机器学习, 智能机器人,  计算神经科学

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)

081104-模式识别与智能系统
081203-计算机应用技术

机器学习
神经计算
脑机接口

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

2023-03~现在, 中国科学院沈阳自动化研究所, 研究员
2018-01~2023-02,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

2021-05-31-今,中国自动化学会青年工作委员会委员,
2017-01-01-今,IEEE Interational Conference on CYBER Technology in Automation, Control, and Intelligent System, Program Comittee Member
2015-01-01-2015-12-31,2nd International Conference in Soft Computing and Machine Intelligence, Program Committee Member
2014-01-01-2015-07-31,BEAR PGR Conference 2014, Programme Committee Member

专业硕士英语

中国科学院率先行动“****”青年俊才（C类）

[1] 吴晨晨, 张入铭, 唐凤珍, 张伟. 基于人工智能的双稳态复合材料结构振动频率优化方法. CN: CN116434888A, 2023-07-14.
[2] 唐凤珍, 冯海峰. 基于概率学习黎曼空间量化的运动想象脑电信号识别方法. CN: CN114722850A, 2022-07-08.
[3] 唐凤珍, 于海斌. 基于黎曼空间量化的多类别运动想象脑电信号识别方法. CN: CN114510956A, 2022-05-17.
[4] 唐凤珍, 于海斌. 基于黎曼空间量化的多类别运动想象脑电信号识别方法. CN: CN114510956A, 2022-05-17.
[5] 程健, 张子睿, 郭一楠, 唐凤珍, 曹安业, 崔宁, 焦博韬. 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. CN: CN111275003A, 2020-06-12.
[6] 程健, 张子睿, 郭一楠, 唐凤珍, 曹安业, 崔宁, 焦博韬. 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. CN: CN111275003B, 2023-08-01.
[7] 张立春, 刘彬, 程永锋, 姬昆鹏, 汉京善, 费香泽, 唐凤珍, 斯白露, 司佳钧, 杨加伦, 展雪萍, 赵彬, 李鹏, 李丹煜. 一种数据舞动性的展示方法及系统. CN: CN109446474A, 2019-03-08.
[8] 张立春, 刘彬, 唐凤珍, 程永锋, 姬昆鹏, 费香泽, 汉京善, 斯白露, 司佳钧, 杨加伦, 展雪萍, 赵彬, 李鹏, 李丹煜. 一种舞动数据的挖掘方法及系统. CN: CN109447309A, 2019-03-08.

   

