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

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
1.人工智能论文研究探索机器学习与深度学习的前沿应用在当今这个快速发展的时代,人工智能(AI)已经成为科技领域的一个热点话题。随着AI技术的不断进步,它在各个行业和领域中的应用日益广泛,从而激发了大量关于AI论文的研究。以下是对一些最新的人工智能论文研究进行的概述。 机器学习与数据分析 在过去几年中,机器学习技术得到了巨大的发展,这主要归功于大数据和云计算服务https://www.206sk8xl.cn/xing-ye-zi-xun/627985.html
2.机器学习:开启智能未来的钥匙腾讯云开发者社区在风控方面,银行通过大数据技术,监控账户的交易参数,分析持卡人的用户行为,从而判断该持卡人的信用级别。机器学习算法可以分析大量的交易数据,识别异常交易模式,及时发现欺诈行为,保护金融机构和客户的利益。 (四)自然语言处理、图像和视频处理、医疗保健、金融和商业、交通运输、农业等多领域应用 https://cloud.tencent.com/developer/article/2478495
3.物理学中的机器学习:从数据到发现的新范式机器学习(ML)是人工智能(AI)的一部分,致力于开发能够从数据中学习、无需明确编程便能做出预测或决策的算法。过去几十年里,机器学习已经成为多个领域的强大工具,改变了医疗、金融和零售等行业。在物理学中,机器学习的应用正在产生深远影响,它提高了数据分析的效率,推动了模式识别、预测建模,甚至新理论的发现https://baijiahao.baidu.com/s?id=1814759329987375988&wfr=spider&for=pc
4.机器学习算法的进步:从传统到现代机器学习(Machine Learning)是人工智能(Artificial Intelligence)的一个分支,它涉及到计算机程序能够自动学习和改进其表现的方法。机器学习的目标是使计算机能够自主地从数据中学习,而不是被人们明确编程。这种技术已经广泛应用于各个领域,例如图像识别、自然语言处理、推荐系统等。 https://blog.csdn.net/universsky2015/article/details/135809767
5.2020届计算机科学方向毕业设计(论文)阶段性汇报深度学习在视频分析中的应用 在本次汇报中,我将介绍毕设课题选定的视频分析具体任务:时序动作检测(Temporal Action Proposal)的相关内容,包括任务背景、最近研究成果、数据情况以及切入点等。我还将汇报过去一阶段的工作内容和下一阶段的工作计划。 范舟 基于强化学习的推荐与广告合并算法设计 https://zhiyuan.sjtu.edu.cn/html/zhiyuan/announcement_view.php?id=3709
6.从零开始:机器学习的数学原理和算法实践本书从数学基础知识入手,通过前3章的介绍,帮助读者轻松复习机器学习涉及的数学知识;然后,通过第4~第13章的介绍,逐步讲解机器学习常见算法的相关知识,帮助读者快速入门机器学习;最后,通过第14章的综合实践,帮助读者回顾本书内容,进一步巩固所学知识。 本书适合对机器学习感兴趣但数学基础比较薄弱的读者学习,也适合作为https://www.epubit.com/bookDetails?id=UB77b8ad3a2522b
7.4种方法教你利用Python发现数据的规律python这样我们就可以发现数据的规律,例如哪些因素会影响购买决策等。需要注意的是,这只是一个简单的示例,实际应用中需要根据具体问题选择合适的机器学习算法和特征工程方法。 到此这篇关于4种方法教你利用Python发现数据的规律的文章就介绍到这了,更多相关Python数据规律内容请搜索脚本之家以前的文章或继续浏览下面的相关文章https://www.jb51.net/article/278111.htm
8.人工智能技术导论——机器学习与知识发现51CTO博客而分别基于这三个要素, 就可以对机器学习进行分类。例如,由于信息有语言符号型与数值数据型之分, 因此基于信息,机器学习可分为符号学习和数值学习; 而基于知识的形式,机器学习又可分为规则学习和函数学习等; 若基于发现的逻辑方法, 则机器学习可分为归纳学习、演绎学习和类比学习等等。 这样的分类也就是分别从“https://blog.51cto.com/u_15127700/4561036
9.Python机器学习基础教程如何衡量应用是否成功? 机器学习解决方案与我的研究或商业产品中的其他部分是如何相互影响的? 从更大的层面来看,机器学习算法和方法只是解决特定问题的过程中的一部分,一定要始终牢记整个项目的大局。许多人浪费大量时间构建复杂的机器学习解决方案,最终却发现没有解决正确的问题。 当深入研究机器学习的技术细节时(本书https://www.ituring.com.cn/book/tupubarticle/19667
10.机器学习及其应用通过脑部扫描发现肿瘤 自动分类新闻 论坛自动标记恶评 基于多性能指标来预测公司下一年的收入 对应用语音命令做出反应 … 机器学习算法基本类型 常见算法 按是否在人类监督下训练分类 监督学习 在监督学习中,用来训练算法的训练数据包含了答案,称为标签。 分类就是一个典型的监督学习,例如垃圾邮件过滤器一些回归算法也可https://www.jianshu.com/p/11d1323d028e
11.算法岗还是工程岗?关于职业选择的一点小思考职业发展以机器学习平台研发工程师-Data进行举例,首先你至少要精通或者熟悉一门编程语言(重点,不要贪杯),其次就是数据结构与算法要学好(这里所谓的学好并不是说你在某某平台刷了多少题,更重要的是要了解算法在生活中的应用场景,比如对于栈这种数据结构,大家在学校里可能就只知道栈可以解决括号匹配问题,但你是否知道你在日常https://ac.nowcoder.com/discuss/995242?type=9&order=0&page=1
12.数字化观察(100)华夏银行吴永飞等:数字金融领域小样本学习技术然而,产业数字金融风控所使用的数据要素情况不同于以往,特别是对公客户场景化、生态化细分后,数据样本量很小,难以满足风控建模的需要;而小样本学习目前在机器学习与数据挖掘领域仍属世界性难题。本文从小样本学习技术创新入手,深入探索数字经济时代下面向产业数字金融的小样本学习应用研究与实践。https://bank.hexun.com/2022-05-31/206058282.html
13.《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