教育背景

普渡大学, 美国印第安纳州西拉法叶.2013年 - 2018年

• 电子与计算机工程博士(绩点 3.98/4).
• 导师: Zhongming Liu，Eugenio Culurciello, Charles A. Bouman, Gregory Francis, Stanley Chan
• 论文: 深度学习与自然视觉的神经编码与解码研究.
  

浙江大学, 中国浙江杭州.2009年 - 2013年

• 信息科学与电子工程学士(绩点 3.90/4).
• 导师: 胡浩基博士
• 论文: 基于三维模型的抗剪切攻击的盲水印算法研究.

工作经历

资深深度学习研究与开发工程师. 英伟达.2018年 - 现在

• 运用最前沿的深度学习研究和先进的计算硬件来创建新一代自动驾驶车辆.
• 研发基于感知的模型和算法来预测未来行驶轨迹，物体检测，预测不确定性和行为规划.
• 构建和维护用于研究和开发自动驾驶系统的 AI 基础架构.
• 研发主动学习算法来抽取多样的有效的数据点并以此来不断地提升模型性能.
• 用强化学习研发概率世界模型并用人类驾驶数据来学习最优的驾驶策略.
• 研究自监督学习模型以降低数据标注成本并提高 DNN 的鲁棒性和泛化能力.

研究助理. 美国普渡大学. 2013年 - 2018年

• 带领一个旨在开发类脑深度神经网络模型的研究小组，该类脑模型不仅用于实现人工智能，而且也用于研究大脑.
• 使用功能性磁共振成像和电生理学来研究人类大脑神经连接网络.

博士科研工作简述

基于深度学习的自然视觉的神经编码与解码研究

• 开发基于深度神经网络(例如CNN, RNN, VAE)的大脑编码模型来预测在视觉刺激下的大脑活动.
• 开发基于深度神经网络的大脑解码模型，该模型可以直接从大脑活动中重建视觉看到的视频以及对其进行分类.
• 提出了一种有效的不同人脑之间的迁移学习算法来构建大脑编码模型，并开发了模拟人脑活动的人工大脑模型.
• 提出了对人工深层神经网络与人类大脑相似性的系统性评估.

类脑智能的人工神经网络研究

• 基于神经科学的预测编码理论，开发了双向递归深度神经网络, 该网络通过前馈、反馈和递归连接来支持类脑的递归计算.
• 证明了这种类脑的神经网络模型在对象识别方面的性能优于只有前馈连接的深度神经网络模型.

基于多模态神经影像技术的大脑功能网络研究

• 开发了一种从神经信号中分离的振荡信号和分形信号的算法，该算法已经成为神经信号处理中普遍常用的算法.
• 使用机器学习研究大脑中的功能神经网络结构组织(例如ICA，k-means, 受限玻尔兹曼机，稀疏编码).

学术论文情况

• 目前已发表16篇国际期刊和会议论文(第一作者论文6篇)。其中13篇是期刊论文，都收录于SCI的领域内顶级期刊，比如Journal of Neuroscience, Cerebral Cortex, NeuroImage和自然子刊。另外2篇会议论文，发表在人工智能领域的顶级会议(ICML和NeurIPS)。
• 发表国际会议摘要20篇(第一作者7篇)，其中获奖7篇，口头报告6篇。详细列表请点击这里。