4876
Views
金学波 教授
北京工商大学
Email: jinxuebo@btbu.edu.cn
ORCID: 0000-0002-2230-0077
金学波,中共党员,教授,博士生导师。1994年毕业于吉林大学(原吉林工业大学)获学士学位,1997年毕业于吉林大学(原吉林工业大学)获硕士学位,2004年获得浙江大学控制科学与工程博士学位,导师为孙优贤院士。
2013年作为引进人才进入北京工商大学,入选北京市拔尖人才。现任中国航空学会信息融合分会委员、中国自动化学会过程控制专委会委员、中国出入境检验检疫协会进出口食品标准化技术委员、IEEE会员,国家科技专家库专家,国家自然科学基金专家库专家,浙江省等省级自然科学基金专家库专家,北京市拔尖人才。
研究方向为信息融合、模式识别与预测、大数据分析、深度学习等。近年来在相关领域主持了1项国家科技支撑计划课题、4项国家自然基金面上项目等多项研究课题。获2021年度中国粮油学会科学技术奖一等奖。
在时序信号模式识别、图像目标检测与识别等研究领域,已发表SCI、EI收录等高水平学术论文159篇,其中7篇为ESI高被引论文(前1%)、3篇ESI热点论文(前0.1%),已授权国家发明专利20余项,出版关于传感器信号识别与状态估计、多传感器信息融合的学术专著3部。担任SCI收录期刊Sensors编委,为IEEE/CAA Journal of Automatica Sinica、Knowledge-Based Systems等中科院一区SCI期刊审稿人。
主持的科学研究项目:
1. 2020.12-2022.12,国家科技计划项目申报中心重点研发计划(课题):粮食主要污染物污染水平评价与风险预警(2020YFC1606801)
2. 2022.01-2025.12,国家自然科学基金:基于测量大数据的复杂系统半隐式网络建模及状态估计(62173007)
3. 2017.01-2020.12,国家自然科学基金:基于时空大数据群对象的高维运动特征识别及演化分析(61673002)
4. 2013.01-2016.12,国家自然科学基金:事件驱动采样长路径多源数据的快速跟踪与溯源方法研究(61273002)
5. 2010.01-2012.12,国家自然科学基金:分布式多源复杂时序数据融合估计研究(60971119)
6. 2013.01-2015.12,北京市属高等学校青年拔尖人才培育计划:具有自激、互激及受激特征的商业大数据建模方法研究(CIT&TCD201304025)
7. 2015.01-2017.12,北京市教委科研计划重点项目:基于海量移动对象时空数据的高维运动特征估计与识别(KZ201510011012)
8. 2014.4-2014.12,百度开放研究院项目:基于分布式并行Kalman滤波器的大规模数据动力学特性提取与分析
期刊简介:
《人工智能前沿与应用》是一本专注于人工智能研究领域的学术期刊。我们旨在促进人工智能技术的创新与进步,并提供一个交流和分享最新前沿科技应用的平台。该期刊将涵盖人工智能的各领域,包括机器学习、深度学习、自然语言处理、计算机视觉、机器人技术、数据科学等。
《人工智能前沿与应用》期刊欢迎研究者在以下领域提交原创研究论文、学术综述、研究报告和创新应用等类型的论文:
1.机器学习与深度学习:包括机器学习算法、深度神经网络、图神经网络、迁移学习、深度生成式模型等方面的研究。
2.自然语言处理与推荐系统:包括自然语言理解、文本挖掘、机器翻译、情感分析、推荐系统、生成式模型在文本生成中的应用等方面的研究。
3.计算机视觉与图像处理:包括图像识别、目标检测、图像生成、图像分割、三维重建、生成对抗网络等方面的研究。
4.人机交互与智能系统设计:包括自然语言处理、人脸识别、人体姿态估计、情感计算、虚拟现实、增强现实等方面的研究。
5.大模型训练与推理:包括大规模深度学习模型的训练、模型压缩与加速、分布式深度学习等方面的研究与应用。
6.机器人技术与自主系统:包括机器人定位与导航、路径规划、机器人学习、多智能体系统、深度强化学习等方面的研究。
7.数据科学与大数据分析:包括数据挖掘、数据可视化、大数据管理、预测与决策、深度学习模型在大数据分析中的应用等方面的研究。
8.AI在医疗与健康领域的应用:包括医学影像分析、疾病预测、健康监测、智能诊断、深度学习网络在医疗数据分析中的应用等方面的研究。
9.AI在金融与商业领域的应用:包括金融风控、投资分析、智能营销、供应链优化、大模型训练与推理在金融与商业中的应用等方面的研究。
10.AI在智能交通与城市管理中的应用:包括交通流预测、智能交通管理、城市规划、智慧城市、大模型在交通和城市管理中的应用等方面的研究。
11.AI伦理与社会影响:包括人工智能伦理、隐私保护、社会接受度、技术治理、人工智能的公平性与可解释性等方面的研究。
12.AI在教育与人工智能协作领域的应用:包括智能教育系统、个性化学习、机器辅助教学、协作机器人、深度学习网络在教育领域中的应用等方面的研究。
我们鼓励研究者提交最新的具有创新性、科学性和实用性的论文、综述、技术报告和创新应用,以推动人工智能领域的研究和发展,并促进其在各个领域的广泛应用。《人工智能前沿与应用》将进行严格的同行评审,确保提供高质量的学术论文和最新研究成果。