北航自动化学院模式识别与智能系统导师介绍：李阳北京航空航天大学研究生院

558 113

现聘任导师一级学科名称：控制科学与工程

现聘任导师二级学科名称：模式识别与智能系统

聘任在第二学科培养博士生专业名称：无

聘任在自主设置学科培养博士生专业名称：无

主要研究方向及特色：复杂非线性系统辨识、建模及信号处理；计算神经科学；图像处理及模式识别;脑电信息分析及脑机接口

电子信箱：coq08yl@gmail.com；liyang@buaa.edu.cn

办公地点：北航国际交叉科学研究院IRC405室

通信地址：北京市海淀区学院路37号北京航空航天大学自动化科学与电气工程学院

个人简介：

基本情况

李阳副教授、博士生导师。2003至2006年，分别在重庆大学获得本科、硕士学位；2007至2008年，在中国电信重庆分公司企业信息化部工作，时任项目经理；2008至2011年，在英国谢菲尔德大学获工学博士学位；2012至2013年，在美国北卡罗来纳大学教堂山分校从事博士后研究工作。2013年2月至今，任北京航空航天大学“卓越百人”副教授，期间多次以ResearchFellow身份访问香港城市大学。研究方向为非线性复杂系统建模与信号处理、医学图像数据分析与处理、数据挖掘与脑信号处理、脑机接口等，以第一或通讯作者发表国际SCI期刊论文近20篇。主持国家自然科学基金、教育部博士点基金、教育部留学回国基金等纵向课题。曾获得2009年中国优秀海外自费留学生论文奖、2008年英国谢菲尔德大学哈里卫氏学术研究奖等。现任中国体视学学会理事、中国体视学学会仿真与虚拟现实分会副秘书长、《BIOINFOMechanicalEngineering》主编、《AdvancesinAutomobileEngineering》及《InternationalJournalofBiomedicalEngineeringandScience》编委、《中国体视学与图像分析》编委。

2008.10-2011.09:英国谢菲尔德大学，自动控制与系统工程系，工学博士

2004.09-2006.12:重庆大学，计算机学院，工学硕士

1999.09-2003.07:重庆大学，数理学院信息与计算科学，理学学士

工作经历

2013.02–至今：北京航空航天大学，“卓越百人”副教授

2013.06-2013.09：香港城市大学电子工程系，ResearchFellow

2012.05-2013.01:美国北卡罗来纳大学教堂山分校，博士后

2007.01-2008.09:中国电信股份有限公司重庆分公司企业信息化部，项目经理

主要研究领域和学科方向

1.非线性及非平稳复杂系统辨识、建模及信号处理

重点开发基于NARMAX[NonlinearAutoRegressiveMovingAveragewitheXogenousinputs]方法论及新型小波自适应跟踪算法，建模、分析、解释不同类型的真实数据如计算神经科学、生物医学成像、心理学、化学反应机理、飞机环境建模、飞行员疲劳驾驶等不同应用领域，为揭示不同应用领域的潜在机理提供定量的理论分析和新的技术支持。

2.模式识别、机器学习及临床应用

基于血氧水平依赖功能磁共振成像(BOLD-fMRI)与神经活动中血液动力学响应、电生理数据及CT数据，开发新型的模式识别特征提取算法及机器学习算法，探索脑区域间神经交互作用及连接异常改变，为脑疾病临床应用诊断提供辅助诊断工具；开展多变量因果建模基础理论、多模态脑效应连接网络分析方法以及模式识别分类技术探索，为具有挑战性脑疾病的早期发现、早期干预及预后判断等提供定量的理论分析和新的技术指导。

3.医学影像数据分析与处理,复杂脑网络建模及脑疾病诊断

4.脑信号分析（EEG、MEG、fMRI）的算法研究及脑机接口

在研科研项目：

1.多模态磁共振成像的脑效应连接网络分析及脑疾病诊断方法研究，国家自然科学基金，2015.01～2017.12

2.多模态脑网络效应连接分析方法研究，教育部博士点基金，2014.01～2015.12

3.基于Bootstrap方法的最优稀疏多变量脑效应连接网络建模及MCI分类识别研究，教育部留学回国基金，2014.01～2014.12

主要荣誉及奖励

2012年获北京航空航天大学第三批"卓越百人"人才计划

2009年获中国优秀自费留学生奖;

