计算机神经科学导师,清华大学计算机科学与技术系导师简介：胡晓林

对考生而言，充分了解高校、专业以及师资情况是一项最基础、最关键的工作。以下是中公考研小编为大家整理的“清华大学计算机科学与技术系导师简介：胡晓林”的相关信息，希望对同学们有所帮助。

胡晓林

副教授

电子邮件：xlhu@tsinghua.edu.cn

URL：http://www.xlhu.cn

电话：010-62799932

传真：010-62782266

教育背景

工学学士 (车辆工程), 武汉理工大学, 中国, 2001;

工学硕士 (车辆工程), 武汉理工大学, 中国, 2004;

工学博士 (自动化与计算机辅助工程), 香港中文大学, 中国, 2007.

社会兼职

Associate Editor, IEEE Transactions on Neural Networks and Learning Systems

研究领域

人工神经网络

计算神经科学

讲授课程

神经与认知计算(80240642，研究生);

研究课题

国家自然科学基金(青年): 基于KKT条件的优化递归神经网络簇设计(2009-2011);

国家自然科学基金(面上)：基于稀疏编码模型的深层学习神经网络(2013-2016)

研究概况

我目前的工作集中在计算机科学与认知神经科学的交叉方向，研究兴趣包括人工神经网络和计算神经科学。一方面，我对揭开大脑的奥秘感兴趣，尤其是大脑处理感觉信息和决策信息的机制，主要使用的工具是层次化的计算模型和贝叶斯理论。目前也在尝试用功能性核磁共振成像(fMRI)结合机器学习的方法探索大脑的工作机制。另一方面，我对受大脑启发的计算方法感兴趣。前些年，我的研究集中在设计递归神经网络求解优化相关的问题。现在正在尝试结合更多的认知神经科学方面的知识，提高深度学习模型在物体识别和检测方面的精度和效率。

近年来，我们针对大脑的视觉腹侧通路的信息处理机制做了一些工作，建立了一系列层次化模型用来解释通路上各层(包括V1, V2, IT等区域)神经元的反应特性。两个较典型的工作是对HMAX模型进行改造，加上稀疏特性和反馈连接，能更好地解释一系列的神经科学数据，相关结果分别发表在PLoS ONE (2014)和Neural Computation (2010)上。

关于受大脑启发的计算方法，在过去的近十年间，我的大部分工作集中在递归神经网络求解优化问题的理论和方法上，深入挖掘了已有模型的特点，并设计了一系列新的模型，相关成果发表在多篇IEEE汇刊上。近年来，在深度学习方面也做了一些工作。在IJCNN2013年德国交通标志检测比赛中，我们使用卷积神经网络在两类标志上获得了第2名和第4名。除了物体识别和检测，图像的显著性区域检测也是我比较关注的应用。我们借鉴心理学中的一个理论Reverse Hierarchy Theory，构建了一个层次化模型，能较好地预判人眼在图像中的注视点。该成果被计算机视觉的重要会议CVPR’14录用。

奖励与荣誉

教育部自然科学一等奖(排名第3)：神经动力学优化模型及应用(2012)

清华大学优秀博士后(2009)

ICONIP 2012：最佳论文奖(2012)

学术成果

[1] P. Qi, X. Hu, “Learning nonlinear statistical regularities in natural images by modeling the outer product of image intensities,” Neural Computation (accepted)

[2] X. Hu, J. Zhang, P. Qi, B. Zhang, “Modeling response properties of V2 neurons using a hierarchical K-means model,” Neurocomputing, vol. 134, pp. 198-205, 2014.

[3] X. Hu, J. Zhang, J. Li, B. Zhang, “Sparsity-regularized HMAX for visual recognition,” PLOS ONE, vol. 9, no. 1, pp. 1-12, 2014.

[4] X. Hu and J. Wang, “Solving the assignment problem using continuous-time and discrete-time improved dual networks,” IEEE Transactions on Neural Networks and Learning Systems, vol. 23, no. 5, pp. 821-827, 2012.

[5] X. Hu and B. Zhang, “A Gaussian attractor network for memory and recognition with experience-dependent Learning,” Neural Computation, vol. 22, no. 5, pp. 1333-1357, 2010.

[6] X. Hu, C. Sun and B. Zhang, “Design of recurrent neural networks for solving constrained least absolute deviation problems,” IEEE Transactions on Neural Networks, vol. 21, no. 7, pp. 1073-1086, July 2010.

[7] X. Hu and B. Zhang, “An alternative recurrent neural network for solving variational inequalities and related optimization problems,” IEEE Transactions on Systems, Man and Cybernetics - Part B, vol. 39, no. 6, pp. 1640-1645, Dec. 2009.

[8] X. Hu and B. Zhang, “A new recurrent neural network for solving convex quadratic programming problems with an application to the k-winners-take-all problem,” IEEE Transactions on Neural Networks, vol. 20, no. 4, pp. 654–664, April 2009.

以上就是小编为大家整理的“清华大学计算机科学与技术系导师简介：胡晓林”的相关信息，预祝同学们都能顺利的通过考试!中公考研针对每一个科目要点与每年的大纲进行深入并具有针对性的指导分析，欢迎各位考生了解咨询。