景丽萍，博士，教授、博士生导师，北京交通大学计算机与信息技术学院副院长（负责学科建设、校友校企、国际合作），北京市海淀区第十七届人大代表。担任中国计算机学会人工智能与模式识别专委会副主任，中国人工智能学会机器学习专委会常委，《中国科学》青年编委，入选国家级青年人才计划、教育部创新团队负责人、北京市课程思政教学名师、北京市海淀区人大代表、北京交通大学卓越百人，获评北京交通大学“巾帼十杰”、“优秀教师”等。主持多项省部级、国家级项目，包括国家自然基金优青项目、科技部新一代人工智能重大专项、国防科技创新重点项目、北京市自然基金重点研究专题等。研究方向主要聚焦机器学习理论算法及其在智能领域的应用，先后提出一系列高维数据表示、弱监督学习、可解释学习理论和方法，研究成果近年来在国内外重要学术期刊和会议上发表（包括CCF-A类顶级国际学术会议NeurIPS、AAAI、ACL、ICCV、ICLR、WWW、CVPR、ICLR、IJCAI，顶级学术期刊 JMLR、IJCV、IEEE TPAMI / TKDE / TIP等），相关研究成果已成功应用于智能交通、智能芯片、智能教育、智能国防等领域。        带领认知学习与智能应用研究团队（CLAI Lab），她是一支充满激情和创造力的研究团队，包括教授、副教授、讲师、博士生、硕士生和本科生，共同致力于推动人工智能和认知科学的交叉研究。团队理论研究主要聚焦数据受限鲁棒学习、知识驱动稳定学习、安全可信学习与评测研究；应用研究部分深入探索智能规划资源调度、不确定性态势感知、数字人智能体生成和视频智能分析等，预期赋能智能交通、智能国防、智能教育等相关领域的智能化发展。        欢迎有兴趣的同仁加入团队，申请博士后、校级青英计划或海外优青。        欢迎有兴趣的同学申请攻读博士研究生及硕士研究生。

部分代表性科研项目列表如下： 主持项目：

教育部创新团队基金，认知计算驱动的不确定性态势感知研究，2022.12-2025.12

国家自然科学基金面上项目，因果驱动的稳定表示学习研究，2022.01-2025.12

国防创新项目， ****小样本学习，2021-2022

北京市自然科学基金-丰台轨道交通前沿研究联合基金，基于小样本机器学习的轨道交通列车运行障碍物识别方法研究，2021-2024 中国人工智能学会-华为MindSpore学术奖励，面向可解释的鲁棒深度学习关键问题研究，2021-2022 国防创新项目，融合***知识的****生成关键技术，2021-2024 航天科工集团，***发展路线智能分析系统，2020-2021 国家科技部科技创新2030 “新一代人工智能”重大项目子课题，面向视觉运动感知的神经科学启发的机器学习理论与方法，2020-2023 中科院计算所，基于国产智能芯片编程语言的细粒度目标识别应用开发及测试，2020-2023 国防预研项目，***小样本学习******研究，2020 国家自然科学基金优秀青年基金，高维数据表示， 2019.01-2021.12 北京市自然科学基金重点研究专题，弱监督学习理论研究，2019.01-2022.12 基本科研业务费：可解释性学习及其在交通领域中的应用研究，2019-2025 教育部“人工智能算法战略研究项目”课题，可解释深度生成模型研究，2019-2022 国家自然科学基金面上项目，融合多源信息的可解释推荐模型与方法研究，2018.01-2021.12 国防创新项目，******可解释深度学习关键问题研究，2018-2020 CCF-腾讯犀牛鸟科研基金项目: 融合多源信息的推荐模型构建与并行求解算法研究， 2015.10-2016.12 国家自然科学基金“面上”：面向高维数据挖掘的非负矩阵分解关键问题研究，2014-01--2017-12 国家自然科学基金"青年基金"：文本语义模型和子空间聚类研究，2010-01--2012-12 参加项目： 省部级重点项目，超实时**生成技术，2024.01-2024.12

