当前位置:首页 > 新闻中心 > 近日要闻

近日要闻

自动化所陶建华研究员入选国家“万人计划”科技创新领军人才

  • 发表日期:2018-01-09 【 【打印】【关闭】
  •   1228日,中央人才工作协调小组办公室公示了第三批国家“万人计划”领军人才人选人员名单,共入选723人,自动化所陶建华研究员入选。 

      国家万人计划”全称国家高层次人才特殊支持计划,由中央人才工作协调小组统一领导,中组部、中宣部、人社部、教育部、科技部等多个部门共同组织实施。总体目标是利用10年时间,在自然科学、工程技术、哲学社会科学和高等教育等领域,遴选支持一万名左右能够代表国家一流水平、具有领军才能和团队组织能力的高层次人才,特别是有重大创新前景和发展潜力的中青年人才。 

      国家“万人计划”于20129月正式启动。“万人计划”的评审工作充分借鉴国内外成功经验,本着“好中选优、优中选强”的原则,经过层层推荐,严格筛选而产生。 

     

      陶建华研究员简介: 

     

        陶建华,男,博士,研究员,博导,杰青。 

        现任中科院自动化所模式识别国家重点实验室副主任、中欧信息自动化与应用数学联合实验室中方主任、所长特聘助理。

      2001年获清华大学计算机系博士学位 

      1996年获南京大学电子系硕士学位        

      1993年获南京大学信息物理系本科学位  

        

      社会任职: 

      IEEE Trans. on Affective Computing Steering Committee Member 

      AAAC学会执行理事 

      中国计算机学会常务理事 

      中国人工智能学会理事 

      中国中文信息学会理事 

      中国声学学会理事 

      中国图象图形学学会理事兼人机交互专委主任 

      中重中文信息学会语言资源建设与管理工作委员会秘书长等职务。 

      Journal on Multimodal User Interface 编委 

      International Journal on Synthetic Emotions编委 

        

      项目经历及成果: 

      陶建华研究员先后负责和参与国家级项目(863重点、国家自然科学基金、发改委、科技部国际合作)20余项,在主要期刊或会议上发表论文200余篇,申请国内发明专利15项,国际专利1项,编著英文学术著作2部。 

      研究成果多次在国内外重要学术会议上获奖,两次获得北京市科技进步二等奖。 

        

      主要研究方向及内容 

      1、高效鲁棒的自然口语语音交互 

      通过对言语生成和感知的深层机理的研究,提高语音交互的性能;通过深层次的语言分析、口语分析和情感处理,实现高表现力的自然流畅语音合成技术;通过模型自适应算法生成多风格的自然口语,提高人机协作的友好性和易用性。在此基础上,进行自然口语交互技术的大规模应用。

      2、人机交互中的情感计算 

      研究人机交互过程中,多模态融合下情感计算理论和方法。通过对情感的感知及建模,探索不同情感的区分性特征,构建融合时序特征的维度情感识别;通过层级的多尺度建模方法,对不同置信度的情感特征分别建模,并通过多模态时序特征融合方法提高情感识别性能。 

      3、融合多源异构和情境信息的智能协同控制 

      研究多样和复杂的情境信息的表示、获取、以及多源异构情境信息的融合,为人机协同提供精确的位置、状态等情境信息支持。研究在协同情境上下文以及协同交互下的用户意图理解。在层次性的超大交互状态空间下,建立融合情感和长跨度历史信息的交互管理模型,实现精准用户意图理解和智能协同交互管理。通过虚拟Agent中间体的作用,实现人机之间的柔性化信息交互接口,交互协议等,设计个性化的智能协作信息反馈输出,提高人机协作效率。

      4、大规模人机协同知识库管理及快速更新 

      通过对具有开放性、自组织性、不确定性以及演化性的大规模人机协同知识库的结构抽取以及模式学习,设计层次化的信息表征编码方式,实现短时工作记忆到长时记忆(知识)的转换,达到动态人机协同知识库管理以及新知识的快速学习和更新。通过人机协同交互的试错-学习过程,模拟人脑的神经元联接关系以及联接关系权重的传递更新,并逐步推演,实现类人智能生长。

      5、个性化用户建模以及协作自适应 

      准确的用户建模技术能够显著提高人机协作中的协作自然性以及交互有效性。通过提取用户的个性化特征参数,采用共享记忆、相关性推荐算法、增量式学习等方法自动调节协作方式,实现机器对人机协作的自适应,获得机器智能训练中的最优人机协作模式。