今日頭條
官方微信
官方抖音
資訊頻道近日，歐洲科學(xué)院公布了2018年新當(dāng)選的院士名單，中國(guó)自動(dòng)化學(xué)會(huì)副理事長(zhǎng)、澳門大學(xué)講座教授陳俊龍當(dāng)選為歐洲科學(xué)院外籍院士。
歐洲科學(xué)院（拉丁文 Academia Europaea，英文The Academy of Europe）由英國(guó)皇家學(xué)會(huì)與歐洲各國(guó)的國(guó)家科學(xué)院于1988年共同發(fā)起成立，總部位于英國(guó)倫敦，共分21個(gè)學(xué)部，其學(xué)科領(lǐng)域涵蓋人文科學(xué)、社會(huì)科學(xué)、自然科學(xué)和科學(xué)技術(shù)等，是國(guó)際上跨地域和學(xué)術(shù)領(lǐng)域最廣泛、學(xué)術(shù)地位最高、影響最大的科學(xué)組織之一。
歐洲科學(xué)院院士選舉每年舉行一次，其程序包括同行提名、嚴(yán)格的學(xué)術(shù)審查、學(xué)組與學(xué)部多輪投票，最后由歐洲科學(xué)院的理事會(huì)批準(zhǔn)產(chǎn)生。目前，歐洲科學(xué)院的院士包括73位諾貝爾獎(jiǎng)獲得者、15位菲爾茲獎(jiǎng)獲得者、6位圖靈獎(jiǎng)獲得者等。該院目前共有近100多位外籍院士，不足5%，主要來自自然科學(xué)領(lǐng)域。
陳俊龍教授簡(jiǎn)介
陳俊龍（C. L. Philip Chen）博士，國(guó)家千人學(xué)者、國(guó)家特聘專家，中國(guó)自動(dòng)化學(xué)會(huì)副理事長(zhǎng)及會(huì)士，澳門科協(xié)副會(huì)長(zhǎng)，澳門大學(xué)講座教授，科技學(xué)院前院長(zhǎng)。陳教授是 IEEE Fellow會(huì)士，美國(guó)科學(xué)促進(jìn)會(huì)AAAS Fellow會(huì)士，國(guó)際模式識(shí)別學(xué)會(huì)IAPR Fellow會(huì)士，國(guó)際系統(tǒng)及控制論科學(xué)院IASCYS院士，香港工程師學(xué)會(huì)Fellow。陳教授現(xiàn)任IEEE系統(tǒng)人機(jī)及智能學(xué)會(huì)的期刊主編，曾任該學(xué)會(huì)國(guó)際總主席。陳教授主要科研在智能系統(tǒng)與控制，計(jì)算智能，混合智能，數(shù)據(jù)科學(xué)方向。
陳教授在國(guó)際重要學(xué)術(shù)刊物上發(fā)表論文400余篇，其中SCI期刊240余篇（130余篇在IEEE Transactions），在Web of Science他人引用5300余次，谷歌學(xué)術(shù)引用14500多次， 大部分發(fā)表的文章都在頂級(jí)期刊雜志上。在2018年有32篇高被引用文章（前1%的高引用），在“計(jì)算機(jī)科學(xué)學(xué)科”高被引用文章數(shù)目學(xué)者中世界排名在前14名。詳見https://orcid.org/0000-0001-5451-7230陳教授獲IEEE學(xué)會(huì)頒發(fā)的4次杰出貢獻(xiàn)獎(jiǎng)，是美國(guó)工學(xué)技術(shù)教育認(rèn)證會(huì)（ABET）的評(píng)審委員。
澳門大學(xué)工程學(xué)科及計(jì)算機(jī)工程獲得國(guó)際【華盛頓協(xié)議】的認(rèn)證是陳教授對(duì)澳門工程教育的至高貢獻(xiàn)。擔(dān)任院長(zhǎng)期間，陳教授帶領(lǐng)澳門大學(xué)的工程學(xué)科及計(jì)算機(jī)學(xué)科雙雙進(jìn)入世界大學(xué)學(xué)科排名前200名。他同時(shí)成立了澳門大學(xué)珠海研究院，擔(dān)任創(chuàng)院院長(zhǎng)，承接我國(guó)基金委項(xiàng)目。2016年他獲得了母校美國(guó)普度大學(xué)的杰出電機(jī)及計(jì)算機(jī)工程獎(jiǎng)。
個(gè)人成就