[1] Cognitive Neurodynamics. 2024,   通讯作者  
[2] Xu, Dongcen, Tang, Fengzhen, Li, Yiping, Zhang, Qifeng, Feng, Xisheng. An Analysis of Deep Learning Models in SSVEP-Based BCI: A Survey. BRAIN SCIENCES. 2023, 第 2 作者13(3): http://dx.doi.org/10.3390/brainsci13030483.
[3] He, Kai, Wang, Wenxue, Li, Gang, Yu, Peng, Tang, Fengzhen, Xi, Ning, Liu, Lianqing. Knowledge-based hybrid connectionist models for morphologic reasoning. MACHINE VISION AND APPLICATIONS[J]. 2023, 第 5 作者34(2): http://dx.doi.org/10.1007/s00138-023-01374-6.
[4] Brain Sciences. 2023,   通讯作者  
[5] Cognitive Neurodynamics. 2023,   通讯作者  
[6] Wu, Chenchen, Zhang, Ruming, Tang, Fengzhen, Fan, Mengling. Vibration optimization of cantilevered bistable composite shells based on machine learning. ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE[J]. 2023, 第 3 作者126: http://dx.doi.org/10.1016/j.engappai.2023.107158.
[7] Zhang, Zirui, Guo, Yinan, Tang, Fengzhen. Dimension selection for EEG classification in the SPD Riemannian space based on PSO. KNOWLEDGE-BASED SYSTEMS[J]. 2023, 第 3 作者  通讯作者  279: http://dx.doi.org/10.1016/j.knosys.2023.110933.
[8] Xu, Dongcen, Tang, Fengzhen, Li, Yiping, Zhang, Qifeng, Feng, Xisheng. FB-CCNN: A Filter Bank Complex Spectrum Convolutional Neural Network with Artificial Gradient Descent Optimization. BRAIN SCIENCES[J]. 2023, 第 2 作者  通讯作者  13(5): http://dx.doi.org/10.3390/brainsci13050780.
[9] 王运梦, 李涛, 徐剑君, 唐凤珍, 崔龙, 刘钊铭, 刘连庆. 微型仿生爬虫机器人类脑环境感知方法. 科学通报[J]. 2023, 第 4 作者68(23): 3095-3106, http://lib.cqvip.com/Qikan/Article/Detail?id=7110487058.
[10] 张晓铖, 唐凤珍. 基于对数欧氏度量学习的概率黎曼空间量化方法. 计算机应用研究[J]. 2022, 第 2 作者39(3): 661-667, 680, http://lib.cqvip.com/Qikan/Article/Detail?id=7106683558.
[11] Tang, Fengzhen, Tino, Peter, Yu, Haibin. Generalized Learning Vector Quantization With Log-Euclidean Metric Learning on Symmetric Positive-Definite Manifold. IEEE TRANSACTIONS ON CYBERNETICS. 2022, 第 1 作者  通讯作者  http://dx.doi.org/10.1109/TCYB.2022.3178412.
[12] Zhang, Bingjie, Gong, Xiaoling, Wang, Jian, Tang, Fengzhen, Zhang, Kai, Wu, Wei. Nonstationary fuzzy neural network based on FCMnet clustering and a modified CG method with Armijo-type rule. INFORMATION SCIENCES[J]. 2022, 第 4 作者  通讯作者  608: 313-338, http://dx.doi.org/10.1016/j.ins.2022.06.071.
[13] Zhu, Changbo, Zhou, Ke, Tang, Fengzhen, Tang, Yandong, Li, Xiaoli, Si, Bailu. A Hierarchical Bayesian Model for Inferring and Decision Making in Multi-Dimensional Volatile Binary Environments. MATHEMATICS[J]. 2022, 第 3 作者10(24): 
[14] 徐剑君, 商亮, 唐凤珍. 基于快速增量式视觉感知的类脑SLAM. 信息与控制[J]. 2022, 第 3 作者51(5): 542-553, https://xk.sia.cn/article/doi/10.13976/j.cnki.xk.2022.2041.
[15] Fan, MengLing, Tang, Fengzhen, Guo, Yinan, Zhao, Xingang. Ri emannian dynamic generalized space quantization learning. PATTERN RECOGNITION[J]. 2022, 第 2 作者  通讯作者  132: http://dx.doi.org/10.1016/j.patcog.2022.108932.
[16] 张驰, 唐凤珍. 基于自适应编码的脉冲神经网络. 计算机应用研究[J]. 2022, 第 2 作者39(2): 593-597, http://lib.cqvip.com/Qikan/Article/Detail?id=7106492854.
[17] International Journal of Intelligent System. 2022,   通讯作者  
[18] Tang, Fengzhen, Fan, Mengling, Tino, Peter. Generalized Learning Riemannian Space Quantization: A Case Study on Riemannian Manifold of SPD Matrices. IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS[J]. 2021, 第 1 作者  通讯作者  32(1): 281-292, http://dx.doi.org/10.1109/TNNLS.2020.2978514.
[19] Tang, Fengzhen, Feng, Haifeng, Tino, Peter, Si, Bailu, Ji, Daxiong. Probabilistic learning vector quantization on manifold of symmetric positive definite matrices. NEURAL NETWORKS[J]. 2021, 第 1 作者  通讯作者  142: 105-118, http://dx.doi.org/10.1016/j.neunet.2021.04.024.
[20] Guo, Yinan, Zhang, Zirui, Tang, Fengzhen. Feature selection with kernelized multi-class support vector machine. PATTERN RECOGNITION[J]. 2021, 第 3 作者  通讯作者  117: http://dx.doi.org/10.1016/j.patcog.2021.107988.