教育部重点项目，**多足**平台设计理论与技术研究，2023.12-2026.12

国家自然科学基金“数学天元基金”，统计优化与人工智能天元数学交流项目，2020-2020

中国民航信息网络股份有限公司， 面向民航业务系统运维的多重周期时间序列数据异常检测方法研究， 2019-2021 国家科技部重大专项，中医药大数据挖掘研究与创新应用，2018-2021 国家自然科学基金重点项目，面向认知的机器学习理论与算法，2017-2021

近年来在国内外重要学术期刊和会议上发表多篇高质量论文（NeurIPS、AAAI、IJCAI、CVPR、ICCV、WWW、ACL、EMNLP、ICLR、ACM MM以及TPAMI、JMLR、IJCV、TKDE、TIP、TOIS等顶级期刊）

https://dblp.org/pid/54/2770.html

Google Scholar主页： ‪Liping Jing‬ - ‪Google 学术搜索‬

近年代表性期刊/会议论文（部分研究方向）：

1. 数据受限鲁棒学习

      研究团队对数据受限鲁棒学习相关理论和关键技术进行研究，针对特定应用场景数据受限特点，围绕高维数据表示、高质量数据生成，稳定学习模型构建和鲁棒优化算法设计展开系统研究。在高质量数据表示和生成方面，团队深入研究数据增强、迁移学习等技术，旨在通过有限的样本生成更具代表性和多样性的数据；关注数据标注和质量控制等问题，确保生成的数据能够满足后续模型训练的需求。在学习模型构建方面，团队致力于研究如何在数据受限的条件下构建有效模型，聚焦隐特征表示学习、因果学习、公平学习、对抗学习、噪音学习等多个方面，以提高模型的泛化能力。在优化算法设计方面，团队关注如何通过优化算法来提高模型训练的鲁棒性。关注优化光滑化、压缩量化、持续学习等算法，以应对数据受限情境下可能出现的各种噪声干扰。

    研究团队在高维数据表示相关理论和关键技术进行了长期的研究，针对数据特征空间和标签空间高维生成特点，围绕高维数据有效性表示(去噪、多源融合、不完整信息填充等)，和海量标签学习(多标签学习、高效训练和快速预测算法等)展开系统研究，先后提出如下高维数据表示模型和方法：

* Yilin Lyu, Liyuan Wang, Xingxing Zhang, Zicheng Sun, Hang Su, Jun Zhu, Liping Jing. Overcoming Recency Bias of Normalization Statistics in Continual Learning: Balance and Adaptation. NeurIPS 2023.（CCF-A类会议）

* Xiang Wang, Huafeng Liu, Liping Jing, Jian Yu. Structure-driven Representation Learning for Deep Clustering. ACM Transactions on Knowledge Discovery from Data (TKDD), 2023. (CCF-B类期刊)

* Mingyang Song, Huafeng Liu, Yi Feng, Liping Jing. Improving Embedding-based Unsupervised Keyphrase Extraction by Incorporating Structural Information. ACL2023. (CCF-A类会议).

* Mingyang Song, Haiyun Jiang, Lemao Liu, Shuming Shi and Liping Jing. Unsupervised Keyphrase Extraction by Learning Neural Keyphrase Set Function. ACL2023. (CCF-A类会议).

* Yilin Lyu, Xin Liu, Mingyang Song, Xinyue Wang, Yaxin Peng, Tieyong Zeng, Liping Jing, Recognizable Information Bottleneck, IJCAI, 2023. （CCF-A类会议）

* Mingyang Song, Yi Feng, Liping Jing, HISum: Hyperbolic Interaction Model for Extractive Multi-Document Summarization, WWW 2023 (CCF-A类会议).

