91一级特黄大片|婷婷中文字幕在线|av成人无码国产|日韩无码一二三区|久久不射强奸视频|九九九久久久精品|国产免费浮力限制

陳云華，博士，INNS及CCF會員，碩士生導師，廣東工業(yè)大學副教授。主要研究方向為神經(jīng)形態(tài)類腦計算、計算機視覺、深度學習，在IEEE T COGN DEV SYST、NEURAL COMPUT、NEUROCOMPUTING、PATTERN RECOGN、J VIS COMMUN IMAGE R、CVPR、ICPR 、《中國圖象圖形學報》、《控制理論與應用》、《計算機科學》等國內(nèi)外重要學術(shù)期刊/會議發(fā)表論文50余篇。主持省部級項目6項，獲得授權(quán)專利3項、軟件著作權(quán)1項。2016年赴英國曼切斯特大學訪學，師從ARM之父Steve Furber教授，現(xiàn)為NEURAL COMPUT、PPL INTELL、INT J MACH LEARN CYB等多個學術(shù)期刊的審稿人。

------------------------------------
作者：陳云華
來源：學者網(wǎng)
原文：http://www.1061937.com/vpost.html?pid=189233
本文為該學者原創(chuàng)文章，轉(zhuǎn)載請附上文章鏈接！

個人主頁： https://yzw.gdut.edu.cn/info/1120/1851.htm

INNS（International Neural Network Society）會員，中國計算機學會會員，中國人工智能協(xié)會可拓學專委會委員

人工智能、計算機科學與技術(shù)、計算機技術(shù)、軟件工程

一、計算機視覺方向：

       1.  針對DVS（動態(tài)視覺傳感器）數(shù)據(jù)，對高速運動目標進行檢測與識別的技術(shù)（包括深度學習方法和脈沖神經(jīng)網(wǎng)絡方法）；

       2.  針對傳統(tǒng)視頻圖像進行處理的計算機視覺技術(shù)（包括傳統(tǒng)方法和深度學習方法）。

二、SNN ( 脈沖神經(jīng)網(wǎng)絡)方向：

       1.  基于DNN-SNN轉(zhuǎn)換的SNN及其優(yōu)化；

       2.  基于梯度下降的SNN訓練算法；

       3.  基于STDP的SNN訓練算法。

      1.  已通過廣東工業(yè)大學及計算機學院復試；

      2.  具有良好的數(shù)學基礎、編程能力和文字寫作能力；

      3.  愿意吃苦、吃虧，堅韌不拔，有科研精神。

       1.  畢業(yè)研究生去向公司有：華為技術(shù)有限公司、杭州海康威視數(shù)字技術(shù)股份有限公司等等。

       2.  指導的碩士研究生于2019年獲得國家獎學金。

       3.  指導本科創(chuàng)新項目若干項，所指導的本科生曾于2014年獲得第2屆“感動廣工大十大人物”稱號。

       4.  指導的本科生團隊參加2014“全國并行應用挑戰(zhàn)賽”榮獲中南賽區(qū)一等獎，參加2012“粵嵌杯”廣東省嵌入式物聯(lián)網(wǎng)設計大賽榮獲一等獎。

          ......

       1. 廣東省自然科學基金項目，事件驅(qū)動的低延遲低功耗視覺表示與特征學習,（2025A1515012243）。

       2. 廣東省自然科學基金項目，轉(zhuǎn)換式深度脈沖卷積網(wǎng)絡多性能指標優(yōu)化研究，（2021A1515012233）。

       3.  廣東省自然科學基金項目，連續(xù)自發(fā)式表情特征的深度學習表示研究，（2016A030313713）。

       4.  廣東省自然科學基金項目，低質(zhì)量監(jiān)控視頻人臉超分辨率算法研究，（2014A030310169）。

       5.  廣州市科技計劃項目，支持小間距LED顯示的多屏實時處理器系統(tǒng)的研發(fā)，（2014Y2-00211）。

       6.  廣東省科技計劃項目，興寧市水口鎮(zhèn)中小微企業(yè)信息化公共服務平臺建設，（2013B040500008）。

       7.  廣東省科技計劃項目，適用于惡劣環(huán)境的視頻監(jiān)控系統(tǒng)開發(fā)與產(chǎn)業(yè)化，（2014B090901061）。

1. High-performance deep spiking neural networks via at-most-two-spike exponential coding. Neural Networks . 2024.

2. Video Small Object Detection with Long Short-Term Feature Enhancement Network. IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2023) .

3. Efficient Motion Symbol Detection and Multikernel Learning for AER Object Recognition. IEEE Transactions on Cognitive and Developmental Systems, 2022.

4. Tiny object detection with context enhancement and feature purification[J]. Expert Systems with Applications, 2022 .

5. An adaptive threshold mechanism for accurate and efficient deep spiking convolutional neural networks, Neurocomputing, 2022.

6. Accurate and Efficient Frame-based Event Representation for AER Object Recognition. IEEE International Joint Conference on Neural Networks (IJCNN) , 2022.

7. Novel shrinking residual convolutional neural network for efficient accurate stereo matching, Journal of Visual Communication and Image Representation, 2020.

8.  Improving the antinoise ability of DNNs via a bio-inspired noise adaptive activation function rand softplus, Neural Computation, 2019.

9.  Occlusion Expression recognition based on non-convex low-rank double dictionaries and occlusion error model. Signal Processing: Image Communication, 2019.

10.  Single image rain removal based on depth of field and sparse coding, 24th International Conference on Pattern Recognition (ICPR), 2018.

11.   雙向特征融合與特征選擇的遙感影像目標檢測, 電子學報，2022.

......

有興趣的同學請將簡歷發(fā)送至：  5350299@qq.com