基本信息
唐凤珍  女  博导  中国科学院沈阳自动化研究所

电子邮件: tangfengzhen@sia.cn
通信地址: 沈阳市沈河区南塔街114号
邮政编码:

研究领域

机器学习, 智能机器人,  计算神经科学


招生信息

课题组正在招相关方向研究人员(具有博士学位),有意者请将简历发到:tangfengzhen@sia.cn

详细信息见:中国科学院沈阳自动化研究所2023-2024年招聘岗位需求(进行中)--中国科学院沈阳自动化研究所 (cas.cn)  (神经计算组)

待遇见:中国科学院沈阳自动化研究所2023-2024年招聘简章--中国科学院沈阳自动化研究所 (cas.cn)

招生专业
081104-模式识别与智能系统
081203-计算机应用技术
招生方向
机器学习
神经计算
脑机接口

教育背景

2011-09--2015-07   伯明翰大学   博士学位
2009-09--2011-07   东北大学   硕士研究生
2005-09--2009-07   东北大学   本科

工作经历

2023.2-至今,中国科学院沈阳自动化研究所,研究员

2018.1 - 2023.2,中国科学院沈阳自动化研究所,副研究员

2015.10 - 2017.12,中国科学院沈阳自动化研究所,助理研究员

教授课程

专业硕士英语

专利与奖励

中国科学院率先行动“****”青年俊才(C类)

专利成果
( 1 ) 基于类最优高斯核多分类支持向量机的微震信号识别方法, 发明专利, 2020, 第 4 作者, 专利号: CN111275003A

( 2 ) 一种数据舞动性的展示方法及系统, 发明专利, 2019, 第 7 作者, 专利号: CN109446474A

( 3 ) 一种舞动数据的挖掘方法及系统, 发明专利, 2019, 第 3 作者, 专利号: CN109447309A

出版信息

   
发表论文
(1) An Analysis of Deep Learning Models in SSVEP-Based BCI: A Survey, BRAIN SCIENCES, 2023, 第 2 作者
(2) Knowledge-based hybrid connectionist models for morphologic reasoning, MACHINE VISION AND APPLICATIONS, 2023, 第 5 作者
(3) 基于对数欧氏度量学习的概率黎曼空间量化方法, Probabilistic Riemannian quantification method with log-Euclidean metric learning, 计算机应用研究, 2022, 第 2 作者
(4) Generalized Learning Vector Quantization With Log-Euclidean Metric Learning on Symmetric Positive-Definite Manifold, IEEE TRANSACTIONS ON CYBERNETICS, 2022, 通讯作者
(5) Nonstationary fuzzy neural network based on FCMnet clustering and a modified CG method with Armijo-type rule, INFORMATION SCIENCES, 2022, 通讯作者
(6) A Hierarchical Bayesian Model for Inferring and Decision Making in Multi-Dimensional Volatile Binary Environments, MATHEMATICS, 2022, 第 3 作者
(7) Riemannian dynamic generalized space quantization learning, PATTERN RECOGNITION, 2022, 通讯作者
(8) 基于快速增量式视觉感知的类脑SLAM, Brain-inspired SLAM Based on Fast Incremental Visual Perception, 信息与控制, 2022, 第 3 作者
(9) 基于自适应编码的脉冲神经网络, Self-adaptive coding for spiking neural network, 计算机应用研究, 2022, 第 2 作者
(10) Generalized Learning Riemannian Space Quantization: A Case Study on Riemannian Manifold of SPD Matrices, IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, 2021, 通讯作者
(11) 基于自适应编码的脉冲神经网络, 计算机应用研究, 2021, 第 2 作者
(12) Probabilistic learning vector quantization on manifold of symmetric positive definite matrices, NEURAL NETWORKS, 2021, 通讯作者
(13) Feature selection with kernelized multi-class support vector machine, PATTERN RECOGNITION, 2021, 通讯作者
(14) A novel oversampling technique based on the manifold distance for class imbalance learning, INTERNATIONAL JOURNAL OF BIO-INSPIRED COMPUTATION, 2021, 第 6 作者
(15) NeuroBayesSLAM: Neurobiologically inspired Bayesian integration of multisensory information for robot navigation, NEURAL NETWORKS, 2020, 第 2 作者
(16) Learning joint space–time–frequency features for eeg decoding on small labeled data, NEURAL NETWORKS, 2019, 通讯作者
(17) Unsupervised Feature Learning for Visual Place Recognition in Changing Environments, 2019 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), 2019, 第 3 作者
(18) Group feature selection with multiclass support vector machine, NEUROCOMPUTING, 2018, 第 1 作者
(19) Ordinal regression based on learning vector quantization, NEURAL NETWORKS, 2017, 通讯作者
(20) A prey-predator model for efficient robot tracking, PROCEEDINGS - IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION, 2017, 第 1 作者
(21) Model learning based on grid cell representations, PROCEEDINGS OF THE 2017 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND BIOMIMETICS, 2017, 第 3 作者
(22) Model Metric Co-Learning for Time Series Classification, PROCEEDINGS OF THE TWENTY-FOURTH INTERNATIONAL JOINT CONFERENCE ON ARTIFICIAL INTELLIGENCE (IJCAI), 2015, 第 2 作者
(23) The Benefits of Modeling Slack Variables in SVMs, NEURAL COMPUTATION, 2015, 
(24) Data De-noising Based on PCA-KNN Algorithm in Billet Surface Temperature Measurement, APPLIED MATHEMATICS & INFORMATION SCIENCES, 2013, 第 2 作者
(25) Model-based Kernel for Efficient Time Series Analysis, 19TH ACM SIGKDD INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA MINING (KDD'13), 2013, 第 2 作者
(26) Parameters Optimization in SVM Based-on Ant Colony Optimization Algorithm, NANOTECHNOLOGY AND COMPUTER ENGINEERING, 2010, 第 3 作者