* Pengyu Xu, Lin Xiao, Bing Liu, Sijin Lu, Liping Jing, Jian Yu. Label-Specific Feature Augmentation for Long-Tailed Multi-Label Text Classification. AAAI 2023.（CCF-A类会议） * Mingyang Song, Huafeng Liu, Liping Jing. HyperRank: Hyperbolic Ranking Model for Unsupervised Keyphrase Extraction. EMNLP 2023.（CCF-B类会议，自然语言处理顶会）

* Mingyang Song, Pengyu Xu, Yi Feng, Huafeng Liu, Liping Jing. Mitigating Over-Generation for Unsupervised Keyphrase Extraction with Heterogeneous Centrality Detection. EMNLP 2023.（CCF-B类会议，自然语言处理顶会）

* Mingyang Song, Huafeng Liu, Liping Jing. Improving Diversity in Unsupervised Keyphrase Extraction with Determinantal Point Process, CIKM 2023 (CCF-B类会议). * Mingyang Song, Yi Feng, Liping Jing, A Preliminary Exploration of Extractive Multi-Document Summarization in Hyperbolic Space, CIKM 2022 (CCF-B类会议). * Mingyang Song, Yi Feng and Liping Jing, Hyperbolic relevance matching for neural keyphrase extraction, NAACL 2022.（CCF-B类会议，自然语言处理顶会）

* Mingyang Song, Yi Feng, Liping Jing. A Survey on Recent Advances in Keyphrase Extraction from Pre-trained Language Models, EACL 2023 (自然语言处理旗舰会议). * Lin Xiao, Xiangliang Zhang, Uchenna Akujuobi, Pengyu Xu, Liping Jing. Semi-supervised learning Multi-label classification Few-shot learning Graph neural network Label semantic. Information Sciences 2022. (CCF-B类期刊, SCI A1) * Mingyang Song, Liping Jing, Lin Xiao. Importance Estimation from Multiple Perspectives for Keyphrase Extraction. EMNLP 2021.（CCF-B类会议，自然语言处理顶会） * Tian, X., Jing, L., He, L., & Liu, F. . StereoRel: Relational Triple Extraction from a Stereoscopic Perspective. ACL 2021. （CCF-A类会议，自然语言处理顶会） * Lin Xiao, Xiangliang Zhang, Liping Jing, Chi Huang, Mingyang Song. Does Head Label Help for Long-Tailed Multi-Label Text Classification. AAAI 2021（CCF-A类会议） * Boli Chen, Yao Fu, Guangwei Xu, Pengjun Xie, Chuanqi Tan, Mosha Chen, Liping Jing. Probing BERT in Hyperbolic Spaces. ICLR 2021（机器学习顶会） * Chen, B., Huang, X., Xiao, L., Cai, Z., Jing, L. Hyperbolic interaction model for hierarchical multi-label classification.  AAAI 2020.（CCF-A类会议） * Chen, B., Huang, X., Xiao, L., Jing, L. Hyperbolic Capsule Networks for Multi-Label Classification. ACL 2020.（CCF-A类会议，自然语言处理顶会） * Lin Xiao, Xin Huang, Chen Boli, Liping Jing. Label-Specific Document Representation for Multi-Label Text Classification. EMNLP 2019.（CCF-B类会议，自然语言处理顶会） * Liping Jing, C. Shen, L. Yang, J. Yu, and M. Ng*, Multi-label classification by semi-supervised Singular value decomposition, IEEE Trans. on Image Processing, 26(10):4612-4625, 2017.（CCF-A类期刊，计算机视觉顶刊） * Liping Jing, Liu. Yang, J. Yu, and M. Ng, Semi-supervised Low-Rank Mapping Learning for Multi-label Classification, CVPR 2015.（CCF-A类会议） * 徐鹏宇,刘华锋,刘冰,景丽萍,于剑. 标签推荐方法研究综述,软件学报,2022.（CCF-A类中文期刊）

    研究团队针对如何使计算机能够像大脑一样将弱监督信息融合到一起，并挖掘其内在关系（相关性、因果性）这一挑战性问题，开展一系列弱监督数据有效表示和学习理论与方法研究。