[21] Guo, Yinan, Jiao, Botao, Yang, Lingkai, Cheng, Jian, Yang, Shengxiang, Tang, Fengzhen. A novel oversampling technique based on the manifold distance for class imbalance learning. INTERNATIONAL JOURNAL OF BIO-INSPIRED COMPUTATION[J]. 2021, 第 6 作者18(3): 131-142, http://dx.doi.org/10.1504/IJBIC.2021.119197.
[22] Control Theory and Technology,. 2021, 第 2 作者
[23] Zeng, Taiping, Tang, Fengzhen, Ji, Daxiong, Si, Bailu. NeuroBayesSLAM: Neurobiologically inspired Bayesian integration of multisensory information for robot navigation. NEURAL NETWORKS[J]. 2020, 第 2 作者126: 21-35, http://dx.doi.org/10.1016/j.neunet.2020.02.023.
[24] Zhao, Dongye, Tang, Fengzhen, Si, Bailu, Feng, Xisheng. Learning joint space-time-frequency features for EEG decoding on small labeled data. NEURAL NETWORKS[J]. 2019, 第 2 作者  通讯作者  114: 67-77, http://ir.sia.cn/handle/173321/24471.
[25] Zhao, Dongye, Si, Bailu, Tang, Fengzhen, IEEE. Unsupervised Feature Learning for Visual Place Recognition in Changing Environments. 2019 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN). 2019, 第 3 作者
[26] Journal of Electronic Imaging. 2019, 第 3 作者
[27] Tang, Fengzhen, Adam, Lukas, Si, Bailu. Group feature selection with multiclass support vector machine. NEUROCOMPUTING[J]. 2018, 第 1 作者317: 42-49, http://ir.sia.cn/handle/173321/22776.
[28] Tang, Fengzhen, Tino, Peter. Ordinal regression based on learning vector quantization. NEURAL NETWORKS[J]. 2017, 第 1 作者  通讯作者  93: 76-88, http://dx.doi.org/10.1016/j.neunet.2017.05.006.
[29] Tang Fengzhen, Ji Daxiong, Si Bailu. A prey-predator model for efficient robot tracking. PROCEEDINGS - IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION. 2017, 第 1 作者3568-3574, http://ir.sia.cn/handle/173321/20861.
[30] Huang Guanwen, Si Bailu, Tang Fengzhen. Model learning based on grid cell representations. PROCEEDINGS OF THE 2017 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND BIOMIMETICS. 2017, 第 3 作者1032-1037, http://119.78.100.139/handle/173321/22120.
[31] Chen, Huanhuan, Tang, Fengzhen, Tino, Peter, Cohn, Anthony G, Yao, Xin, Yang, Q, Wooldridge, M. 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3387-3394, http://apps.webofknowledge.com/CitedFullRecord.do?product=UA&colName=WOS&SID=5CCFccWmJJRAuMzNPjj&search_mode=CitedFullRecord&isickref=WOS:000442637803063.
[32] Tang F. The Benefits of Modeling Slack Variables in SVMs. NEURAL COMPUTATION[J]. 2015, 27(4): 954-981, http://dx.doi.org/10.1162/NECO_a_00714.
[33] Jiang, Huiyan, Tang, Fengzhen, Zou, Lingbo, Chen, Yenwei. Data De-noising Based on PCA-KNN Algorithm in Billet Surface Temperature Measurement. APPLIED MATHEMATICS & INFORMATION SCIENCES[J]. 2013, 第 2 作者7(2): 455-458, https://www.webofscience.com/wos/woscc/full-record/WOS:000326144500011.
[34] Chen, Huanhuan, Tang, Fengzhen, Tino, Peter, Yao, Xin, ACM. 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392-400, http://apps.webofknowledge.com/CitedFullRecord.do?product=UA&colName=WOS&SID=5CCFccWmJJRAuMzNPjj&search_mode=CitedFullRecord&isickref=WOS:000502730600048.
[35] Liu, Xiangying, Jiang, Huiyan, Tang, Fengzhen, Wunsch, DC, Tan, HH, Zeng, DH, Luo, Q. Parameters Optimization in SVM Based-on Ant Colony Optimization Algorithm. NANOTECHNOLOGY AND COMPUTER ENGINEERING. 2010, 第 3 作者121-122: 470-+, 

   

（ 1 ） 脑机交互的模态解析方法研究, 负责人, 研究所自主部署, 2022-10--2025-09
（ 2 ） 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
（ 3 ） 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
（ 4 ） 多机协同类脑拓扑语义地图构建方法, 负责人, 研究所自主部署, 2023-01--2024-12
（ 5 ） 生命系统与机电系统共享控制理论与方法研究, 负责人, 地方任务, 2023-09--2026-08

（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

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
10. 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
11. 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
12.  中科院PIHI项目, 负责人, 中国科学院计划, 2023-07--2023-12
13.  基于黎曼度量闭环感知类脑的SLAM算法, 负责人, 研究所自主部署, 2021-01--2023-12
14.  基于多机联合的类脑SLAM算法, 负责人, 研究所自主部署, 2022-01--2023-12

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