probabilistic

2009年Stanford大学的Daphne Koller教授出版1200页的巨著“概率图模型(Probabilistic Graphical Models Principles and Techniques)”，在这部著作中，作者将问题分为三个部分：表示、推断和学习。与传统人工智能相比较，这个方法保留了人工智能强调的知识结构的描述，但是在结构上嵌入了问题的统计刻画，以保证这个方法具有一定的泛化性能；与统计机器学习相比较，其建模不是在n个变量张成的空间上，而是根据结构，在小变量集合构成的空间上分别建模，从而避免大变量集合统计学遇到的本质性困难。尽管这个方法存在着大量未解决的问题，但是，这是目前寻找克服人工智能与统计机器学习困难所做出的努力之一

2014年毕业于西北工业大学理学院获理学博士学位。主要从事应用概率统计、非线性随机动力学与控制的研究。近几年，在《Nonlinear Dynamics》、《Probabilistic Engineering Mechanics》、《International Journal of Non-linear Mechanics》与《ASME Journal of Applied Mechanics》等期刊杂志上发表十余篇论文，以第一作者被SCI收录论文5篇