科研活动

   
在研项目
( 1 ) 基于类生命孪生的机器人智能学习方法, 参与, 国家任务, 2020-12--2023-11
( 2 ) 脑机交互的模态解析方法研究, 负责人, 研究所自选, 2022-10--2025-09
( 3 ) 多机协同类脑同时定位与制图方法研究, 负责人, 地方任务, 2022-01--2022-12
( 4 ) 面向脑机接口的动态学习黎曼空间量化方法研究, 负责人, 国家任务, 2023-01--2026-11
( 5 ) 中科院PIHI项目, 负责人, 中国科学院计划, 2023-07--2023-12
( 6 ) 中国科学院稳定支持基础研究领域青年团队计划, 参与, 中国科学院计划, 2022-07--2027-12
( 7 ) 多机协同类脑拓扑语义地图构建方法, 负责人, 研究所自选, 2023-01--2024-12
( 8 ) 基于黎曼度量闭环感知类脑的SLAM算法, 负责人, 研究所自选, 2021-01--2023-12
( 9 ) 基于多机联合的类脑SLAM算法, 负责人, 研究所自选, 2022-01--2023-12
参与会议
(1)Unsupervised Feature Learning for Visual Place Recognition in Changing Environments   2019-07-16
(2)多类别多源特征选择方法   2018年全国机器人与智能制造 博士后学术论坛   2018-06-29
(3)A Prey-Predator Model for Effcient Robot Tracking   2017-05-29
(4)Support Vector Ordinal Regression using Privileged Information   2014-04-23
完成项目

  1.  基于神经网络的舞动数据挖掘方法研究, 主持, 院级, 2017-01--2017-08
  2.  基于神经网络方法的输电线路冰风灾害典型破坏特征分析, 主持, 院级, 2017-07--2017-12
  3.  面向深海AUV的多源数据驱动定位方法研究, 主持, 国家级, 2017-01--2020-12
  4.  多类别EEG信号分析与识别方法研究, 主持, 市地级, 2017-09--2019-08
  5.  基于机器学习的神经电生理数据分析方法研究, 负责人, 中国科学院计划, 2018-01--2022-12
  6.  黎曼学习矢量量化方法研究及其在脑机接口中的应用研究, 负责人, 国家任务, 2019-01--2021-12
  7.  面向人机智能融合的脑电信号识别方法研究, 负责人, 地方任务, 2018-09--2021-08
  8.  基于黎曼距离的学习矩阵量化方法研究, 负责人, 中国科学院计划, 2018-01--2022-12
  9. ​ 基于类脑计算的多机器人协作自主导航技术开发, 负责人, 企业委托, 2018-01--2021-12

指导学生

已指导学生

冯海峰  硕士研究生  085210-控制工程  

范孟灵  博士研究生  081104-模式识别与智能系统  

赵冬晔  博士研究生  081104-模式识别与智能系统  

张驰  硕士研究生  081104-模式识别与智能系统  

张晓铖  硕士研究生  081104-模式识别与智能系统  

徐剑君  硕士研究生  081104-模式识别与智能系统  

现指导学生

宋非  博士研究生  081104-模式识别与智能系统  

朱昌波  博士研究生  081104-模式识别与智能系统  

卓凡博  硕士研究生  081104-模式识别与智能系统  

赵杭飘  硕士研究生  081104-模式识别与智能系统  

王星辰  硕士研究生  081104-模式识别与智能系统  

联合指导学生