2008年获英国谢菲尔德大学哈里沃辛顿学术研究奖;

2007年获重庆市优秀硕士毕业论文奖;

2007年获重庆大学优秀硕士毕业论文奖;

2007年获重庆大学高水平期刊论文奖;

2003年获重庆大学优秀毕业生

开授课程

智能信息处理(研究生课程)

Fortierapproachesofcontrolscience(本科生暑期国际课程)

SystemIdentification(国际留学生课程)

学术兼职

中国体视学学会理事

“仿真与虚拟现实”分会委员

BIOINFOMechanicalEngineering主编

InternationalJournalofBiomedicalEngineeringandScience编委

AdvancesinAutomobileEngineering编委

中国体视学与图像分析编委

特邀国际学术报告：

1.2011.12.19,Title:OscillationsCharacterisationandCausalityAnalysis:AparametricModellingApproach,HostedbyProfessorPaoloaAvesani,FondazioneBrunoKessler,ViaSommarive18,UniversityofTrento,Italy;

2.2011.12.2,Title:Theroleofoscillationsandcausalityanalysis:Asystemsmodellingframework,HostedbyDr.RonKupers,InstituteofNeuroscience&Pharmacology,UniversityofCopenhagen,Denmark;

3.2011.5.30,Title:Time-frequencyfeatureextractionbasedontime-varyingmodellingidentificationfromEEGsignals,HostedbyProfessorTobiasMoser,DepartmentofOtorhinolaryngology,UniversityofG?ttingen,Germany;

4.2011.2.14,Title:AtimevaryingmodelforDisturbanceStormTime(Dst)Indexanalysis,HostedbyTheInauguralACSESymposium,UniversityofSheffield,UnitedKingdom

主要代表性论文：

国际期刊论文

1.YangLi,Chong-YawWee,BiaoJie,ZiwenPeng,DinggangShen:SparsemultivariateautoregressivemodelingforMildCognitiveImpairmentClassification,Neuroinformatics,2014DOI10.1007/s12021-014-9221-x（SCI检索）

2.YangLi,PaoloAvesaniandEmanueleOlivetti(2012):ModelingandAnalysisofTime-varyingMechanismWithApplicationstoNeuroimagingData,AdvancesinAutomobileEngineering,Editorial,2012,1:3.

3.YangLi,Hua-LiangWei,StephenA.BillingsandXiao-FengLiao(2012):Time-VaryingLinearandNon-linearParametricModelforGrangerCausalityAnalysis,PhysicalReviewE001900(SCI检索、EI检索)

4.YangLi,Hua-LiangWei,StephenA.BillingsandSarrigiannis,P.(2011):Time-varyingmodelidentificationfortime-frequencyfeatureextractionfromEEGdata.JournalofNeuroscienceMethods196,151-158（SCI检索）

5.YangLi,Hua-LiangWeiandStephenA.Billings(2011):Identificationoftime-varyingsystemsusingmulti-waveletbasisfunctions.IEEETransactionsonControlSystemsTechnology19,656-663（SCI检索、EI检索）

6.YangLi,(2011):Somelessconservativecriteriaforimpulsivesynchronizationofahyper-chaoticLorenzsystembasedonsmallimpulsivesignals.NonlinearAnalysis:RealWorldApplications11,713-719（SCI检索、EI检索）

7.YangLi,Kwok-WoWong,Xiao-FengLiaoandChuan-DongLi(2009):Onimpulsivecontrolforsynchronizationanditsapplicationtothenuclearspingeneratorsystem.NonlinearAnalysis:RealWorldApplications10,1712-1716（SCI检索、EI检索）

8.YangLi,Kwok-WoWongandZhongZhang(2009):LessConservativeConditionsforAsymptoticStabilityofthenuclearspingeneratorviaImpulsiveControl.DynamicsofContinuous,DiscreteandImpulsiveSystemsSeriesA:MathematicalAnalysis16,183-191

