北京邮电大学人工智能学院师资力量

北京邮电大学人工智能学院师资力量的内容如下，更多考研资讯请关注我们考研派网站的更新！敬请收藏本站。或下载我们的考研派APP和考研派微信公众号（里面有非常多的免费考研资源可以领取哦）

95%的同学还阅读了： [2020北京邮电大学研究生招生简章] [北京邮电大学研究生分数线[2013-2020]] [北京邮电大学王牌专业排名] [北京邮电大学考研难吗] [北京邮电大学研究生院] [北京邮电大学排名] [北京邮电大学考研群] [北京邮电大学研究生学费] [北京邮电大学研究生奖学金] [考研国家线[2006-2020]] [2021年考研时间：报名日期和考试时间]

北京邮电大学人工智能学院师资力量正文

郭军教授团队：
人工智能与网络搜索教研中心研究方向：本中心是国内最早从事人工智能与网络搜索领域教学和科研工作的学术团队之一，具有雄厚的师资力量和一流的学术水平。团队长期立足于本领域的学术前沿，在手写汉字识别、人脸识别、遥感图像识别、信息检索与推荐等多个方面取得国际领先的技术水平，为国家培养了数以千计的硕士和博士毕业生。
中心现有教师22名，研究方向全面覆盖人工智能和网络搜索领域，包括模式识别和机器学习基础理论，深度学习、计算机视觉、自然语言处理、大数据挖掘、Web检索、音视频检索、信息推荐、知识图谱、对话系统、智能感知、智能网络管理等前沿技术。



林家儒教授团队：
研究方向：现代信息论与人工智能基础理论
信息论是信息科学的指导理论，本团队主要关注信息论的前沿理论与多学科应用研究，包括：网络信息论、生物信息论、量子信息论等。随着人工智能的快速发展，本团队关注人工智能基础理论研究，包括：普适性智能生成机理、普适性人工智能理论、面向人工智能的因素空间数学理论等。
研究方向：无线传输与智能信号处理
B5G/6G移动通信是现代社会的信息基础设施，本团队聚焦B5G/6G无线信号传输与信息处理中的前沿理论与关键技术研究，包括：极化码(Polar Code)/LDPC码、大规模MIMO、非正交多址接入(NOMA)等物理层技术。针对一些特定场景的信息传输技术，本团队聚焦于深空通信、远距离通信、水声通信、可见光通信等。另外，本团队致力于机器学习在信号处理中的应用研究，基于神经网络模型建立智能无线信号传输理论与技术体系等。
研究方向：智能无线网络
B5G/6G移动通信是国民经济发展的重要驱动力，本团队聚焦B5G/6G无线移动网络的前沿理论与关键技术研究，包括：地面蜂窝组网、无人机（UAV）空中自组网、空地联合组网、空天联合组网、海洋低空组网等无线网络场景。本团队融合人工智能与经典网络理论的最新进展，专注于数据与模型协同驱动的智能无线网络基础理论与技术体系，涉及到网络化MIMO、多用户接入与控制、频谱资源分配与协同、干扰控制与协调、移动网络路由、边缘计算和缓存等技术。
研究方向：无线感知与智慧物联
无线感知是网络世界与物理世界的交汇“触须”，智慧物联赋能网络与物理世界的高效协同融合。本团队聚焦智慧物联网的前沿理论与关键技术研究，包括：感知数据采集、压缩、传输、分析、处理、应用、安全等体系化技术。围绕物理世界的全维度感知与智慧化控制，本团队研究工作涉及到：感知数据编码、无线能量传输、感知数据回传、大数据压缩、云数据挖掘、多模态数据学习、区块链等信息处理技术，以及嵌入式、云平台、云应用等行业相关的软硬件系统。
研究方向：智慧医疗中的信息处理
基于人工智能的智慧医疗是新兴交叉学科方向，本团队与国内多家顶尖医院合作，开展医学影像分析与智能辅助诊断研究，包括：基于X光片/CT/MRT等医学影像的智能分析、基于多模态医疗数据的智能诊断、基于深度学习的基础病/慢性病管理等。



门爱东教授团队：
研究内容包括智能监控、行为分析、事件检测、人脸识别、情感计算、图像和视频搜索、跨模态搜索、推荐、目标检测与再识别、图像识别（自然图像、卫星遥感、病理、农作物、天体图像）、超分辨视频重构与分析、基于边缘计算的视频编码、多媒体信息处理、无线传感器网络及自组网数据传输、多核处理器应用与设计、智能信息处理与决策等方面。
百年树人，团队秉承以人为本的理念，专注于在基础研究及应用研究上做出一流成果、服务国家重大战略和应用需求。在智慧城市、平安城市、智慧生态、智慧医疗等人工智能应用领域取得累累硕果。在相关研究领域已累计发表400余篇期刊与会议文章，已授权及公开专利100余项，曾获得北京市科技进步二等奖。截止2019年，在国际国内多个计算机视觉和机器学习竞赛中获得8次冠军、12次亚军。例如在CVPR2019监控事件检测竞赛获得冠军，在CVPR2018的智慧城市竞赛异常检测任务中获得亚军；连续3年（2015-2017）在TRECVID-监控事件检测评测中获得冠军；在第一届网络舆情“音视频”邀请赛的“特定视频识别”和“人脸识别”两项任务中均获得银奖。