* Xin Liu , Shijing Wang , Kai-rui Zhou , Yilin Lyu ,Mingyang Song , Liping Jing , Tieyong Zeng,Jian Yu. vMF Loss: Exploring a Scattered Intra-class Hypersphere for Few-shot Learning ,ECML/PKDD, 2023 , Accepted (CCF-B 类会议)

* Xin Liu , Yilin Lyu , Liping Jing , Tieyong Zeng, Jian Yu. Not All Tasks are Equal: a Parameter-efficient Task Reweighting Method for Few- shot learning , ECML/PKDD, 2023 , Accepted (CCF-B 类会议)

* H. Liu, L. Jing. Amortized mixing coupling processes for clustering. The Thirty-Sixth Annual Conference on Neural Information Processing Systems (NeurIPS), 2022.（CCF-A类会议）

* Yilin LYU, Liping JING, Jiaqi WANG, Mingzhe GUO, Xinyue WANG & Jian YU，Siamese Transformer with Hierarchical Concept Embedding for Fine-Grained Image Recognition, SCIENCE CHINA Information Sciences, 2022.（CCF-A类期刊）

* Xin Liu, Kai-rui Zhou, Peng-bo Yang, Liping Jing, Jian Yu, Adaptive Distribution Calibration for Few-Shot Learning via Optimal Transport, Information Sciences 2022, Accepted (CCF-B类期刊, SCI A1)

*Xinyue Wang, Liping Jing, Yilin Lyu, Mingzhe Guo, Jiaqi Wang, Huafeng Liu, Jian Yu and Tieyong Zeng. Deep generative mixture model for robust imbalance classification, IEEE Trans. on Pattern Recognition and Machine Intelligence (PAMI), Accepted，2022 （CCF-A类期刊，人工智能领域）

*Mingzhe Guo , Zhipeng Zhang, Heng Fan, Liping Jing1,Yilin Lyu, Bing Li and Weiming Hu，Learning target-aware representation for visual tracking via informative interactions, IJCAI, 2022. （CCF-A类会议）

* Huafeng Liu, and Liping Jing. Deep amortized relational model with group-wise hierarchical generative process, AAAI 2022. （CCF-A类会议）

* Xinyue Wang, Bo Liu, Siyu Cao, Liping Jing, Jian Yu. Important Sampling Based Active Learning for Imbalance Classification. SCIENCE CHINA Information Sciences, 2020.（CCF-A类期刊）

* 刘鑫 , 景丽萍 , 于剑. 基于多样真实任务生成的鲁棒小样本分类方法 , 软件学报 , 接收（CCF-A 中文期刊)

2. 知识驱动稳定学习

       数据驱动的人工智能方法尽管在各领域取得了令人印象深刻的性能，但仍存在数据依赖性高、泛化能力差、可解释性差以及鲁棒性不足等缺点。究其原因在于模型的数据驱动性质及其无法充分有效利用领域知识。团队致力于探究数据驱动与知识融合的智能方法，从知识表示、知识融合、人机对齐等角度出发，研究知识（包含物理规律）驱动的学习理论和方法，帮助模型更好地理解问题本质，减少对大量标注数据的依赖，提升智能方法在未见数据或少量数据情况下的泛化能力，增强模型对噪声及各种不确定性的处理能力，使模型的决策过程更加可靠。通过领域知识的融合，使模型能够更好地适应不同领域的特定需求和约束，促进人工智能方法应用推广。

* Mingzhe Guo, Zhipeng Zhang, Liping Jing, Haibin Ling, Heng Fan. Divert More Attention to Vision-Language Object Tracking. TPAMI 2024. (CCF-A类期刊)

* M. Guo, Z. Pan, H. Fan, L. Jing. Divert more attention to vision-language tracking. Conference and Workshop on Neural Information Processing Systems (NeurIPS), 2022.（CCF-A类会议）

* Tian, X., Jing, L., Luo, F., & Zhang, S. Shyness Trait Recognition for Schoolchildren via Multi-View Features of Online Writing[J]. IEEE Transactions on Affective Computing. 2021.  (CCF-B类期刊，情感计算顶刊)