9.Zhi-JunPeng,YangLi,Xiao-FengLiaoandChuan-DongLi(2008):ImpulsivesynchronizationofLuchaoticsystembasedonsmallimpulsivesignal.InternationalJournalofTheoreticalPhysics47,797-804(Correspondingauthor)（SCI检索）

10.YangLi,Xiao-FengLiao,Chuan-DongLiandYongWang(2007):OnimpulsivecontrolforsynchronizationanditsapplicationtoMassumoto-Chua-Kobayashi(MCK)circuit.CommunicationsinTheoreticalPhysics48,275-278（SCI检索）

11.YangLi,Xiao-FengLiao,Chuan-DongLi,Ting-WenHuangandDe-GangYang(2007):Impulsivesynchronizationandparametermismatchofthethree-variableauto-catalatormodel.PhysicsLettersA366,52-60（SCI检索）

12.YangLi,Xiao-FengLiao,Chuan-DongLiandGuoChen(2007):Impulsivesynchronizationoflaserplasmasystem.CommunicationsinTheoreticalPhysics47,1067-1072（SCI检索）

13.YangLi,Xiao-FengLiao,Chuan-DongLiandGuoChen(2006):ImpulsivecontrolforsynchronizationofnonlinearRosserchaoticsystems.ChinesePhysics15,2890-2893（SCI检索、EI检索）

14.FeiChen,Xiao-FengLiao,Kwok-WoWong,QiHan,andYangLi(2012):Perioddistributionanalysisofsomelinearmaps,Communicationsinnonlinearscienceandnumericalsimulation,17,3848-3856（SCI检索、EI检索）

15.YongWang,Kwok-WoWong,Chang-bingLi,andYangLi(2012):AnovelmethodtodesignS-boxbasedonchaoticmapandgeneticalgorithm.PhysicsLettersA,376,827-833（SCI检索）

国际会议论文：

1.Chong-YawWee,YangLi,BiaoJie,Zi-wenPeng,andDinggangShen,IdentificationofMCIUsingOptimalSparseMARModeledEffectiveConnectivityNetworks",MICCAI2013,Nagoya,Japan,Sep.22-26,2013(EI检索、ISTP检索)(共同第一作者，医学图像处理和辅助诊断领域顶级会议).

2.YangLi,Hua-LiangWeiandStephenA.Billings(2011):Atime-varyingmodelforEEGGrangerCausalityanalysis.The4thBiennialNeuroscienceConference,G?ttingen,Germany,25th–28thMay,2011

3.YangLi,Hua-LiangWei,StephenA.Billings,Balikhin,M.A.andWalker,S.A.(2009):ATime-VaryingModelforDisturbanceStorm-Time(Dst)IndexAnalysis.9thUKCAREAnnualGeneralMeeting,Proceeding,Manchester,UnitedKingdom,September2009.

THE END

学习数学在人工智能学习中的重要性算法科学概率论

一文读懂深度强化学习算法A3C（ActorCriticAlgorithm）AHUWangXiao

儿童骨龄，这份解析图谱！！！！！！！！！

人工智能机器学习神经网络和深度学习的发展历程（下）模型学习算法神经网络发展

机器学习之PyTorch和ScikitLearn第4章构建优秀的训练数据集数据预处理Part2

手把手教你使用Logistic回归LDA和QDA模型预测指数涨跌 1 引言机器学习（Machine Learning）是人工智能（AI）的重要组成部分，目前已广泛应用于数据挖掘自然语言... 

