北航計算機學院計算機應用技術導師介紹：張勤

導師信息來源：中國考研網 2015-08-30　相關院校：北京航空航天大學

導師詳細信息

姓名：張勤（兼職）

性別：男

出生年份：1956

職稱：教授

院系：計算機學院

首次聘任導師時間：2008

現聘任導師一級學科名稱：計算機科學與技術

現聘任導師二級學科名稱：計算機應用技術

聘任在第二學科培養(yǎng)博士生專業(yè)名稱：無

聘任在自主設置學科培養(yǎng)博士生專業(yè)名稱：無

主要研究方向及特色：不確定性人工智能理論及應用研究

電子信箱：zhangqin@buaa.edu.cn；zq@cast.org.cn

辦公電話：68571880

辦公地點：北京市海淀區(qū)復興路3號

通信地址：北京市海淀區(qū)復興路3號中國科協

個人簡介：

張勤，男，1956年3月生于重慶市，北京航空航天大學計算機學院博士生導師、清華大學核能與新能源技術研究院和工程物理系雙跨博士生導師，中國人工智能學會不確定性人工智能專業(yè)委員會主任，清華大學博士后校友會會長、中國科協副主席、黨組副書記、書記處書記，中國知識產權研究會副理事長兼學術顧問委員會主任。1978年至1989年，獲清華大學核反應堆專業(yè)學士、碩士和博士學位，曾任清華大學研究生會主席、全國學聯副主席、美國田納西大學和UCLA大學訪問學者、清華大學經管學院系統工程博士后、清華大學核研院副研究員、原國家科委研究員、中國技術創(chuàng)新公司產業(yè)部經理、廈門技術創(chuàng)新聯合公司總經理、重慶市科委主任、國家知識產權局副局長。

目前在從事中國科協日常工作及知識產權理論和政策研究之余，主要從事人工智能理論及應用研究，創(chuàng)立了DUCG（Dynamic Uncertain Causality Graph）知識表達和推理理論并獲得國家發(fā)明專利。該理論將貝葉斯網絡（BN）理論納為子集，克服了BN不能正確用于多賦值簡潔表達、不能處理因果邏輯循環(huán)、數據缺乏、知識不完備或有錯、證據不確定或虛假、復雜動態(tài)情況等缺陷，并可用于變量狀態(tài)連續(xù)和離散任意混合、歷史因果關系連續(xù)疊加等復雜情況。在故障診斷領域，DUCG除能快速準確給出推理結果外，能圖形顯示診斷理由、并預測故障發(fā)展，可廣泛用于各種工業(yè)系統的故障診斷和預測、疾病診斷和預測、經濟系統預測、災害預報等。此外，早年研究系統可靠性理論及應用，提出了許多算法：如精確計算正態(tài)分布和對數正態(tài)分布情況下任意相關多變量概率分布算法、可維修系統失效頻率與重要度的關系及算法、事件積之和不交化高效算法、可維修系統時間相關可靠度近似算法、系統可用度區(qū)間估計近似算法等。曾任中國運籌學會可靠性學會理事、91年洛杉磯“概率安全評價及管理（PSAM）”國際學術會議專家系統分組會議主席、《IEEE Transactions on Reliability》審稿員。

當前承擔的部分課題有：中廣核集團《安全運維智能專家系統技術研究與平臺開發(fā)》，總額500萬；國家自然科學基金面上項目《用于核電站故障診斷和安全運維的動態(tài)不確定因果圖理論及應用研究》，總額30萬元；國防專利審查協作中心《航天器故障診斷技術的知識產權狀況調查分析》，總額40萬元、《航天器故障診斷專利技術文獻數據庫建設》，總額60萬；國家自然科學基金面上項目：《DUCG動態(tài)立體因果圖的構建和推理方法及其實驗驗證研究》，總額80萬元；航天五院科研課題：《基于模型的探測器故障診斷系統》，總額60萬。目前北航在讀博士生四人、課題組成員十余人。

希望招收有志于DUCG理論研究及應用的優(yōu)秀研究生。原所學專業(yè)不限，但應具備計算機基礎知識、掌握軟件開發(fā)的基本技能，若了解原領域對人工智能的用戶需求更好。

近五年代表性學術論文：

[1]Q. Zhang. Dynamic uncertain causality graph for knowledge representation and reasoning: discrete DAG cases. Journal of Computer Science and Technology, 2012, 27(1):1-23.

[2]Q. Zhang, C. Dong, Y. Cui and Z. Yang. Dynamic uncertain causality graph for knowledge representation and reasoning: statistics base, matrix and fault diagnosis. IEEE Trans. Neural Networks and Learning Systems, 2014, 25 (4) 645-663.

[3]Q. Zhang. “Dynamic uncertain causality graph for knowledge representation and reasoning: continuous variable, uncertain evidence and failure forecast.” IEEE Trans. Systems, Man and Cybernetics, DOI: 10.1109/TSMC.2015.2392711, 2015.

[4]Q. Zhang. “Dynamic uncertain causality graph for knowledge representation and reasoning: directed cyclic graph and joint probability distribution.” IEEE Trans. Neural Networks and Learning Systems, DOI: 10.1109/TNNLS.2015.2402162, 2015.

[5]Q. Zhang and S. Geng. “Dynamic uncertain causality graph applied to dynamic fault diagnosis of large and complex systems.” IEEE Trans. Reliability, DOI: 10.1109/TR.2015.2416332, 2015.

[6]C. Dong, Y. Wang, Q. Zhang & N. Wang. The methodology of dynamic uncertain causality graph for intelligent diagnosis of vertigo. Computer Methods and Programs in Biomedicine, 113 (2014) 162-174.

[7]C. Dong, Q. Zhang, S. Geng. A modeling and probabilistic reasoning method of dynamic uncertain causality graph for industrial fault diagnosis. International Journal of Automation and Computing, 11(3), 2014, 288-298.

近五年已授權的發(fā)明專利（含國防發(fā)明專利）：一種處理不確定因果關系類信息的智能系統的構造方法（中國發(fā)明專利），A METHOD FOR CONSTRUCTING AN INTELLIGENT SYSTEM PROCESSING UNCERTAIN CAUSAL RELATIONSHIP INFORMATION（美國發(fā)明專利）。