* Liping Jing, B. Liu, J. Choi, A. Janin, J. Bernd, M. Mahoney and G. Friedland, DCAR: a discriminative and compact audio representation for audio processing, IEEE Transactions on Multimedia, 19(12): 2637-2650, 2017.（CCF-B类期刊，多媒体）

3. 安全可信学习与评测

       在当前人工智能技术迅速发展的情况下，仍面临着诸多问题：黑盒不可解释性、偏见内容生成、过度自信以及对抗攻击脆弱性。这些问题威胁着系统的可信度和安全性。因此，团队致力于研究可信人工智能，通过可解释性学习、公平学习、不确定性学习，提高系统的透明度、公平性以及在不确定环境下的可靠性；同时关注对抗样本生等鲁棒性测试方法，以提高智能模型(包括大模型）抵御对抗攻击的能力，以确保其在应用中的可信度和安全性。通过这些研究方向的探索，旨在为构建可信的人工智能系统做出贡献，推动技术的进步和应用。

*Zhengwei Fang, Rui Wang, Tao Huang, Liping Jing, CVPR, 2024. (CCF A).

*Huafeng Liu, Liping Jing, Jian Yu. Neural Processes with Stability. NeurIPS, 2023. (CCF A).

* Huafeng Liu, Liping Jing, Jingxuan We, Pengyu Xu, Jiaqi Wang,  Jian Yu, Michael K. Ng, Interpretable deep generative recommendation models, Journal of Machine Learning Research (JMLR), 2021 (CCF-A类期刊)

* 高畅，王家祺，景丽萍，于剑. 基于特征归因和泰勒展开引导重要度评价的梯度流剪枝.中国科学：信息科学.2021. (CCF-A类中文期刊)

* 杨礼吉, 王家祺，景丽萍，于剑.  基于张量计算的卷积神经网络语义表示学习. 计算机学报.2022. (CCF-A类中文期刊)

       推荐系统作为人工智能领域的一个重要产品，成为解决信息过载问题的必要工具，受到各行业的广泛关注。团队重点探究推荐数据多源、海量、动态等特点，充分利用多源数据协同性、动态挖掘用户和物品的显著特性，预期为用户提供高精度推荐结果和合理的推荐理由。

* Huafeng Liu, Mingjie Zhou, Liping Jing, Michael K. Ng. Doubly Intention Learning for Cold-start Recommendation with Uncertainty-aware Stochastic Meta Process. ACM MM, 2023. (CCF A).

* Jingxuan Wen, Huafeng Liu and Liping Jing. Modeling Preference as Weighted Distribution over Functions for User Cold-start Recommendation. ACM CIKM. 2023. (CCF-B类会议)

* Jingxuan Wen, Huafeng Liu, Liping Jing and Jian Yu. Learning-based Counterfactual Explanations for Recommendation. SCIENCE CHINA Information Sciences (SCIS). 2023. (CCF-A类期刊)

* Huafeng Liu, Liping Jing, Dahai Yu, Mingjie Zhou, Michael K. Ng. Learning Intrinsic and Extrinsic Intentions for Cold-start Recommendation with Neural Stochastic Processes. ACM MM, 2022. (CCF A).

* Huafeng Liu, Liping Jing, Jingxuan We, Pengyu Xu, Jiaqi Wang,  Jian Yu, Michael K. Ng, Interpretable deep generative recommendation models, Journal of Machine Learning Research (JMLR), 2021 (CCF-A类期刊)

博士生：

2018级：      

        王家祺（可解释学习）

2019级： 

        徐鹏宇（多标签学习、协同指导）

        文静轩（图与推荐系统）      

        王   翔（无监督学习）      

2020级： 

        郭明哲（目标检测/跟踪）

        吕亿林（持续学习）      

2021级： 

        冯   毅（自然语言处理、协同指导）      

        候景仁（知识驱动ML）

2022级：

        高   畅（可解释驱动的压缩）

2023级：

        张宝昕（多智能体强化学习、协同指导）

        李晓梦（多模态数据分析）

        李   辉（时序数据学习）

        黄   韬 (大模型安全)

