团队介绍

公茂果团队由公茂果教授领衔，团队汇聚了计算智能方向的多名科研骨干。核心成员涵盖电子科学与技术、控制科学与工程等多学科交叉背景。团队聚焦前沿人工智能领域，与国家重大任务紧密结合，承担了国家重点研发计划、国家自然科学基金重点项目、国防重大重点项目等，并在国际权威期刊发表论文300余篇，其中IEEE汇刊150余篇，30余篇入选ESI高被引论文。研究成果获得了国家科技奖励3项、教育部等省部级科技奖励10余项。获得国家发明专利、国际专利授权70余项，致力于突破计算智能协同学习难题，打造协同智能标杆成果。

研究方向

1、深度神经网络结构优化基础

聚焦神经网络底层根基架构，围绕神经网络高维优化问题，研究更具泛化能力的网络主干架构设计，突破静态固定架构的限制，探索动态任务自适应的网络结构新范式，赋能人工智能模型在精度、效率和泛化性上的整体跃升。

2、小样本与自监督深度学习算法

聚焦模型在极少标注数据条件下的学习与泛化能力，围绕如何从少量样本中提取可泛化知识、如何实现小样本与自监督知识的互补与迁移等关键技术问题，开展跨域/跨任务知识迁移、数据高效增强等研究，突破模型在标注样本极少或完全无标注条件下的泛化性能极限，致力于解决特定领域数据标注难、成本高、周期长的行业痛点。

3、神经网络压缩与加速

聚焦模型在部署阶段的推理效率与资源消耗，围绕如何在保持模型精度前提下最大限度压缩模型大小和计算量、如何实现模型与硬件特性的协同优化等关键技术问题，开展自动化剪枝与量化、混合精度压缩、蒸馏损失函数设计等研究，突破模型参数量、计算量、内存占用、推理延迟等关键指标的综合优化瓶颈。