杨静：

A.个人简介

博士，合肥工业大学教授，博士生导师。

合肥工业大学智能科学与技术系副主任

国家自然科学基金评议专家。

安徽省人工智能学会可信人工智能专委会主任。

IEEE 会员。

 

审稿人：ACM Transactions on Knowledge Discovery in Data，Pattern Recognition，Information Sciences，Expert Systems with Applications等。

主持国家自然科学基金面上项目（1项）、国家自然科学基金青年项目（1项）、安徽省重点研究与开发计划面上攻关项目等。作为骨干成员参与国家重点研发计划项目、国家自然科学基金重点项目、国家高等学校学科创新引智计划等，现已发表论文50余篇。

 

B.代表论著

 [1] Jing Yang(#), Kai Xie, Ning An(*), Causal Discovery on Non-Euclidean Data, Proc. of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD’ 2022), pp.2202-2211, Washington, DC, USA, 2022, August 14-18.

[2] Jing Yang(#), Ning An(*) and Gil Alterovitz, A Partial Correlation Statistic Structure Learning Algorithm Under Linear Structural Equation Models, IEEE Transactions on Knowledge and Data Engineering(TKDE), 2016, 28(10): 2552-2565.

[3] Jing Yang(#), Gaojin Fan(*), Kai Xie, Qiqi Chen, Aiguo Wang, Additive noise model structure learning based on rank correlation, Information Sciences, 2021, 571: 499-526.

 

C.详细简介

杨静，博士，教授，博士生导师，合肥工业大学智能科学与技术系副主任,安徽省人工智能学会可信人工智能专委会主任，国家自然科学基金评议专家，IEEE会员。2013年毕业于合肥工业大学，获计算机应用技术专业工学博士学位。自2014年10月-2015年10月，在哈佛大学从事Visiting Professor工作。

目前在合肥工业大学计算机与信息学院从事科研与教学工作，主要研究领域涉及人工智能、数据挖掘、因果发现、生物医学信息等，并成为大数据知识工程教育部重点实验室和老人福祉科技实验室的骨干成员。

现已发表（或录用）论文50余篇，获国家授权发明专利5项、国家软件著作权登记6项。

主持国家自然科学基金面上项目（1项）、国家自然科学基金青年项目（1项）、安徽省重点研究与开发计划面上攻关项目、中央高校基本业务费项目、合肥工业大学优秀青年教师创新项目等多项科研项目。

作为骨干成员参与国家重点研发计划项目、国家自然科学基金重点及面上项目、国家高等学校学科创新引智计划、国家高技术研究发展计划资助项目（863计划）、横向项目等多项项目。

 

D. 研究方向

1）人工智能

主要研究因果发现、特征选择等基础理论、核心算法及其在工业大数据、医学图像数据等多个领域的应用。

2）生物医学信息

研究人工智能的方法处理医学信息，包括医学影像肺癌数据、高血压临床数据、断面调查数据等，从而辅助医学诊断。

3）故障预测

针对电力系统传感器监测数据，采用人工智能的理论和方法进行状态监测和故障预测，从而辅助决策。

 

E. 学术兼职

1) 国家自然科学基金评议专家

2) 安徽省人工智能学会可信人工智能专委会主任

3) IEEE会员

 

F. 审稿专家

1) ACM Transactions on Knowledge Discovery in Data (SCI)

2) Pattern Recognition (SCI)

3) Information Sciences (SCI)

4) Expert Systems with Applications (SCI)

5) Knowledge-Based Systems (SCI)

6) IEEE transactions on artificial intelligence (SCI)

7) The Journal of Supercomputing (SCI)

8) Applied Artificial Intelligence (SCI)

9)Evolving Systems(SCI)

10)国家自然科学基金

11) International Joint Conference on Neural Networks 学术会议

  

G. 主要论著          

  [1]Jing Yang(#), Kai Xie, Ning An(*), Causal Discovery on Non-Euclidean Data, Proc. of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD’ 2022), pp.2202-2211, Washington, DC, USA, 2022, August 14-18.