硕士生：      

2021级：

        王晓宇（时间序列生成）      

        耿伟峰（无监督学习）          

2022级：

        苏若愚（可解释驱动的压缩）

        谭伟平（目标检测/跟踪）

        姚松方（自然语言处理）

        卢仕龙（自然语言处理）

        耿雪莲（自然语言处理）

        尚方静  (自然语言处理)

        王   冲（知识驱动ML）

        叶根诚（弱监督学习）

        陆思进（多标签学习）

        刘   冰（多标签学习）

        师文宝（推荐系统）

        李   毅（对抗攻击）

2023级：

        孙子澄（不均衡学习、持续学习）

        罗   允（自然语言处理）

         孙宏健（多标签学习）

        王晨旭（持续学习）

        冉文宇（底层视觉）

        林树洋（推荐系统）

        景宇宸（三维重建）

        周正忠（三维重建）

        汪   意（三维重建）

本科生：

        李晨光（詹天佑学院，三维重建）

        秦   毅（詹天佑学院，对抗攻击）

        肖   彤（詹天佑学院，持续学习）

博士：

2023届：

        宋明阳（腾讯科技（北京）有限公司）：基于重要性估计的关键词抽取方法研究

        刘   鑫（航天科工创新院）：泛化误差分解指导下的小样本图像分类研究

2022届：

        肖   琳（阿里高德）：长尾视角下的多标签文本分类问题研究

2021届：

        王馨月（阿里高德）：生成式数据增强的不均衡数据分类方法研究

        刘华锋（北京交通大学）：概率生成式用户偏好模式挖掘方法研究

2019届：

        程苗苗（首都师范大学）：基于子空间的多视图学习理论和方法研究

        邓   东（荣耀终端有限公司）：情感词典构建方法及应用研究

2017届：

        刘   博（河北农业大学）：子空间学习及其在图像集分类中的应用研究

2016届：

        杨   柳（天津大学）：融合文本信息的图像分类和标注关键问题研究

2012届：

        朱   岩（中科院自动化所）：面向文本数据的半监督学习研究

2011届：

        恽佳丽（IBM）：基于Wikipedia的文本表示模型及其在文本挖掘中的应用

硕士：

2023届：

        方正伟（启元实验室） 

        杨翰宇（国泰基金）

        郝敬宇（数篷科技）  

        韦丹妮（人大金仓）

        周凯锐（美团）

        李   凯（快手）      

2022届：

        沈启航（网易有道信息技术（北京）有限公司）

        杨礼吉（睿创微纳（苏州）） 

        张将将（北京邮电大学）

        高   畅（北京交通大学）

2021届：

        陈博理（阿里巴巴达摩院（杭州）科技有限公司）

        韩佩瑶（中国铁道科学研究院集团有限公司）

        赵雨轩（招商银行股份有限公司北京分行）

        苏锦萍（泰康保险集团股份有限公司）

        才子昕（腾讯科技（北京）有限公司）     

        陈   冬（腾讯科技（北京）有限公司）   

        刘亚茹（荣耀终端有限公司）

        黄   鑫（字节跳动（北京））      

        吴直澄（快手）     

        孙肖依（转转）      

2020届：

        侯晓刚（北京易华录信息技术股份有限公司）

        姚   远（中国软件与技术服务股份有限公司）

        徐   剑（自如信息科技有限公司）

        孙秀坤（国防科技创新研究院）      

        冯相琨（国防科技创新研究院）         

        闵   称（北京大学）      

        赵   慧（快手）      

2019届：

        于金彪（上海商汤智能科技有限公司）

        周浩飞（元戎启行）

        宋   攀（北方华创）