·任職講座教授期間，致力于學(xué)院的學(xué)術(shù)發(fā)展。在澳大期間已指導(dǎo)畢業(yè)9位博士生， 而且都在國(guó)內(nèi)高校擔(dān)任年輕教授。其中兩位在國(guó)內(nèi)985，211大學(xué)，其它的在省級(jí)重點(diǎn)大學(xué)。目前有10位在讀博士生跟陳教授研讀。
·獲得了4項(xiàng)澳門科技基金委員會(huì)的科研資助（其中一項(xiàng)是我國(guó)科技部的聯(lián)合基金 項(xiàng)目）。
·主持一項(xiàng)我國(guó)自然科學(xué)基金委的重點(diǎn)項(xiàng)目，共同主持一項(xiàng)自然科學(xué)基金委的重點(diǎn) 項(xiàng)目，主持一項(xiàng)面上研究基金。同時(shí)也獲得5項(xiàng)學(xué)校的研究基金。
·參與并共同主持澳門勞工局的世界技能競(jìng)賽機(jī)器人的計(jì)劃項(xiàng)目。
·參與并共同主持澳門科技基金委的智能城市“智能出行”計(jì)劃項(xiàng)目。
·連續(xù)每年主持/共同主持暑期的科普項(xiàng)目，提高本澳的高中生對(duì)科學(xué)的興趣。
·以澳門大學(xué)為主要的技術(shù)支持單位主持及主辦多個(gè)國(guó)際會(huì)議 。
·兩次獲得澳門科學(xué)進(jìn)步獎(jiǎng)（一次第三等，一次第二等）。
·學(xué)術(shù)論文他被引方面：陳教授在2016年的論文他被引的次數(shù)是1208次，是整個(gè)澳門大學(xué)論文他被引的次數(shù)12426次的十分之一（1/10）。
·陳教授在在2017年的論文他被引的次數(shù)是1815次，是整個(gè)澳門大學(xué)17676次的 十分之一（1/10）。
·2016年澳門大學(xué)45篇期刊文章在Web of Science被列為高被引文章中，其中陳俊龍教授有19篇——是澳大的42% 。
·2017/2018年陳俊龍教授有32篇高被引論文，是澳門大學(xué)82篇的38%。
·2016年在高被引文章的他引次數(shù)，澳大有2848次，其中陳教授部分有1399次——是澳大的49%。
重點(diǎn)研究方向 深層結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)和學(xué)習(xí)已經(jīng)在許多領(lǐng)域得到應(yīng)用，并在大規(guī)模數(shù)據(jù)處理上取得了突破性的成功。雖然深度結(jié)構(gòu)網(wǎng)絡(luò)非常強(qiáng)大，但大多數(shù)網(wǎng)絡(luò)都被極度耗時(shí)的訓(xùn)練過程所困擾。其中最主要的原因是，上述深度網(wǎng)絡(luò)都結(jié)構(gòu)復(fù)雜并且涉及到大量的超參數(shù)。另外，這種復(fù)雜性使得在理論上分析深層結(jié)構(gòu)變得極其困難。另一方面，為了在應(yīng)用中獲得更高的精度，深度模型不得不持續(xù)地增加網(wǎng)絡(luò)層數(shù)或者調(diào)整參數(shù)個(gè)數(shù)。因此近年來，一系列以提高訓(xùn)練速度為目的的深度網(wǎng)絡(luò)以及相應(yīng)的結(jié)合方法逐漸引起人們關(guān)注。 陳俊龍教授在近年來致力于解決這一問題。結(jié)合他在早期所做的單隱層網(wǎng)絡(luò)的相關(guān)研究，陳俊龍教授提出了一個(gè)名為“寬度學(xué)習(xí)系統(tǒng)”（Broad Learning System，BLS）的網(wǎng)絡(luò)結(jié)構(gòu)，并從去年開始在多個(gè)場(chǎng)合提及這一概念。 關(guān)于該理論的相關(guān)研究，原文正式發(fā)表在IEEE Transactions on Neural Networks and Learning Systems, Vol. 29, Issue 1, 2018 （點(diǎn)擊查看澳門大學(xué)陳俊龍 | 寬度學(xué)習(xí)系統(tǒng)：一種不需要深度結(jié)構(gòu)的高效增量學(xué)習(xí)系統(tǒng)） 寬度學(xué)習(xí)系統(tǒng)（BLS）是基于將映射特征作為RVFLNN輸入的思想設(shè)計(jì)的。