[2]Jing Yang(#), Liufeng Jiang(*), Anbo Shen and Aiguo Wang, Online streaming features causal discovery algorithm based on partial rank correlation, IEEE Transactions on artificial intelligence, 2023, 4(1):197-208.

[3]Jing Yang(#), Liufeng Jiang(*), Kai Xie, Qiqi Chen, Aiguo Wang, Lung nodule detection algorithm based on rank correlation causal structure learning, Expert Systems with Applications, 2023, 216(C).

[4]Jing Yang, Qiqi Chen, A Causal Network Construction Algorithm Based on Partial Rank Correlation on Time Series, Proc. of the 2022 International Joint Conference on Neural Networks, Padova, Italy, 2022, July 18-23.

[5]Jing Yang(#), Ning An(*) and Gil Alterovitz, A Partial Correlation Statistic Structure Learning Algorithm Under Linear Structural Equation Models, IEEE Transactions on Knowledge and Data Engineering(TKDE), 2016, 28(10): 2552-2565.

[6]Jing Yang(#), Liufeng Jiang(*), Kai Xie, Qiqi Chen, Aiguo Wang, Causal Structure Learning Algorithm Based on Partial Rank Correlation under Additive Noise Model, Applied Artificial Intelligence, 2022, 36(1):1657-1695.

[7]Jing Yang(#), Gaojin Fan(*), Kai Xie, Qiqi Chen, Aiguo Wang, Additive noise model structure learning based on rank correlation, Information Sciences, 2021, 571: 499-526.

[8]Jing Yang(#), Xiaoxue Guo, Ning An(*), Aiguo Wang, Kui Yu, Streaming feature-based causal structure learning algorithm with symmetrical uncertainty, Information Sciences, 2018, 467: 708-724.

[9]Jing Yang(#), Gaojin Fan(*), Kai Xie, Qiqi Chen and Aiguo Wang, Additive Noise Model Structure Learning Based on Rank Statistics. Proc. of 2021 IEEE International Conference on Knowledge Science, Engineering and Management(KSEM’ 2021), pp. 128-139, Tokyo, Japan, 2021.8.14-16.

[10]Na Li(#), Jing Yang(*), Shuai Fang, Semantic Characteristic Prediction of Pulmonary Nodule1s Using the Causal Discovery Based on Streaming Features Algorithm，Proc. of 2018 IEEE International Conference on Bioinformatics and Biomedicine (BIBM’ 2018), pp.1009-1012, Madrid, Spain, 2018.12.03-12.06.

  

H. 教学活动

 

讲授本科生课程《程序设计基础》、《C++程序设计》，研究生课程《人工智能》等。

已经指导硕士生10余名，其中3名学生获得研究生国家奖学金，指导本科毕业设计30余名。

指导学生参加计算机设计大赛、机器人及人工智能类竞赛、创新训练项目等多项，部分获奖列表：

2022年安徽省机器人大赛-智能机器人分拣挑战赛          省部级    最高等级奖   2022.10

2021年安徽省机器人大赛-机器人赛道                 省部级    最高等级奖         2021.10

2020 年安徽省机器人大赛-机器人类赛             省部级    第二等级奖   2020.10

2019安徽省机器人大赛-仿人机器人障碍跑比赛            省部级    最高等级奖         2019.5

“创新有未来”2018高校人工智能创新大赛              国家级    第二等级奖         2018.7

2019第二十一届中国机器人及人工智能大赛-竞速赛                         国家级    最高等级奖    2019.10

中国大学生计算机设计大赛安徽省级赛             省部级    第二等级奖   2017.5

中国大学生计算机设计大赛                  国家级    第三等级奖         2017.7

创新训练项目                        校级      优秀       2019.4

创新训练项目                               省级      良好        2018.5

 

实验室氛围和谐进取，研究方向基础好、前景好，欢迎努力认真、踏实进取的学生报考。