北航自动化学院模式识别与智能系统导师介绍：李阳北京航空航天大学研究生院

1.学习算法和数据结构的意义或者说,学习算法和数据结构也好,学其他的也好,学习的意义不在于学习本身,在于实际问题的倒推出来的需求,因此要去学习些什么。 在这个结论下,我觉得最最重要的,就是学习本身其实只占50%的时间,剩下50%,还有很多重要的要做,理解对方的问题和需求,还有更多看似不那么有“思考含量”的工作,比如整理,复盘。 https://www.jianshu.com/p/b7400566a911
2.学算法的作用腾讯云开发者社区Sift特征匹配算法可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,具有很强的匹配能力。在Mikolajczyk对包括Sift算子在内的十种局部描述子所做的不变性对比实验中,Sift及其扩展算法已被证实在同类描述子中具有最强的健壮性。 (4)速度相对较快https://cloud.tencent.com/developer/information/%E5%AD%A6%E7%AE%97%E6%B3%95%E7%9A%84%E4%BD%9C%E7%94%A8
3.学习算法的意义(精选八篇)学习算法的意义(精选八篇) 学习算法的意义 篇1 1 什么是算法 算法一词源于算术,即算术方法,它是由已知推求未知的运算过程,后来,推广到一般,把进行某一工作的方法和步骤称为算法。 算法这一古老的概念,大约萌生于四五千年以前,算法是“十进位制及它的演算的技巧”的意思。现代意义上的“算法”通常是指可用计算https://www.360wenmi.com/f/cnkey165grie.html
4.学习算法的意义算法是计算机科学领域最重要的基石之一,但却受到了国内一些程序员的冷落。许多学生看到一些公司在招聘时要求的编程语言五花八门就产生了一种误解,认为学计算机就是学各种编程语言,认为学习最新的语言、技术、标准就是最好的铺路方法。 编程语言虽然该学,但是学习计算机算法和理论更重要。 算法是指解题方案的准确而完整的https://m.edu.iask.sina.com.cn/jy/ktioFWROvR.html
5.究竟什么是算法,怎么什么都要学算法?算法有什么用为什么都啃算法什么是计算机算法? 算法是计算机可以用来解决特定问题的指令列表。算法用于计算的所有领域,它们旨在以有效的方式解决问题。 算法的设计取决于它需要解决的问题的复杂性。对于简单的问题,蛮力可能是可行的。然而,对于更复杂的问题,需要更复杂的算法。 计算机算法无处不在 https://blog.csdn.net/2403_88996764/article/details/143954757
6.遗传算法是机器学习遗传算法的意义遗传算法是机器学习 遗传算法的意义 浅析遗传算法 一、遗传算法的基本概念 遗传算法(Genetic Algorithm)是一类借鉴生物界的进化规律(适者生存,优胜劣汰遗传机制)演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出,其主要特点是直接对结构对象进行操作,不存在求导和函数连续性的限定;具有内在的隐并行性https://blog.51cto.com/u_16213687/9458331
7.图分析与学习算法自动驾驶技术……这两位人大学子,获奖降低大规模图分析与学习算法的复杂度 创造自动驾驶技术多任务通用模型 …… 每一项科研成果的背后 都是无数个日夜的辛苦与坚持 近日,中国人民大学信息学院2019级直博生王涵之、2020届硕士毕业生丁明宇与来自香港大学、清华大学、上海交通大学、南京大学、斯坦福大学、华盛顿大学、加州大学洛杉矶分校的8名学子一同获得了第https://t.m.youth.cn/transfer/index/url/tech.youth.cn/wzlb/202201/t20220129_13411740.htm
8.生命宇宙以及任何事情的终极答案多明戈斯将该学习算法称为“终极算法”。 他认为,如果这种算法成为可能,它的发明将成为人类最伟大的科学成就之一。实际上,终极算法是我们最不愿意发明的东西,因为一旦对其放松,它会继续发明一切有可能发明的东西。 这个世界正在越来越逼近终极算法,还是更加远离? https://36kr.com/p/1722788823041.html
9.算法和数据结构到底是个啥?为什么要学它?在计算机科学中，学习算法和数据结构就像是学会了烹饪技能一样，能够让你写出更高效、更易维护的软件。https://www.zhihu.com/question/631614359/answer/3380390838
