【研究方向】联邦|自然语言

联邦学习 Federated Learning,FL

分布式学习方案。
通过多个参与方（client）

联邦计算 Federated Computing

联邦计算(Federated Learning)是一种分布式 机器学习 方法,旨在解决数据隐私保护与数据孤岛问题。

图联邦 Graph Neural Networks,GNNs

图联邦 都是基于大量的图数据进行训练的 ，然而在许多的现实场景中，图数据通常在多个数据所在者处，（例如医疗保健系统中的住院预测，图数据通常存储在多个数据所有者处，由于涉及患者的隐私和相关法律法规限制，不同数据所有者的数据不能直接共享。）【没明白？】

自然语言处理（NLP）

natural language processing。人工智能领域的重要研究方向，融合了语言学，计算机科学，机器学，数学以及认知心理学等多个学科领域的知识，是一门交叉学科（集计算机科学、人工智能和语言学为一体）。
自然语言处理包括（自然语言理解和自然语言生成）。研究内容主要是字、词、句、段落和篇章等等多种层次。是机器语言和人类语言沟通的桥梁。
旨在是机器理解、解释并生成人类语言，实现人机有效沟通，使得计算机能够执行语言翻译、情感分析、文本摘要等任务。

自然语言处理任务：

• 研制表示语言能力
• 语言应用模型
  建立计算框架来实现并完善语言模型，根据语言模型设计各种实用系统及探讨这些系统的评测技术。

时间序列预测法（历史引伸预测法）

其实是一种回归预测方法，属于定量预测。
基本原理是:一方面承认事物发展的延续性，运用过去的时间序列数据进行统计分析，推测出事物的发展趋势；另一方面充分考虑到由于偶然因素影响而产生的随机性，为了消除随机波动产生的影响，利用历史数据进行统计分析，并对数据进行适当处理，进行趋势预测

智能计算

智能计算只是一种经验化的计算机思考性程序，是人工智能化体系的一个分支，其是辅助人类去处理各式问题的具有独立思考能力的系统

多模态学习

多模态是指利用多种不同形式或感知渠道的信息进行表达、交流和理解的方式，通常包括视觉、听觉、文本、触觉等多种感官输入和输出方式。在计算机科学、人工智能和机器学习领域，多模态技术指的是通过整合来自不同模态的数据（如图像、文字、音频、视频等），从而增强模型的理解能力和推理能力。这种整合可以提高信息的完整性和准确性，因为每种模态可以为特定任务提供独特的信息。例如，在自动驾驶中，摄像头提供视觉信息，激光雷达提供空间感知数据，结合这些多模态信息可以使系统更好地识别障碍物并做出准确的决策。在自然语言处理和计算机视觉领域，多模态模型能够同时处理图像和文本任务，如图文描述生成、视觉问答等，帮助模型实现跨领域的理解和生成。这种多模态技术被广泛应用于人机交互、自动驾驶、医疗诊断等场景，展示了其强大的应用潜力。

‌机器学习流量识别技术‌

机器学习流量识别技术‌是一种通过机器学习算法对网络流量进行分析和识别的技术。它主要依赖于监督学习和无监督学习技术，旨在从网络数据包中提取特征，识别异常行为和潜在威胁。

全卷积网络

全卷积网络(fully convolutional network, FCN)[15]是第一个成功应用卷积神经网络进行语义分割的模型，将传统的卷积神经网络架构转化为FCN。U-Net在FCN的基础上，增加了跳跃连接来更好地保留原始图像的细节信息，专门用于解决语义分割问题，并且在分割精度和运行速度方面具有良好的表现[16]。

链路预测(Link Prediction)

网络中的链路预测(Link Prediction)是指如何通过已知的网络节点以及网络结构等信息预测网络中尚未产生连边的两个节点之间产生链接的可能性。这种预测既包含了对未知链接（exist yet unknown links）的预测也包含了对未来链接（future links）的预测。该问题的研究在理论和应用两个方面都具有重要的意义和价值

计算机视觉

开发赋予计算机视觉能力的技术。
智能眼睛！！！
应用场景？ 机器人？智慧交通？违章等抓拍？医疗？工业化？生产线？自动驾驶 面部识别等？

计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。

顶会
ICCV：International Conference on Computer Vision，国际计算机视觉大会
CVPR：International Conference on Computer Vision and Pattern Recognition，国际计算机视觉与模式识别大会
ECCV：European Conference on Computer Vision，欧洲计算机视觉大会
较好会议
ICIP：International Conference on Image Processing，国际图像处理大会
BMVC：British Machine Vision Conference，英国机器视觉大会
ICPR：International Conference on Pattern Recognition，国际模式识别大会
ACCV：Asian Conference on Computer Vision，亚洲计算机视觉大会

顶刊 PAMI：IEEE Transactions on Pattern Analysis and Machine
Intelligence，IEEE 模式分析与机器智能杂志 IJCV：International Journal on Computer
Vision，国际计算机视觉杂志 较好期刊 TIP:IEEE Transactions on Image
Processing，IEEE图像处理杂志 CVIU：Computer Vision and Image
Understanding，计算机视觉与图像理解 PR：Pattern Recognition，模式识别 PRL：Pattern
Recognition Letters，模式识别快报