模式识别

通过以下一项或多项人工智能技术，进行多模态知识获取与感知、基于安全计算的边缘智能、面向AloT设备的先进制造等领域的研究，实现云-边-端协同计算赋能产业应用，完成高水平科研成果输出，不断扩大相关领域研究在学术界和产业界影响力，并推广相关产业化工作。 计算机、电子信息、自动化、应用数学、模式识别与智能系统、人工智能等相关专业，具有博士学位；应聘博士后要求年龄不超过35周岁，博士毕业3年以内； 具有国际同行认可的广泛的学术影响力，取得高水平的学术成果；或具有丰富的产业界研发经验，在科研成果转化方面取得突出成绩； 有科研理想，具备优秀的提出和解决问题能力，具有良好的沟通协调能力，有团队协作意识，认同AIR文化。 国际一流的科研环境，优厚的清华福利待遇，具有竞争力的薪酬； 开放专注的学术氛围、充足的启动资金； 校内科研优势资源与头部企业资源深度对接，为平台技术创新提供丰富的数据和场景； 健全畅通的成果转化及项目孵化机制

随着国家新一代人工智能发展规划的发布，人工智能(AI)计算机视觉识别从1.0走向2.0阶段，成为引领未来的战略性技术。人类的智能活动70%在处理视觉信息，真实世界的人工智能很大程度依赖于视觉信息的智能识别。大数据时代，每天有难以计数的图像和视频在网络被产生、被传递、被使用，如此海量的数据，使用人工方式找寻人物、目标变得几无可能，因此，近年来运用人脸技术，对图像和视频进行人脸比对、情绪检测渐成大势所趋

男，1955年10月出生，安徽黄山人，教授，博士生导师。1982年毕业于合肥工业大学无线电技术专业，获学士学位。1989年毕业于合肥工业大学信号与信息处理专业，获硕士学位

照片来自：Mark Zuckberg 今年年初，Facebook 创办人兼CEO马克‧佐克伯，发表了他的2016年新年挑战计划──打造操作简单的AI管家，就像《钢铁人》里的贾维斯（Jarvis）一样。而在放完育婴假后，他立刻回到工作岗位，同时也更新了AI计划的进度，在Facebook发表了对当前人工智能的一些看法，以下为文章整理： 人们不应该再对人工智能感到陌生，因为日常生活中我们处处依赖人工智能，举凡语音搜寻、使用提款机或是健康管理装置，这些都运用了基础的人工智能技术。 当前的机器学习，主要依赖的是“监督式学习”，例如，透过数千张的照片让AI系统学习辨识你的Facebook好友，然后在上传照片时，可以帮你tag朋友，而同样的方式可以应用在翻译、自动驾驶技术、诊断癌症等等

《装卸机器视觉及其应用》系统阐述了自动化集装箱码头自主装卸的多源机器视觉的处理特点和几种图像融合理解的模型框架。全书主要针对装卸机器视觉的各个层次展开阐述，从视觉数据采集方式，到数据处理与识别算法，再到模式识别算法逐级深入。在《装卸机器视觉及其应用》的最后，以案例形式讲解了装卸机器视觉在港口自动化方面的具体应用

十三届全国人大一次会议新闻中心于3月10日上午在梅地亚中心举行记者会，邀请科技部部长万钢等就“加快建设创新型国家”相关问题回答中外记者提问。 人民网图片 “人工智能”是近来中国科技发展的关键词之一。中国科技部部长万钢3月10日在十三届全国人大一次会议记者会上表示，要加快人工智能创新成果的转化应用，推动人工智能应用到产业发展和社会生活的各个方面中去

通信工程专业致力于培养具备通信技术和信息系统的基础知识，系统掌握现代通信技术，能从事各类通信设备和信息系统的研究、设计、制造、应用和开发的高等应用型和服务型人才。 该专业在人才培养过程中始终遵循国际化办学的理念，在国际（地区）联合办学项目方面，已与英国斯特拉斯克莱德大学（University of Strathclyde，2015年全英电子工程专业排名第9）建立中英联合培养项目，并与台湾中正大学签署了合作办学协议，将来可为学生提供更多元的留学选择。在国际化办学的其他方面，该专业开设多门全英授课的专业课程，并聘请外籍专家进行授课；还不定期邀请国内外知名专家学者为本科生进行学术讲座

数字式超声波探伤仪是一种便携式工业无损探伤仪器，它能够快速、便捷、无损伤、准确地进行工件内部多种缺陷（裂纹、疏松、气孔、夹杂等）的检测、定位、评估和诊断。既可以用于实验室，也可以用于工程现场。广泛应用在锅炉、压力容器、航天、航空、电力、石油、化工、海洋石油、管道、船舶制造、汽车、机械制造、冶金、金属加工业、钢结构、铁路交通、核能电力、高校等行业

传统的模式识别和机器学习方法假设闭合类别集、独立同分布、大数据训练。这些假设条件下，深度学习方法取得了优异的性能。然而在开放环境下，包括深度学习在内的已有方法面临一系列新的技术挑战：类别集变化、分布变化、样本有限等

4月29日下午，应数学与计算机科学学院邀请，日本神奈川大学张善俊教授来我校讲学，为师生作题为“AI与计算机视觉”的专题讲座。 张善俊教结合计算机和人工智能AI的发展历史及演变进程，详细阐述了卷积神经网络技术在相关领域的应用及优势以及如何利用深度学习方法来进行图像去噪、图像补全等方面的处理技术。讲座中张教授通过互动与现场师生们交流了如何利用小波变换方法对图像进行学习，图像数据集的来源，利用图像反转、压缩等技术得到的图像集是否可靠等人工智能与图像处理方面的前沿研究知识及问题