的贡献。

李明

亚利桑那大学

入选理由:对信息和网络安全的贡献。

李颉

上海交通大学

入选理由:对网络系统性能和管理的贡献。

Qinghua Li

英特尔

入选理由:对无线信道探测和建模技术标准化的贡献。

Pan Li

凯斯西储大学

入选理由:对无线网络扩展定律和跨层优化的贡献。

Di Liang

加州大学圣芭芭拉分校

入选理由:对光通信、计算和批量生产中的光子集成做出的贡献。

梁军

卡迪夫大学

入选理由:对直流电网建模和控制的贡献。

Zhiqiang Lin

俄亥俄州立大学哥伦布分校

入选理由:为移动和系统安全领域的自动漏洞发现、代码强化和监控做出的贡献。

林倞

中山大学

入选理由:对多媒体内容分析的贡献。

林志赟

南方科技大学

入选理由:对分布式多智能体系统和自主系统的贡献。

刘明宇

英伟达研究院

入选理由:为多模态内容创建的 GAN 做出的贡献。

Hang Liu 

North Potomac MD USA 

入选理由:对无线网状网络和视频流技术的开发与标准化做出的贡献。

Yuanwei Liu

伦敦玛丽女王大学

入选理由:对非正交多址技术(NOMA)和无线电力传输的贡献。

Yue Lu 

Winchester MA USA 

入选理由:对多维信号处理的贡献。

鲁继文

清华大学

入选理由:对视觉内容分析和识别的贡献。

卢湖川

大连理工大学

入选理由:对视觉对象跟踪和显着对象检测的贡献。

罗骏

南洋理工大学

入选理由:对使用物联网的无线网络和传感做出的贡献。

马思伟

北京大学

入选理由:对视频编码技术和标准的贡献。

马凯学

天津大学

入选理由:对低损耗基板集成悬线技术和可重构毫米波前端集成电路的贡献。

Wei Ni 

澳大利亚联邦科学与工业研究组织 (CSIRO)

入选理由:为无人机网络的资源分配和合作做出贡献。

戚肖宁

阿里巴巴

入选理由:在计算机架构开源硬件方面的领导地位,以及对整体互连系统设计的贡献。

Li Qi 

ABB

入选理由:对直流配电保护和直流船用电力系统架构的贡献。

邱剑彬

哈尔滨工业大学

入选理由:对智能模糊控制系统和应用的贡献。

Qinru Qiu 

雪城大学

入选理由:对节能计算系统建模和优化的贡献。

参考内容:

https://www.ieee.org/content/dam/ieee-org/ieee/web/org/about/fellows/2024-fellow-class.pdf

产业2024 IEEE Fellow
1
相关数据
英特尔机构

英特尔(NASDAQ: INTC)是全球半导体行业的引领者,以计算和通信技术奠定全球创新基石,塑造以数据为中心的未来。我们通过精尖制造的专长,帮助保护、驱动和连接数十亿设备以及智能互联世界的基础设施 —— 从云、网络到边缘设备以及它们之间的一切,并帮助解决世界上最艰巨的问题和挑战。

http://www.intel.cn/
相关技术
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
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。

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。

调度技术

调度在计算机中是分配工作所需资源的方法。资源可以指虚拟的计算资源,如线程、进程或数据流;也可以指硬件资源,如处理器、网络连接或扩展卡。 进行调度工作的程序叫做调度器。调度器通常的实现使得所有计算资源都处于忙碌状态,允许多位用户有效地同时共享系统资源,或达到指定的服务质量。 see planning for more details

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。

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。

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。

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。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

机器人技术技术

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

推荐系统技术

推荐系统(RS)主要是指应用协同智能(collaborative intelligence)做推荐的技术。推荐系统的两大主流类型是基于内容的推荐系统和协同过滤(Collaborative Filtering)。另外还有基于知识的推荐系统(包括基于本体和基于案例的推荐系统)是一类特殊的推荐系统,这类系统更加注重知识表征和推理。

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。

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。

博弈论技术

博弈论,又译为对策论,或者赛局理论,应用数学的一个分支,1944年冯·诺伊曼与奥斯卡·摩根斯特恩合著《博弈论与经济行为》,标志着现代系统博弈理论的的初步形成,因此他被称为“博弈论之父”。博弈论被认为是20世纪经济学最伟大的成果之一

无人机技术

无人机(Uncrewed vehicle、Unmanned vehicle、Drone)或称无人载具是一种无搭载人员的载具。通常使用遥控、导引或自动驾驶来控制。可在科学研究、军事、休闲娱乐用途上使用。

多智能体系统技术

一个多智能体系统,是由一个在一个环境中交互的多个智能体组成的计算系统。多智能体系统也能被用在解决分离的智能体以及单层系统难以解决的问题。智能可以由一些方法,函数,过程,搜索算法或加强学习来实现。尽管存在相当大的重叠,然而一个多智能体系统并不总是一个基于智能体的模型表现一致。

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。

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。

数据集成技术

数据集成是把不同来源、格式、特点性质的数据在逻辑上或物理上有机地集中,从而为企业提供全面的数据共享。在企业数据集成领域,已经有了很多成熟的框架可以利用。目前通常采用联邦式、基于中间件模型和数据仓库等方法来构造集成的系统,这些技术在不同的着重点和应用上解决数据共享和为企业提供决策支持。

进化计算技术

进化计算是遗传算法、进化策略、进化规划的统称。进化计算起源于20世纪50年代末,成熟于20世纪80年代,目前主要被应用于工程控制、机器学习、函数优化等领域。

阿里巴巴机构

阿里巴巴网络技术有限公司(简称:阿里巴巴集团)是以曾担任英语教师的马云为首的18人于1999年在浙江杭州创立的公司。

https://www.alibabagroup.com/
物联网技术技术

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

中国平安机构

平安集团1988年成立于深圳,发展至今已跻身为国内三大综合金融集团之一,拥有30多家子公司。公司以“金融+科技”、“金融+生态”的发展模式,构建“金融服务、医疗健康、汽车服务、房产金融、城市服务”五大生态圈,致力于成为国际领先的科技型个人金融生活服务集团。2018年,公司营业收入破万亿,净利润超千亿,个人金融客户数达1.84亿,互联网用户约5.38亿,员工人数达180万,位列《财富》世界500强29位;2019年位列《福布斯》2000强第7位。

https://www.pingan.com/
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/
目标检测技术

一般目标检测(generic object detection)的目标是根据大量预定义的类别在自然图像中确定目标实例的位置,这是计算机视觉领域最基本和最有挑战性的问题之一。近些年兴起的深度学习技术是一种可从数据中直接学习特征表示的强大方法,并已经为一般目标检测领域带来了显著的突破性进展。

结构光技术

结构光是将已知图案(通常是栅格或水平条)投射到场景上的过程。这些物体在撞击表面时变形的信息来在视觉系统中计算场景中物体的深度和表面信息,如在结构光3D扫描器中使用的。 结构光是一组由投影仪和摄像头组成的系统结构。用投影仪投射特定的光信息到物体表面后及背景后,由摄像头采集。根据物体造成的光信号的变化来计算物体的位置和深度等信息,进而复原整个三维空间。

北京理工大学机构

北京理工大学1940年诞生于延安,是中国共产党创办的第一所理工科大学,是新中国成立以来国家历批次重点建设的高校,首批进入国家“211工程”和“985工程”,首批进入“世界一流大学”建设高校A类行列。

http://www.bit.edu.cn/
相关技术
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~