招生说明：

1：秉着“宁缺毋滥”的原则，欢迎积极进取、富有理想的优秀学生加入我们；

2：建议事先了解一下人工智能、优化算法、网络智能、大数据等研究方向，确认对此感兴趣。特别欢迎有较好的数学基础、软件设计经验的同学加入我们。

 

方向一：神经架构搜索与计算智能 (高效神经架构搜索，神经网络压缩、数据驱动多目标优化，群体智能等)

研究成果：开展了大规模（高维）多目标优化（局部变量自适应分析、参考向量自适应学习、偏好学习等）、神经架构搜索（Pareto分类器、域泛化预测器、多模态NAS、模糊NAS等）、神经网络量化（样本相似度分析、损失感知量化等）及其在视觉分析、多模态融合、三维点云缺陷检测中的应用研究，成果发表于IEEE TC (2023/2024, CCF A类)， IEEE TEVC (2022/2023), IEEE TCYB (2021/2022); 提出了基于梯度回溯的神经网络量化模型以及基于Shaply的混合精度量化方法，成果发表于AAAI-2024 (CCF A类); 设计了面向复杂工业优化场景的进化优化算法及多目标优化算法，能够高效处理带有强约束的工业生产调度问题，成果发表于IEEE TSMC-S (2016/2019/2020/2023), IEEE TETCI(2020/2021/2021).

研究小组：7人（1名教师+3博士生+3硕士生）

 

方向二：边缘计算与网络分析（工业网络任务调度、异构资源分配调度，边缘任务卸载、边缘视频流分析、社交网络分析）

研究成果：开展了基于博弈拍卖机制的云边缘计算资源动态供给分配机制研究，成果发表于 IEEE TMC (2021/2023， CCF A类)、IEEE TSC (2024，CCF A类); 针对网络流量分析、视频直播、网络入侵检测等任务，应用神经架构搜索、知识蒸馏等方法，构建异构模型生成系统，提出异构网络设备的AI模型自动化、网内智能RE模型自动化、弱网环境视频直播优化等方案，自动生成可部署的神经网络模型。成果发表于NeurIPS2023 (CCF A), ACM MM2023 (CCF A), IEEE TC (2023, CCF A)等；研究了社交网络的结构检测、影响最大化以及动态演化机制，成果发表于 IEEE TETCI (2021), IEEE TSC (2024).

研究小组：7人（1名教师+3博士生+3硕士生）

 

方向三：知识表示与多模态学习（实体关系联合抽取，知识图谱构建，语义提取，知识推理，多模态知识挖掘）

研究成果：基于深度神经网络、计算智能等机器学习方法，结合知识图谱，研究图像处理和自然语言处理的算法与模型（目标识别、多模态实体抽取、多模态文本分类等），成果发表/录用于 IEEE TAI 2023， IEEE TETCI（2023）。

研究小组：7人（1名教师+2博士生+4硕士生）

 

方向四： 大模型训练与NAS开放平台 （NAS性能测试开源平台，预训练大模型增强微调、提示词与思维链自动构建、大模型应用，AI模型可信安全）

研究成果：设计开源的NAS集成开发及性能测试平台系统，集成当前主流NAS方法，为从事NAS相关研究的学者与学生提供综合性能测试比较平台；研究预训练大模型工业知识增强微调、提示词与思维链自动构建等相关技术，将大模型应用于医疗服务、智慧矿业等领域；针对AI安全与可信问题，研究AI模型的可信性测量方法。

研究小组：3人（1博士生+2硕士生）