课题组的主要研究方向:
1、深度学习与人工智能(含复杂场景文字识别,图像识别、分割等)
代表性论文:“Quality-Aware Self-Training on Differentiable Synthesis of Rare Relational Data, AAAI 2023(顶级国际会议论文)”。
拟出版全新的学术专著《深度学习与人工智能》,机械工业出版社,初稿已完成,正在修改完善,预计2024年上半年出版。
已出版的专著《刷脸背后》(电子工业出版社)被2019年热播电视剧选用,以增加其高科技元素。
2、数据科学(主要是大数据分析相关方向,含长尾学习、不均衡学习);
代表性论文:“Multi-Imbalance: An open-source software for multi-class imbalance learning. Knowledge-Based Systems, 2019 (SCI 二区,ESI高被引论文、ESI热点论文,引用次数:131次)”。
3、人工智能驱动的科学研究(AI for Science),具体包括人工智能驱动的自然科学研究和人工智能驱动的人文社会科学研究。
该领域是新兴领域和科技前沿,具有巨大的发展空间,应用前景十分广阔,世界各国都在积极探索,我国科技部在2023年3月部署了专项资助。在人工智能驱动的人文社会科学研究方面,本人带领的团队将人工智能与古文字研究跨学科交叉,解决甲骨学领域的痛点问题、真实存在的问题。未来,本团队还将开展人工智能驱动的自然科学研究。
代表性论文:“Data-Driven Oracle Bone Rejoining: A Dataset and Practical Self-Supervised Learning Scheme, SIGKDD 2022(顶级国际会议论文)”。
三个方向已经贯通、相互促进。
代表性论著:
1. Chongsheng Zhang, Bin Wang, Ke Chen, Ruixing Zong, Bofeng Mo, Yi Men, George Almpanidis, Shanxiong Chen, Xiangliang Zhang. Data-Driven Oracle Bone Rejoining: A Dataset and Practical Self-Supervised Learning Scheme. The 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining(SIGKDD 2022), Washington, DC, USA, August 14-18, 2022.
https://kdd.org/kdd2022/
https://dl.acm.org/doi/abs/10.1145/3534678.3539050
【该论文是河南省属高校在该顶会上发表的首篇论文,也是威廉希尔中文官网/信息学科为第一单位发表的首篇CCF-A类顶级会议论文长文】【该论文在大会现场进行了30分钟的Oral Presentation】
主要贡献:基于深度学习技术,设计数据驱动的甲骨缀合算法,初步解决了甲骨学界一直关注的甲骨缀合问题。 除了数据驱动的方法,课题组还设计了模型驱动的甲骨缀合方法。这些工作都是集体智慧的结晶,很多老师和同学都做出了重要贡献。所设计的甲骨缀合软件命名为“缀多多”,在学界引起了较多关注,新华社、环球网、河南卫视、中国之声等媒体也进行了报道。 读者可搜索“缀多多”,进一步了解相关工作。
2. Chongsheng Zhang, Yaxin Hou, Ke Chen, Shuang Cao, Gaojuan Fan, Ji Liu. Quality-Aware Self-Training on Differentiable Synthesis of Rare Relational Data. The Thirty-Seventh AAAI Conference on Artificial Intelligence(AAAI 2023), February 7-14, Washington, DC, USA, 2023.
https://aaai-23.aaai.org/
https://aaai-23.aaai.org/wp-content/uploads/2023/01/Updated_AAAI-23-Technical-Schedule-FEB09.pdf
【该论文是威廉希尔中文官网/信息学科为第一单位发表的第二篇CCF-A类顶级会议论文长文】【该论文在大会现场进行了15分钟的Oral Presentation】
主要贡献:针对数据稀缺问题,将数据驱动的学习方式和模型驱动的学习方式巧妙结合起来,利用模型知识监督、指导基于生成对抗网络的稀缺类样本合成,实现端到端的数据生成和语义感知为一体的深度模型构建, 显著提升了稀缺类数据的分类性能。
3. 专著:《人工智能 人脸识别与搜索》,电子工业出版社,受到国家出版基金资助。 |