学术信息网 西电导航 关于 使用说明 搜索 系统首页 登录 控制面板 收藏 吴凯的留言板
基本信息

吴凯,硕士生导师

华山菁英副教授

 

工作单位:人工智能学院

联系方式

通信地址:西安市雁塔区太白南路2号西安电子科技大学224信箱

E-mail:kwu@xidian.edu.cn

办公地点:主楼II-418

Service

Conference Service

  • Chair of IEEE Symposium 2021 on Multi-agent System Coordination and Optimization.
  • Chair of IEEE Symposium 2020 on Multi-agent System Coordination and Optimization.
  • Seesion Chair of The 2nd International Conference on Industrial Artificial Intelligence.

Journal Reviewers

  • IEEE Transactions on Evolutionary Computation
  • IEEE Transactions on Cybernetics
  • IEEE Transactions on Emergent Topics in Computational Intelligence
  • IEEE Transactions on Cognitive and Developmental Systems
  • IEEE Transactions on Fuzzy Systems
  • Applied Soft Computing
  • Soft Computing
  • Natural Computing
  • Bioinformatics
  • BMC bioinformatics
  • Swarm and Evolutionary Computation
  • Neurocomputing
  • Knowledge-Based Systems
  • Information Sciences
  • Scientific Reports
  • IEEE Access
  • IEEE Signal Processing Letter
个人简介

吴凯,华山菁英副教授,河南信阳人,于2020年8月从西安电子科技大学获得电路与系统专业博士学位(导师:刘静教授)。以第一作者/通讯作者在IEEE TFS、IEEE TEVC、IEEE TCy、中国科学: 技术科学等国内外刊物发表论文10余篇。参与国家自然科学基金面上项目、科技部新一代人工智能重点研发计划等。受邀担任2020-2021 IEEE SSCI多智能体协同与优化研讨会的主席。

教育经历

2015.9-2020.8,博士:西安电子科技大学,人工智能学院

2011.9-2015.7,本科:西安电子科技大学,电子工程学院

English Version

英文主页    Google Scholar   ResearchGate

亮点新闻
  • 2021/9/13,论文“基于模糊认知图的进化博弈中的隐藏源定位研究”被ChineseCSCW2021接收。
  • 2021/8/27,论文Multiobjective Evolutionary Approach for Solving Large-Scale Network Reconstruction Problems via Logistic Principal Component Analysis被IEEE Transactions on Cybernetics接收,恭喜应潮龙。
  • 获批”华山人才基金“项目支持,60万,2021-2023。
  • 2021/6/15,论文Evolutionary Multitasking Multi-layer Network Reconstruction被IEEE Transactions on Cybernetics接收,恭喜王超。
  • 2021/4/22,论文Learning Large-scale Fuzzy Cognitive Maps using an Evolutionary Many Task Algorithm被Applied Soft Computing接收,恭喜王超。
  • 2021/4/2,论文Evolutionary Multitasking Network Reconstruction from Time Series with Online Parameter Estimation被Knowledge-based Systems接收,恭喜沈芳。
  • 2021/3/20,论文Solving Multi-task Optimization Problems with Adaptive Knowledge Transfer via Anomaly Detection被IEEE Transactions on Evolutionary Computation接收,恭喜王超。
  • 2021/2/9,论文“流数据驱动的非线性动力学网络重构”被中国科学:技术科学接收。
主要研究方向

研究内容:现实中图数据得获取非常困难,只有有限的系统表征数据可用。从表征数据到图结构的建模问题是后续图处理的基础,是影响图数据处理技术发展的卡脖子问题。没有图数据,现有在图数据上的工作都是泡影。在这个背景下,我希望能够解决这个卡脖子的问题,从数据中获取准确的graph结构,以供后续的研究。

主要研究方向为复杂系统建模及其应用、进化优化与学习、时间序列分析、对抗机器学习。


数据驱动的多场景系统智能建模方法及其应用研究:主要利用设计的模型来学习、逼近复杂系统的某种功能,然后利用学习到模型来完成各种任务。涉及下列方向:

  • 基于模糊认知图的复杂系统建模:利用模糊认知图的可解释性、抽象性等优势来对复杂系统表征知识进行学习以达到模拟复杂系统功能的效果。
  • 网络重构:利用复杂系统的动力学特征,根据复杂系统表征知识来学习复杂系统中各关键因素的网络结构关系以达到控制复杂系统的目的。
  • 因果推断
  • 基于所建模型的各种应用:主要研究时间序列预测、时间序列分类以及复杂系统中故障检测等问题。

进化优化与学习:解决具有复杂结构的优化问题,如具有许多局部最优解的非凸、不可微和非连续问题。涉及下列方向:

  • 大规模优化问题:大部分实际问题中存在高维的情况,主要研究如何设计进化算法来解决实际的大规模优化问题。
  • 昂贵代价优化问题:大部分实际问题中存在目标函数估计代价高昂的情况,主要研究如何设计进化算法来解决实际的昂贵代价问题优化问题。
  • 进化多任务学习:主要探讨网络科学中各任务迁移知识的可能性。
  • 进化深度学习:主要探讨深度学习与进化结合的可能性,以突破各自的缺点。

时间序列分析:解决表征数据为时间序列的各种任务,应用场景为大型工业场景下的故障检测、预测已经后续的智能运维方案设计。已应用在航空发动机和高铁轨道数据的异常检测,涉及下列方向:

  • 时间序列分类:研究如何高效地处理大规模、含噪声、类不平衡等极端场景下的时间序列分类问题。
  • 时间序列预测:研究如何高效地进行大规模、含噪声、多步预测等极端场景下的时间序列预测问题。
  • 时间序列聚类:研究如何高效地进行大规模、含噪声等极端场景下的时间序列聚类问题。
  • 时间序列建模:研究如何高效地进行大规模、含噪声等极端场景下的时间序列建模问题。
  • 基于时间序列的异常检测:研究如何高效地从时间序列中检测异常数据。

对抗机器学习:应用方向为复杂系统建模过程中的对抗,使相应的模型失效或者具有更强的鲁棒性。涉及下列方向:

  • 复杂系统建模上的对抗学习
  • 进化优化上的对抗学习
  • 时间序列任务上的对抗学习