研究方向介绍.doc

《研究方向介绍.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、博士生导师研究方向介绍徐宗本院士、博导、教授主要研究方向介绍：信息处理的数学理论与方法及机器智能主要围绕国家重大需求和信息技术的某些前沿基础问题,开展数学科学、认知科学、数据科学与信息技术的交叉融合研究。典型研究领域包括:感知与认知模拟、计算心理学、稀疏信息处理、智能信息处理、计算机视觉与图像处理、机器学习与数据挖掘、压缩感知与雷达信号处理、数据建模及其工业应用等。彭济根博导、教授主要研究方向介绍：1．非线性泛函分析及其应用该方向主要针对动力神经场方程、反常扩散方程、人工神经网络等典型方程，以及机器学习的泛函分析框架，发展以分数阶微积分为基础的泛函分析理论以及与非线性L

2、ipschitz算子相关联的数学方法。2.稀疏信息处理的数学理论与方法该方向属于数学与信息科学的交叉研究，旨在运用现代数学理论和发展新的数学方法，解决稀疏信息处理中稀疏表示、稀疏采样以及稀疏重构等方面的典型基础问题。张讲社博导、教授主要研究方向介绍：1．统计计算和统计优化该方向主要研究：1）包括变分Bayes和正则化Bayes等在内的贝叶斯类方法研究及应用；2）计算密集型的统计量如最大共息系数（MIC）、信息瓶颈方法（IB）、意识的信息整合理论（integratedinformationtheoryofconsciousness）等的计算方法；3）基于人的感知和认知的概

3、率决策方法研究，探讨人类在商业与日常决策中的不确定信息使用规则。2．机器学习方法研究该方向主要研究：1）基于深度学习的超高维数据特征提取和维数约减；2）基于稀疏表示的标签传递算法及Case-Based学习分类方法；3）机器学习方法在多光谱图像解混、电力负荷预测、遥感数据解译、经济数据及网络数据分析等方面的应用。陈志平博导、教授主要研究方向介绍：1．近代优化理论与方法旨在恰当描述、有效求解复杂的决策问题，对混合整数规划、动态随机优化、鲁棒优化与锥规划等近代优化问题的理论特性、求解算法设计与实际应用等展开系统研究。2．金融风险度量与金融优化金融风险的量化与控制、最优投资组合

4、的选择是金融学和实际投资者关注的核心问题。综合运用统计学、近代优化方法、科学计算工具和金融学理论与实务，研究新型金融风险度量模型的构造，以期其具有较好的数学特性并能全面反映现实金融投资的特点。在此基础上，通过同时考虑实际金融投资过程中存在的诸多摩擦因素，构建实用的投资组合选择优化模型，探讨其有效求解算法与实际应用，以便为投资者提供实用有效且稳健的投资策略。蒋耀林博导、教授主要研究方向介绍：1.大型微分方程的新型计算理论及应用该方向主要研究大型时间相关微分方程的现代计算理论，侧重于波形松弛类新型方法的研究，典型领域包括：微分代数方程，时间相关偏微分方程，波形松弛方法，区域

5、分解（Schwarz）方法，保结构方法，时空并行方法。2.现代工业系统的先进模拟方法该方向主要研究应用领域（如集成电路工业）的大型输入输出系统的先进模拟方法，侧重于模型降阶类新型方法的研究，属于“大系统的近似技术”新兴前沿领域，兼顾研究矩阵和张量理论，以及非线性系统的动力学行为（如分叉、混沌）。何银年博导、教授主要研究方向介绍：1．线性和非线性偏微分方程数值方法研究包括用有限元、有限差分、有限体积及边界元方法求解偏微分方程的数值分析和数值计算研究。2．粘性不可压缩流体、磁流体、海洋流体动力学数值方法研究研究求解粘性不可压缩流体、磁流体、海洋流体动力学等应用性较强的流体力

6、学数值方法及数值模拟研究，数值方法包括有限元、有限差分、有限体积及边界元方法求解偏微分方程的数值分析和数值计算研究，主要研究内容是把非线性问题化为线性问题，用已有的数值方法进行求解，并研究算法的长时间稳定性和收敛性，确定网格层尺度之间和时间步长之间的尺度关系。周义仓博导、教授主要研究方向介绍：传染病动力学传染病动力学就是根据疾病发生、发展及环境变化等情况，建立能反映其变化规律的数学模型，通过模型动力学性态的研究来显示疾病的发展过程，预测其流行规律和发展趋势，分析疾病流行的原因和关键因素，寻求对其进行控制和防治的最优策略，为人们防治决策提供理论基础和数量依据.传染病动力学

7、着眼于疾病传播内在规律的描述和研究，更有利于疾病发展趋势的预测和最优控制策略的研究.阮小娥博导、教授主要研究方向介绍：学习控制理论与应用针对于多次重复运行的间歇过程、机器人等系统的理想轨迹跟踪问题，研究等幅值和协同变幅值PID-型迭代学习控制律的设计机理，论证控制律的收敛性，比较控制律的收敛速度等特性；研究利用矩形脉冲前馈补偿迭代学习控制律的方案，给出补偿增益的选取方法；研究网络时延的辨识技术，研究丢包数据的样条插值估计技术、拟合技术和时间序列分析法估计技术等，设计有效的可网络化实现的迭代学习控制律，论证控制律的收敛性态，分析网络时延和数