吴昊 (Hao Wu)
H指数:21
被引数:2,244
个人简介
任职于西南大学,副教授,硕士生导师。2014年毕业于合肥工业大学信息安全专业,获学士学位;2017年毕业于重庆大学计算机科学与技术专业,获硕士学位;2022年毕业于中国科学院大学计算机应用技术专业,获博士学位。研究方向为张量分析、图表示学习、人工智能。在IEEE T. PAMI、T. KDE、T. SC等国际期刊和国际会议上发表SCI/EI检索论文30篇,其中4篇入选ESI高被引;以第一作者在Springer出版社出版英文专著1部;申请国家发明专利12项,已授权5项;主持国家级和省部级科研项目4项,参研多项国家级和省部级科研项目及教改项目2项;获中国科学院院长优秀奖;担任国际期刊IEEE T. NNLS、T. ETCI、JAS等的审稿人。目前为学院领航团队“图与社会计算”团队成员。
教育背景
2014.12
合肥工业大学 学士学位 信息安全
2017.12
重庆大学 硕士学位 计算机科学与技术
2022.12
中国科学院大学 博士学位 计算机应用技术
工作经历
暂无内容
荣誉奖项
暂无内容
基于有偏非负张量环分解的动态网络表示学习的高精度方法
一种通过渐进式知识蒸馏融合的低秩压缩实现无损卷积神经网络压缩的新方法
Neural Networks
IF6.3
双曲空间中张量分解的时空交通数据插补
异步多流并行随机梯度下降算法用于高效分解高维和不完整矩阵
Neurocomputing
IF6.5
基于张量模型的压缩的潜在因子分解综述:算法、工具箱和未来方向
Neurocomputing
IF6.5
通过一种模式感知的Tucker网络学习非标准张量的准确表示
一种用于动态有向图精确表示学习的卷积偏差融入张量非负潜因子分解模型
一种自适应PID引导的张量轮分解模型,用于动态加权网络表示
Neurocomputing
IF6.5
针对未知不同领导者及执行器故障的异构多智能体系统的自适应弹性容器控制
用于时空交通数据恢复的张量模型的柯西损失合并非负潜在因子分解
NEUROCOMPUTING
IF6.5
一种用于高精度时空数据表示的新型张量因果卷积网络模型
ISA TRANSACTIONS
IF6.5
NEUROCOMPUTING
IF6.5