10.机器学习的工作原理优势及主要意义机器学习的工作原理、优势及主要意义 描述 机器学习 (ML) 采用算法和统计模型,使计算机系统能够在大量数据中找到规律,然后使用可识别这些模式的模型来预测或描述新数据。 什么是机器学习?其工作原理是什么? 简而言之,机器学习就是训练机器去学习,而不需要明确编程。机器学习作为 AI 的一个子集,以其最基本的形式使用https://m.elecfans.com/article/1815318.html
11.2020届数学方向毕业设计(论文)阶段性汇报主要汇报内容分为两块:第一部分是去年开始进行的有关利用SDE研究梯度下降法全局收敛性的工作,第二部分是目前正在进行的带有生灭过程的机器学习算法。收敛性研究主要以学习、整理、撰写paper为主,算法研究目前正在进行对前人的算法进行实验复现,之后将根据李磊老师关于该算法在黎曼度量意义下的某些性质提出的新算法进行验证https://zhiyuan.sjtu.edu.cn/html/zhiyuan/announcement_view.php?id=3695
12.深度学习算法作用深度学习是机器学习一个分支,并不等于人工智能,它只是一种算法,和普通的机器学习算法一样,是解决问题的一种方法。其目前主要应用领域有:1、计算机视觉(图像分类、目标检测、图像分割);2、语音识别(语音识别、声纹识别、语音合成);3、自然语言处理(机器翻译、自动摘要)。 深度学习 如今,提到人工智能,几乎无人不谈https://aistudio.baidu.com/aistudio/projectdetail/5085476
13.大脑如何为世界建模?从无监督学习到预测加工《预测算法》世界慷慨而可靠地为我们提供着海量的训练信号,以资匹配当下做出的预测和实际感知的传入刺激,无论预测任务在生态意义上是相对基础的(如预测不断变化的视觉影像以识别捕食者或猎物)还是相对先进的(如“看见”桌上的咖啡,或预见句子中的下一个单词)。一些广为人知的学习算法(learning algorithms)能够利用这种机制,揭示https://www.thepaper.cn/newsDetail_forward_26790647
14.中国首个运筹学算法平台正式发布打破国外高价商业求解器垄断此次发布的LEAVES是由上财并行优化国际实验室和杉数科技牵头,多家知名高校、研究所与企业参与共建的运筹学与人工智能算法平台,平台内包括了多个数学规划、机器学习和运筹学实际问题的算法和解决方案。其中数学规划求解器的部分,是第一个成规模的华人运筹学优化算法求解器,对于我国运筹优化算法的发展有着重要意义。 https://www.guancha.cn/scroll-news/2017_10_18_431273.shtml
15.关于算法多样化的若干问题的思考研究过程新课程认为学习算法是学生经历数学化的活动,是学生经过自己的努力解决以前未曾遇过的新问题,认识未曾接触过的新知识,掌握未曾运用过的新方法。学习算法是一次创新的过程。新课程教学算法不是给学生框框与束缚,而是给予探索空间;不是给学生知识与规定,而是给他们提供展示个人才智、交流各自收获的机会。因此,学生中出现多样http://www.hlsx.wj.czedu.cn/html/article816629.html
16.2020年深度学习算法工程师面经(微软阿里商汤滴滴华为简单分为深度学习、机器学习基础、图像处理基础、数学基础、算法基础、程序设计语言、模型部署、HR面试以及与我本人简历相关的目标检测、属性识别、Kaggle及天池的比赛、创新想法等几个部分介绍。可能开始会有重叠或者分类不恰当,后面会逐渐更新完善。其中第一篇先介绍到HR面试,第二篇介绍个人相关的项目和比赛部分。https://maimai.cn/article/detail?fid=1514590373&efid=Oph3033j5Qs70xHZdz0sGA
17.《常用算法之智能计算(三)》:机器学习计算从更广泛的意义上来看,机器学习是人工智能的一个子集。人工智能旨在使计算机更加智能化,而机器学习已经证明如何做到这一点。简而言之,机器学习是人工智能的应用,通过应用从数据中反复学习得到算法,可以改进计算机的功能,而无需进行明确的编程。 在给出机器学习计算各种算法之前,最好是先研究一下什么是机器学习和如何对http://www.kepu.net/blog/zhangjianzhong/201903/t20190327_475625.html
18.人类科技文明发展史:十个堪称“里程碑式”事件新闻资讯将人工智能(AI)压缩到10个“需要记忆的时刻”并不容易。在数以百计的研究实验室和数千名计算机科学家的帮助下,编制一份每一项具有里程碑意义的成就的清单,都将是一份智能算法的工作。然而,我们已经仔细研究了历史书籍,为你带来了人工智能历史上最重要的10个里程碑式的发展。 https://www.gaobei.com/gaobeizt/article_37803.html