此外，BLS可以在新加入的數(shù)據(jù)以有效和高效的方式更新系統(tǒng)（輸入的增量學(xué)習(xí)）。BLS的設(shè)計(jì)思路為：首先，利用輸入數(shù)據(jù)映射的特征作為網(wǎng)絡(luò)的“特征節(jié)點(diǎn)”。其次，映射的特征被增強(qiáng)為隨機(jī)生成權(quán)重的“增強(qiáng)節(jié)點(diǎn)”。最后，所有映射的特征和增強(qiáng)節(jié)點(diǎn)直接連接到輸出端，對(duì)應(yīng)的輸出系數(shù)可以通過快遞的Pseudo偽逆得出。為了在寬度上擴(kuò)展特征節(jié)點(diǎn)和增強(qiáng)節(jié)點(diǎn)，論文中額外設(shè)計(jì)了對(duì)應(yīng)的寬度學(xué)習(xí)算法。同時(shí)，如果網(wǎng)絡(luò)結(jié)構(gòu)需要擴(kuò)展，論文同時(shí)提出了無需完整網(wǎng)絡(luò)再訓(xùn)練的快速增量學(xué)習(xí)算法。 陳俊龍教授認(rèn)為，BLS逼近性優(yōu)、算法快的特性能夠使其很快成為主流訓(xùn)練方法。在智能控制方面，類似BLS單隱層的神經(jīng)網(wǎng)絡(luò)已非常的流行。這一點(diǎn)在大數(shù)據(jù)時(shí)代下顯得較為實(shí)用：當(dāng)系統(tǒng)收集到新輸入數(shù)據(jù)時(shí)，在短時(shí)間內(nèi)可以直接對(duì)節(jié)點(diǎn)進(jìn)行更新，保證了系統(tǒng)的完整性。 同時(shí)，BLS的主要應(yīng)用場(chǎng)景集中在智能控制的環(huán)境中進(jìn)行實(shí)時(shí)更新學(xué)習(xí)，譬如在智能家居的環(huán)境中更新語音識(shí)別、人物識(shí)別、物體識(shí)別的相關(guān)系統(tǒng)，那么BLS也能在其中發(fā)揮它的重要優(yōu)勢(shì)，甚至成為主流。 目前，陳俊龍教授將工作重點(diǎn)放在BLS的算法優(yōu)化和穩(wěn)定研究上，除此之外，尋找應(yīng)用的行業(yè)與場(chǎng)景也成為了陳俊龍教授接下來一段時(shí)間的工作要點(diǎn)。 附：陳俊龍教授及國(guó)內(nèi)相關(guān)專家關(guān)于BLS的近期相關(guān)研究 Universal Approximation Capability of Broad Learning System and Its Structural Variations （https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8457525） 該論文主要討論了不同種類的BLS變形。 Fuzzy Broad Learning System: A Novel Neuro-Fuzzy Model for Regression and Classification （https://ieeexplore.ieee.org/abstract/document/8432091/） 該論文討論了將模糊神經(jīng)用在 左邊的feature nodes，構(gòu)成了以BLS的Neuro-Fuzzy網(wǎng)絡(luò)。 Structured Manifold Broad Learning System: A Manifold Perspective for Large-Scale Chaotic Time Series Analysis and Prediction （https://ieeexplore.ieee.org/abstract/document/8440718/） 該論文討論了Manifold算法及在Large-Scale Chaotic Time Series Analysis and Prediction中的重要結(jié)果。
北京市公安局海淀分局備案號(hào)：11010802023656號(hào)