马连博  (教授)

研究领域与成果：

总体情况：从事进化计算、多目标优化、机器学习、云资源调度、自然语言处理及 图像处理相关理论与方法的研究；以第一作者、通信作者发表/录用SCI期刊长文30余篇（CCF A/中科院1区25篇、IEEE Transaction长文21篇），包括 IEEE 汇刊IEEE Trans. on Mobile Computing、IEEE Trans. on Computers、IEEE Trans. on Evolutionary Computation、IEEE Trans. on Cybernetics、IEEE Trans. on System, Man and Cybernetics-System、IEEE Trans. on Service Computing、IEEE Trans. on Artificial Intelligence、IEEE Trans. on Emerging Topics in Computational Intelligence，Elsevier权威期刊Knowledge-Based Systems、Information Sciences、Applied Mathematics & Computation等以及 AAAI, NIPS, IEEE CEC等顶级会议论文，入选ESI热点论文4篇，ESI高被引5篇。

方向1：计算智能模型与算法 (多目标优化、大规模优化、数据驱动优化、神经架构搜索（NAS）、深度网络模型压缩与加速)；

成果：开展了大规模（高维）多目标优化方法及NAS应用研究，成果发表于IEEE Trans. on Computers (2023, CCF A类)， IEEE Trans. on Evolutionary Computation (2022，2023), IEEE Trans. on Cybernetics (2021，2021); 提出了基于梯度回溯的神经网络量化模型以及基于Shaply的混合精度量化方法，成果发表于AAAI 2024 (CCF A类); 设计了面向复杂工业优化场景的进化优化算法及多目标优化算法，能够高效处理带有强约束的工业生产调度问题，成果发表于IEEE Trans. on Systems, Man, and Cybernetics: Systems (2016,2019,2020), IEEE Trans. on Emerging Topics in Computational Intelligence (2020, 2021, 2021).

研究小组1：7人（1名教师+2博士生+5硕士生）

方向2：基于计算智能的云计算与大数据分析（云资源分配调度、边缘计算资源供给、网络结构检测、网络影响最大化）；

成果：开展了基于云、边缘计算资源动态供给分配机制研究，成果发表于 IEEE Trans. Mobile Computing (2021,2023， CCF A类)、IEEE Trans. Service Computing (2023，CCF A类); ,研究了社交网络的结构检测、影响最大化以及动态演化机制，成果发表于 IEEE Trans. on Emerging Topics in Computational Intelligence (2021).

研究小组2：7人（1名教师+1博士生+6硕士生）

方向3：深度机器学习与自然语言处理（文本归类、语义提取、知识表示，知识图谱）。

成果：基于深度神经网络、计算智能等机器学习方法，结合知识图谱，研究图像处理和自然语言处理的算法与模型（目标识别、多模态实体抽取、多模态文本分类等），成果发表/录用于 ACM MM 2023 (CCF A类)， IEEE Transactions on Emerging Topics in Computational Intelligence （2023）、IEEE Transactions on Artificial Intelligence (2021)。

研究小组3：6人（1名教师+1博士生+5硕士生）