北航計算機學院計算機應用技術導師介紹：張勤

導師信息來源：中國考研網 2015-08-30　相關院校：北京航空航天大學

導師詳細信息

姓名：張勤（兼職）

性別：男

出生年份：1956

職稱：教授

院系：計算機學院

首次聘任導師時間：2008

現聘任導師一級學科名稱：計算機科學與技術

現聘任導師二級學科名稱：計算機應用技術

聘任在第二學科培養博士生專業名稱：無

聘任在自主設置學科培養博士生專業名稱：無

主要研究方向及特色：不確定性人工智能理論及應用研究

電子信箱：zhangqin@buaa.edu.cn；zq@cast.org.cn

辦公電話：68571880

辦公地點：北京市海淀區復興路3號

通信地址：北京市海淀區復興路3號中國科協

個人簡介：

張勤，男，1956年3月生于重慶市，北京航空航天大學計算機學院博士生導師、清華大學核能與新能源技術研究院和工程物理系雙跨博士生導師，中國人工智能學會不確定性人工智能專業委員會主任，清華大學博士后校友會會長、中國科協副主席、黨組副書記、書記處書記，中國知識產權研究會副理事長兼學術顧問委員會主任。1978年至1989年，獲清華大學核反應堆專業學士、碩士和博士學位，曾任清華大學研究生會主席、全國學聯副主席、美國田納西大學和UCLA大學訪問學者、清華大學經管學院系統工程博士后、清華大學核研院副研究員、原國家科委研究員、中國技術創新公司產業部經理、廈門技術創新聯合公司總經理、重慶市科委主任、國家知識產權局副局長。

目前在從事中國科協日常工作及知識產權理論和政策研究之余，主要從事人工智能理論及應用研究，創立了DUCG（Dynamic Uncertain Causality Graph）知識表達和推理理論并獲得國家發明專利。該理論將貝葉斯網絡（BN）理論納為子集，克服了BN不能正確用于多賦值簡潔表達、不能處理因果邏輯循環、數據缺乏、知識不完備或有錯、證據不確定或虛假、復雜動態情況等缺陷，并可用于變量狀態連續和離散任意混合、歷史因果關系連續疊加等復雜情況。在故障診斷領域，DUCG除能快速準確給出推理結果外，能圖形顯示診斷理由、并預測故障發展，可廣泛用于各種工業系統的故障診斷和預測、疾病診斷和預測、經濟系統預測、災害預報等。此外，早年研究系統可靠性理論及應用，提出了許多算法：如精確計算正態分布和對數正態分布情況下任意相關多變量概率分布算法、可維修系統失效頻率與重要度的關系及算法、事件積之和不交化高效算法、可維修系統時間相關可靠度近似算法、系統可用度區間估計近似算法等。曾任中國運籌學會可靠性學會理事、91年洛杉磯“概率安全評價及管理（PSAM）”國際學術會議專家系統分組會議主席、《IEEE Transactions on Reliability》審稿員。

當前承擔的部分課題有：中廣核集團《安全運維智能專家系統技術研究與平臺開發》，總額500萬；國家自然科學基金面上項目《用于核電站故障診斷和安全運維的動態不確定因果圖理論及應用研究》，總額30萬元；國防專利審查協作中心《航天器故障診斷技術的知識產權狀況調查分析》，總額40萬元、《航天器故障診斷專利技術文獻數據庫建設》，總額60萬；國家自然科學基金面上項目：《DUCG動態立體因果圖的構建和推理方法及其實驗驗證研究》，總額80萬元；航天五院科研課題：《基于模型的探測器故障診斷系統》，總額60萬。目前北航在讀博士生四人、課題組成員十余人。

希望招收有志于DUCG理論研究及應用的優秀研究生。原所學專業不限，但應具備計算機基礎知識、掌握軟件開發的基本技能，若了解原領域對人工智能的用戶需求更好。

近五年代表性學術論文：

[1]Q. Zhang. Dynamic uncertain causality graph for knowledge representation and reasoning: discrete DAG cases. Journal of Computer Science and Technology, 2012, 27(1):1-23.

[2]Q. Zhang, C. Dong, Y. Cui and Z. Yang. Dynamic uncertain causality graph for knowledge representation and reasoning: statistics base, matrix and fault diagnosis. IEEE Trans. Neural Networks and Learning Systems, 2014, 25 (4) 645-663.

[3]Q. Zhang. “Dynamic uncertain causality graph for knowledge representation and reasoning: continuous variable, uncertain evidence and failure forecast.” IEEE Trans. Systems, Man and Cybernetics, DOI: 10.1109/TSMC.2015.2392711, 2015.

[4]Q. Zhang. “Dynamic uncertain causality graph for knowledge representation and reasoning: directed cyclic graph and joint probability distribution.” IEEE Trans. Neural Networks and Learning Systems, DOI: 10.1109/TNNLS.2015.2402162, 2015.

[5]Q. Zhang and S. Geng. “Dynamic uncertain causality graph applied to dynamic fault diagnosis of large and complex systems.” IEEE Trans. Reliability, DOI: 10.1109/TR.2015.2416332, 2015.

[6]C. Dong, Y. Wang, Q. Zhang & N. Wang. The methodology of dynamic uncertain causality graph for intelligent diagnosis of vertigo. Computer Methods and Programs in Biomedicine, 113 (2014) 162-174.

[7]C. Dong, Q. Zhang, S. Geng. A modeling and probabilistic reasoning method of dynamic uncertain causality graph for industrial fault diagnosis. International Journal of Automation and Computing, 11(3), 2014, 288-298.

近五年已授權的發明專利（含國防發明專利）：一種處理不確定因果關系類信息的智能系統的構造方法（中國發明專利），A METHOD FOR CONSTRUCTING AN INTELLIGENT SYSTEM PROCESSING UNCERTAIN CAUSAL RELATIONSHIP INFORMATION（美國發明專利）。