王小捷教授团队：
智科科学与技术中心的研究方向主要包括人工智能基础理论、自然语言处理、多模态认知计算、智能安全与可信软件。在人工智能基础理论方面研究信息-知识-智能的转换机制、知识表示和获取的理论与方法等；在自然语言处理方面研究自然语言尤其是汉语信息处理的基础方法和技术，研究开发人机对话、信息抽取等的关键技术与应用系统；在多模态认知计算方面研究视觉信息理解关键技术，研究视觉与语言等多模态信息融合、关联以及推理技术，研究跨模态检索、多模态人-机交互的关键技术与应用系统等；在智能安全与可信软件方面，研究基于内容的网络信息安全，研究基于机器学习技术的可信软件系统、环境自适应的安全系统架构、个性化的用户隐私保护和安全缺陷检测等。




杨洁教授团队：
研究方向：智能感知与计算
智能感知与计算方向致力于研究海量泛在感知数据的智能分析与处理方法，以及基于感知信息的智能决策计算理论与技术。科研团队对标国际前沿技术，面向国家网络基础设施、公共安全、医疗健康及数字经济等领域的重大战略需求，着力于基础理论创新与关键技术突破，并通过产学研一体的方式提供关键组件与产品，努力打造成为国际一流的集人才培养、理论创新、技术研发、产业孵化四位一体的创新平台。
该方向主要在泛在网络感知大数据智能计算、智能网络优化与路由算法、公共安全智能图像计算、多模态天基感知数据智能计算、人机协同智能辅助诊断等五个方面开展理论研究和技术创新。在相关研究领域已累计发表300余篇期刊与会议文章，已授权及公开专利30余项，曾获得国家科技进步二等奖、北京市科技进步二等奖，并获得MICCAI国际医学会议辅助诊断比赛全球冠军、“天智杯”人工智能挑战赛第一名、中国人工智能创意赛一等奖等竞赛奖项。科研团队与产业合作伙伴深度合作，产出的创新成果已实现产值过亿元，并为国家产业发展和社会服务做出了重要贡献。



张琳教授团队：
张琳教授领导的学术团队依托信号与信息处理国家重点学科，重点建设信息与通信工程、人工智能等学科，服务信息工程、智能医学工程等专业。现有教授1人，副教授8人。近几年先后承担了国家自然科学基金、国家重大专项、863计划、国家重点研发计划、北京市教委等多项国家/部级科研项目，并积极与中国移动、华为、中兴、OPPO等企业开展项目合作。同时学术团队还广泛开展国际学术交流活动，与美国加州大学戴维斯分校、亚利桑那州立大学、德国哥廷根大学、韩国汉阳大学、法国巴黎第六大学、意大利米兰理工大学、瑞典计算机科学研究院等国际知名高校保持着密切的交流合作与人员互访。
团队主要研究方向包括：（1）人工智能驱动的新一代无线关键技术研究；（2）车联网中异构网联和通信安全关键理论与技术；（3）基于深度学习的超宽带雷达非接触式生命时空信息感知；（4）网络数据指纹体系和网络行为异常检测。
研究方向：人工智能驱动的新一代无线关键技术研究
面对日益复杂的移动通信网络,智能化是未来网络自适应优化技术的发展方向。研究和分析未来移动通信网络中有价值的网络参数资源，构建基于数据分析和机器学习的智能网络自适应优化方法,使网络具有智能, 从而更好地满足未来通信网络超低延时、超高数据容量等多维度个性化的性能要求。围绕新一代无线网络中视频业务服务质量需求、移动网络部署特性和MIMO无线通信优化，深度融合人工智能技术并取得系列关键成果，为移动视频传输业务优化与网络资源调度核心问题提供理论支撑与技术实现。
研究方向：车联网中异构网联和通信安全关键理论与技术
近年来，智能网联汽车备受关注，它融合了人工智能、无线通信和车辆工程等交叉学科知识因此也成为学术界研究热点。本实验室针对智能网联汽车网络能力、信息处理能力和智能化水平受限，以及信息交互过程中的信息安全等挑战，设计实现了多种通信技术的高效通信资源共享，在“通信安全的分布式激励和协同、车联网通信协议安全”关键难题上取得了系列技术创新。研究基于边缘智能的智能信息处理方法和通信资源虚拟化方法，基于车联网和边缘计算的分布式人工智能算法和优化机制以及利用人工智能和机器学习实现智能网联汽车的信息安全和隐私保护等内容。
研究方向：基于深度学习的超宽带雷达非接触式生命时空信息感知
针对 “室内/车内等封闭空间的非接触式车内生命时空信息感知”研究难题，重点研究了运动人体生命体征提取、复杂金属多径环境与多变性干扰等问题，深入探索了雷达信号处理与人工智能技术的内在关联性，提出了基于深度学习的生理状态监测方案，实现了多个智能生命感知系统，为人机交互提供智能感知的可靠技术保障。
研究方向：网络数据指纹体系和网络行为异常检测
通过对持续网络访问记录和社交媒体信息内容等数据的获取和融合，获得具有显著标志性和区分度的数据特征和模式规律，构建网络数据指纹平台体系，基于此研究网络目标群体行为检测模型，分析网络行为和网络人格的关联，预测领域关键事件的发生和发展，为网络监控和安全管理提供技术支撑。

本文来源：http://m.okaoyan.com/beijingyoudian/yanjiushengyuan_251960.html