2507
韩敏，女，日本国立九州大学工学博士，大连理工大学电子信息与电气工程学部教授，博士生导师，模糊信息处理与机器智能研究所副所长。研究领域主要包括复杂系统建模与预测、时间序列分析、遥感影像智能信息处理、人工智能、数据挖掘等。自1993年留学开始长期坚持研究神经网络与人工智能，主持相关国家自然科学基金5项，先后承担各类项目30余项，包括国家重点基础研究“973”发展计划项目子课题3项，国家高技术研究“863”发展计划项目2项，“十一五”国家科技支撑计划项目1项，企事业单位合作项目20余项。在IEEE Transa
专家简介
韩敏，女，日本国立九州大学工学博士，大连理工大学电子信息与电气工程学部教授，博士生导师，模糊信息处理与机器智能研究所副所长。研究领域主要包括复杂系统建模与预测、时间序列分析、遥感影像智能信息处理、人工智能、数据挖掘等。自1993年留学开始长期坚持研究神经网络与人工智能，主持相关国家自然科学基金5项，先后承担各类项目30余项，包括国家重点基础研究“973”发展计划项目子课题3项，国家高技术研究“863”发展计划项目2项，“十一五”国家科技支撑计划项目1项，企事业单位合作项目20余项。在IEEE Transactions系列顶级期刊TFS，TNNLS，TCY，TIP，TKDE，TSMCA，及Information Sciences，自动化学报，控制与决策，控制理论与应用，物理学报，国际自动控制联合大会(IFAC)、全球计算智能大会(WCCI)等国内外重要期刊和会议上发表论文400余篇，其中被SCI或EI检索380余篇次，出版专著5本，教材4本，获国家发明专利6项，软件著作权14项。曾荣获宝钢优秀教师奖、辽宁省教学名师称号、辽宁省教育教学成果一等奖、大连市“十大女杰”、大连市“巾帼建功”标兵称号等。2014年-2017年连续四年入选Elsevier中国高被引学者。主持完成的一项研究成果通过部级鉴定，综合指标达到国际先进水平。
项目简介
随着实际控制系统越来越复杂，观测数据的不完整性和不确定性，高维复杂系统往往无法建立精确形式的机理模型。在此背景下，基于观测数据的神经网络人工智能方法，为高维复杂系统建模预测指明了方向，同时也面临着挑战。如何获得复杂系统中的有效特征，如何构建具有广泛适用性的建模预测方法，以及如何实现高维复杂系统的模型参数快速优化等问题是近年来国际神经网络复杂系统建模优化领域等重要科学问题。项目组近二十年来在国家自然科学基金、国家重点研发计划等资助下，围绕上述科学问题采用神经网络为基础的方法开展相关科学研究，获得若干突破性成果，主要科学发现归纳如下：
(1) 提出基于相关性的高维混沌时间序列特征分析方法，实现有效的特征提取和特征选择，为混沌时间序列建模提供有力的数据支撑。针对难以直接建模的高维混沌时间序列，建立基于互信息的特征提取方法，提取时间序列的关联特性作为有效特征，为大规模混沌时间序列分析与建模奠定基础。研究基于互信息的相关性分析方法，设计高效的全局互信息特征选择方法，成功提取出具有代表性的时间序列特征，大大提高建模的效率和可靠性。
(2) 提出基于神经网络的复杂高维含噪声多元混沌时间序列建模预测方法，突破性地实现了多元混沌时间序列的中长期预测。建立单变量和多变量混沌时间序列的模型重构与预测方法，创造性地将知识发现领域的数据挖掘方法与机器学习领域的神经网络等方法结合，进而建立含噪声时间序列分析方法，在混沌序列动态特性未知的情况下，较好地还原信号，为混沌时间序列的建模与预测提供更加准确的数据来源。针对实际系统产生的含噪声序列，建立鲁棒预测模型，为含噪声混沌时间序列预测提供更具普遍性和有效性的方法。
(3) 提出基于群体智能和神经动力学优化模型集成的大规模非线性有约束优化方法，有效解决大规模复杂神经网络模型参数优化方法，极大提高网络模型收敛速度和计算精度。将群体智能微粒群优化方法的全局优化特点，与递归神经网络神经动力学优化模型的有约束快速逼近优势相结合，实现大规模非线性有约束优化，并对全局收敛性进行理论证明，并将其与多核模糊聚类、复杂神经网络相结合，解决“维数灾难”问题，实现复杂系统的快速准确建模，得到国内外学者的广泛关注。
实验室简介
智能控制与信息处理课题组(Intelligent Control and Information Processing, ICIP)成立于1999年，隶属于大连理工大学电信学部，研究组长韩敏教授，课题组成员及合作教师包括王钧教授、范剑超副研究员和郑丹晨讲师。多年来，课题组持续围绕神经网络、复杂系统建模与预测、时间序列分析、遥感影像智能信息处理、人工智能、数据挖掘等内容深入研究，取得了若干创新性成果并形成了自己的特色，所发表的学术论文在国际学术界具有较大的影响，对相关领域的研究起到开创性的引领和推动作用。团队先后承担各类项目30余项，包括国家自然科学基金5项，国家重点基础研究“973”发展计划项目子课题3项，国家高技术研究“863”发展计划项目2项，“十一五”国家科技支撑计划项目1项，企事业单位合作项目20余项。在IEEE T Cybernetics、IEEE T Neural Networks and Learning System、IEEE T Signal Processing、IEEE T Geoscience and Remote Sensing 、IEEE T Systems, Man, and Cybernetics: Systems、Information Sciences、自动化学报、控制与决策、控制理论与应用、物理学报、国际自动控制联合大会(IFAC)、全球计算智能大会(WCCI)等国内外重要期刊和会议上发表论文500余篇，其中被SCI或EI检索470余篇次，出版专著5本，教材4本，获国家发明专利8项，软件著作权14项。已培养研究生115名，其中博士生15名，硕士生100名。