        李幸幸（百度）      

2018届：

        读习习（北京市房山区人力社保局）   

        李建宇（北京市轨道交通指挥中心） 

        陈   培（许昌市检测中心）

        吴嘉琪（海军研究院）      

2017届：

        张   晶 （中国邮政储蓄银行总行）      

        卢文凯（中信银行股份有限公司）

2015届：

        邹   珊（赤峰工业职业技术学院）

        王   鹏（阿里云计算有限公司）  

        高启航（Amazon） 

        桂稳莉（温州银行）

        田   耕（快手）      

2014届：

        李   谦（上海嘉峪科技有限公司）

2012届：

        田   旷（中国船舶集团财务公司）

        Spring：离散数学II 大一下学期 （2009-2018）

        Fall：机器学习 计算机专业大三上学期（2018-）

                人工智能专业大二上学期（2021-，64学时）

研究生课程：

        Summar：深度学习 （硕博 2020-， 32学时）

        Fall：机器学习 研一下学期（硕士，32学时）

景丽萍，刘华锋. 一种自适应局部低秩矩阵近似推荐方法, 202010349545.9

景丽萍，方正伟，黄韬，王睿. 融合优化算法渐近正态性的高迁移对抗样本生成方法，202211048884.9

主要获奖与荣誉：

    中国城市轨道交通协会科技进步奖 2024

    北京市课程思政示范课程教学名师 2021

    北京市海淀区第十七届人大代表 2021

    北京交通大学 “巾帼英雄” 2020     北京交通大学 “优秀教师” 2018     北京交通大学 “卓越百人” 2018     华为奖教金 2015     北京交通大学 破格晋升教授  2014     北京交通大学 青年英才I类计划 2014     詹天佑科技专项奖 2014     北京交通大学 握奇奖教金 2013     北京交通大学 优秀研究性教学训练载体 《离散数学》2012     北京交通大学 红果园双百人才D类计划 2010

国际期刊与会议：IEEE TPAMI，TNNLS，IEEE TIP, IEEE TC, NIPS等审稿人

        为规范团队研究生学风，针对团队开展工作，包括参加项目、发表论文、申报专利、研制系统等 请大家根据如下要求。

        本室鼓励研究生在攻读博士或硕士学位期间潜心科学研究。每位博士生在读期间，相关研究围绕团队科研项目开展，定期推进项目、论文、专利、系统等工作。  每位硕士生，提倡撰写Top国际会议学术论文、技术报告、软件著作权或发明专利 ，重点放在软硬件系统的开发设计上面，积极参与团队科研项目、从事不可替代性和有显示度的系统研制。         每位博士生在国内外主流期刊或会议上公开发表学术论文。为了营造严谨的学风，在论文投稿前，须经导师审阅， 并由导师作为通信作者（Corresponding Author）进行投稿。未经审阅和批准而贸然投出的论文，文责自负，不得将导师列为共同作者，不能计入 毕业要求的论文之内，版面费自理。         博士生至少完成研究生院要求的论文量（或按下列方法等效的论文），我室要求每位博士研究生必须有一篇国际Top期刊论文和一篇中文（《中国科学》、《科学通报》、《自然科学进展》、《电子学报》、《计算机学报》、《软件学报》、《通信学报》和《自动化学报》级别）期刊的论文，同时要求提交国家发明专利至少1项。        本室只承担两篇国内核心期刊论文的版面费（对贡献突出者可适当放宽此要求），资助两篇本领域重要国际会议论文注册费（比如：ICML，NeurIPS, ICCV，CVPR，SIGIR, ACM MM，AAAI，IJCAI，ECCV等）和参加一次国际会议（国内召开，对贡献突出者可资助到国外参加国际会议）的差旅费，国际刊物论文则无此限制。博士生在向导师提出毕业申请时，应在上述要求期刊或会议上发表一篇论文（至少应有2篇投稿，而且只计数作者排名前两名的论文），如果达不到此要求，请不要贸然提出毕业申请。           毕业前，必须提交一项可演示的研究成果，并集成到实验室的演示平台上。         博士研究生在录用一篇本领域主流国际期刊论文后，可提出申请CSC奖学金赴海外联合培养一年的申请，导师将协助推荐海外合作导师。