方向一、新型智能算法基础理论研究

  本方向以提升新型智能算法的适用性、准确性、鲁棒性以及训练效率为目标，重点围绕新型智能算法的基础理论，开展新型算法结构、新型计算框架和新型数据优化等方面的研究工作。

（一）本方向主要研究内容

（1）新型算法结构研究

l 提出新型模型拓扑结构，满足不断增长的应用场景需求；

l 探索先验知识增强模型的方法，提升模型的理解能力和效果；

l 研究复杂模型的压缩和剪枝方法，降低模型的体积，提高模型的运行速度。

（2）新型计算方法研究

l 研究模型的高效分布式训练方法，确保计算资源有效利用；

l 研究模型训练过程中内存动态压缩和回收方法，降低算法内存需求。

（3）新型数据优化研究

l 研究数据快速压缩方法，减少数据的存储空间和传输负荷。

l 研究数据自适应增强方法，提升模型泛化性能；

l 研究中文数据中结构复杂、数据分布不均匀等问题，提升模型在中文内容中的应用效果。

（二）本方向负责人简介

庞超逸，博士、教授、博士生导师、ACM高级会员、浙江省“千人计划”专家，长期致力于智能算法、数据挖掘等领域的研究工作。在包括《ACM Transactions on Database Systems》、《IEEE Conference on Computer Vision and Pattern Recognition》、《IEEE Transactions on Knowledge and Data Engineering》等在内的各类学术期刊和会议发表高质量学术论文100多篇，获国际发明专利授权2项，获澳大利亚联邦科学研究院创新/发明奖。主持参与了多项中国国家自然科学基金、澳大利亚国家自然科学基金、联邦科学院旗舰项目及工业项目研究。