 |
牟必强，理学博士，博导 |
教育经历
理学博士, 2008.09 - 2013.07, 中国科学院数学与系统科学研究院, 导师：陈翰馥
工学学士, 2004.09 - 2008.07, 四川大学制造科学与工程学院
工作经历
副研究员，中国科学院数学与系统科学研究院，2021.05 – 至今
助理研究员，中国科学院数学与系统科学研究院，2015.06 – 2021.05
博士后，瑞典林雪平大学，2016.04 – 2018.04
博士后，澳大利亚西悉尼大学，2015.01 – 2016.01
博士后，美国韦恩州立大学，2013.08 – 2014.11
研究兴趣
研究兴趣主要集中于动态系统的快速精确辨识与建模，以及机器学习和定位等问题。
辨识是通过带有噪声的观测数据建立实际系统数学模型的研究方向， 包括模型、数据、方法和算法等基本要素。
模型：选取能尽可能精确描述实际系统行为的模型类
数据：噪声、输入、回归向量
方法：建立从数据到参数的映射
算法：实现辨识方法的可行算法
先验知识：模型参数、函数及噪声具有的特点
正则化辨识方法
核函数设计：通过参数化核函数，自动嵌入动态系统脉冲响应的指数衰减性、光滑性等先验知识，其中的参数称为超参数（设计合适的核函数）
超参数估计：用数据估计核函数中未知的超参数，如经验贝叶斯、斯坦无偏风险估计、交叉验证 （研究其理论性质，如渐近最优性、鲁棒性等）
输入设计：通过精细设计输入进一步提高正则化辨识方法的辨识精度（求解输入设计的非凸优化问题）
机器学习
高维回归模型的正则化，如岭回归等
核方法和高斯过程回归的分布式算法
定位与位姿估计
基于到达时间 (TOA)、到达时差 (TDOA)、接收信号强度(RSS) 和到达角度 (AOA) 等定位方式的精确解算（找到定位对应的非凸优化问题的全局极小值点）
Perspective-n-Point (PnP) 问题 （求解相机的外参）
Rigid body localizability 问题 （求解移动机器人位姿）
近期工作
系统辨识的正则化方法：超参数估计 [pdf]
系统辨识的正则化方法：输入设计 [pdf]
正则化的量子层析 [pdf]