24小时热门版块排行榜

返回列表

菜菜头头

铁虫 (初入文坛)

应助: 0 (幼儿园)
金币: 41.5
帖子: 17
在线: 1.7小时
虫号: 37061384

多模态学习，2026年入学

一、导师简介
华南理工大学吴贤铭智能工程学院副院长、副教授，长期从事人工智能、机器学习、深度学习、多模态学习、机器人感知与智能系统等方向研究。近年来重点关注面向复杂生理信号和人机交互场景的机器学习算法研究，包括脑电、肌电、惯性传感、动作数据等多模态信号建模，跨个体与跨设备泛化学习，少样本与少校准意图解码，自监督学习，多模态表示学习，以及大模型与数字人辅助康复训练等方向。
主持或参与多项国家级、省部级及产学研项目，包括广东省重点研发项目《外骨骼具身智能体关键技术研究及应用》。团队研究以机器学习算法创新为核心，以脑机接口、智能康复、外骨骼机器人和多模态智能感知为重要应用场景，致力于发展具有泛化能力、适应能力和实际应用价值的智能算法方法。

二、团队条件
本团队依托华南理工大学吴贤铭智能工程学院的广东智能工程国际联合研究中心、广东省智能与康复装备工程技术研究中心、广州市高端医疗器械概念验证中心以及人工智能医疗器械技术监管科学体系研究平台，围绕机器学习算法、多模态智能感知、脑机接口、康复外骨骼和临床智能康复开展交叉研究。
团队具备较好的算法研究、数据采集、实验验证和系统开发条件，拥有脑电、肌电、惯性传感、足底压力、关节力矩等多模态数据采集与实验平台，可为博士生开展机器学习算法研究提供真实复杂数据、实验场景和应用验证支撑。博士生可围绕算法建模、模型训练、泛化验证、系统集成和论文发表开展完整科研训练。

三、主要研究方向
本方向以机器学习算法研究为核心，面向脑机接口、智能康复与多模态人机交互中的关键问题，拟招收对以下方向感兴趣的博士生：
1. 多模态机器学习与基础模型
研究 EEG、EMG、IMU、足底压力、关节力矩、动作序列等多模态数据的表示学习、特征融合、跨模态对齐和基础模型构建方法，提升模型对复杂生理信号和运动数据的建模能力。
2. 跨个体、跨场景与跨设备泛化学习
研究领域自适应、领域泛化、迁移学习、元学习和鲁棒学习方法，解决脑机接口与智能康复系统中个体差异大、数据分布变化明显、模型稳定性不足等问题。
3. 少样本、少校准与免校准意图解码算法
研究面向新患者、新任务和跨轮次使用场景的快速适应算法，降低临床应用中的数据采集与校准成本，实现更稳定的人体运动意图识别与状态估计。
4. 面向智能康复的可靠机器学习算法
研究可解释、可靠和安全的机器学习方法，包括模型解释、异常检测、置信度估计和安全约束学习，提升算法在临床智能康复场景中的实用性。
5. 大模型与智能康复系统中的算法融合
研究大模型、多模态模型与康复机器人系统的融合方法，探索康复评估、个性化训练建议、数字人交互和人机协同智能系统构建。

四、招生要求
招生对象：有志于攻读博士学位，并希望长期从事机器学习算法、人工智能或交叉智能系统研究的优秀学生。
专业背景：人工智能、计算机科学、自动化、模式识别、信号处理、生物医学工程等相关专业。
优先考虑具有以下基础或经历的申请者：
1. 具备较扎实的数学基础、编程能力和机器学习基础；
2. 熟悉机器学习、深度学习、表示学习、时序建模、多模态学习、强化学习或信号处理等相关方向；
3. 具备较强的算法实现与实验分析能力，熟练使用 Python、PyTorch 等工具；
4. 对脑机接口、智能康复、人体运动分析、康复机器人等应用场景有兴趣；
5. 接受过较系统的科研训练，具备独立思考、问题建模和科研探索能力；
6. 有人工智能、机器学习、模式识别、脑机接口、多模态学习等相关论文发表、项目经历或竞赛成果者优先；
7. 工作踏实认真，具有良好的沟通能力、英文阅读写作能力和团队合作精神。

五、申请方式
请将以下材料以 PDF 格式打包，并以“博士申请+个人姓名”为邮件标题发送至： patrickchan@scut.edu.cn
申请材料包括：
个人简历，包括教育背景、研究经历、论文发表、项目经历、获奖情况、技能特长等；
本科及硕士阶段成绩单；
代表性论文、项目材料、代码作品或其他能够体现科研能力的证明材料；
简要个人研究陈述与未来研究计划。

欢迎对机器学习算法、多模态学习、脑机接口、智能康复、康复机器人、人体运动分析和临床智能系统等方向有浓厚兴趣的同学联系交流。该方向特别欢迎希望以算法研究为主，并愿意将机器学习方法应用于真实复杂场景的学生加入。

回复此楼