李凯-中国科学院大学-UCAS


本站和网页 http://people.ucas.ac.cn/~0037205 的作者无关,不对其内容负责。快照谨为网络故障时之索引,不代表被搜索网站的即时页面。

李凯-中国科学院大学-UCAS
[中文]
[English]
个人介绍
教育背景
工作经历
教授课程
出版信息
科研活动
基本信息
李凯 男 中国科学院自动化研究所电子邮件: kai.li@ia.ac.cn通信地址: 北京市海淀区中关村东路95号邮政编码: 100190
个人介绍
李凯,中国科学院自动化研究所副研究员,博士毕业于中国科学院自动化研究所模式识别国家重点实验室,师从胡卫明研究员和兴军亮研究员,研究领域为智能博弈、强化学习、深度学习等,中国科学院人工智能创新研究院首批“2035创新团队”核心成员,2020 CCF-腾讯犀牛鸟科研基金优秀奖获得者,中国科学院大学人工智能学院及南京学院《计算博弈原理与应用》课程主讲教师,负责国家自然科学基金项目、中国科学院战略性先导专项子课题等多项重要科研任务,作为核心骨干参与了科技委“新一代人工智能”重大项目、国防科技创新特区项目、基金委重点项目等,在不完美信息博弈、深度强化学习、多智能体系统、智能视觉感知等方面具有丰富的研究与应用经验,在包括CCF-A类国际顶级期刊会议(如AAAI、IJCAI、ICLR、ICML、CVPR等)上发表学术论文20余篇,获AAAI 2022卓越论文奖,申请/授权国家发明专利20余项,获2次国际竞赛冠军,近年来围绕大规模复杂博弈环境下的智能决策问题,研发了一系列针对德州扑克、麻将、斗地主、足球、王者荣耀等复杂博弈问题的决策AI,构建了学术界首个开放的大规模不完美信息博弈研究平台OpenHoldem。
教育背景
2013-09--2018-06 中国科学院自动化研究所模式识别国家重点实验室 工学博士2009-09--2013-06 大连理工大学 工学学士
工作经历
工作简历
2020-01~现在, 中国科学院自动化研究所, 副研究员2018-07~2019-12,中国科学院自动化研究所, 助理研究员
教授课程
计算博弈原理与应用
出版信息
发表论文
(1) Exploration via State Influence Modeling, AAAI, 2021, 第 3 作者(2) Potential Driven Reinforcement Learning for Hard Exploration Tasks, IJCAI, 2020, 第 5 作者(3) Spatial Temporal Attentional Glimpse for Human Activity Classification in Video, ICIP, 2019, 第 4 作者(4) Deep cost-sensitive and order-preserving feature learning for cross-population age estimation, CVPR, 2018, 第 1 作者(5) Deep Age Estimation Model Stabilization from Images to Videos, ICPR, 2018, 第 3 作者(6) D2C: Deep cumulatively and comparatively learning for human age estimation, Pattern Recognition, 2017, 第 1 作者(7) Diagnosing Deep Learning Models for High Accuracy Age Estimation from A Single Image, Pattern Recognition, 2017, 第 2 作者(8) Weakly supervised multiscale-inception learning for web-scale face recognition, ICIP, 2017, 第 6 作者(9) Predicting image memorability by multi-view adaptive regression, ACM Multimedia, 2015, 第 2 作者
科研活动
科研项目
( 1 )&nbsp不完美信息多智能体动态博弈理论研究, 参与, 国家级, 2019-08--2020-07( 2 )&nbsp博弈对抗平台研发, 参与, 国家级, 2019-08--2020-07( 3 )&nbsp数据驱动的人脸属性识别研究, 主持, 国家级, 2020-01--2022-12( 4 )&nbsp大规模复杂不完美信息博弈高效求解方法研究, 主持, 院级, 2020-10--2021-09( 5 )&nbsp知识数据混合驱动双向演化学习与应用验证, 主持, 部委级, 2020-07--2025-06
2013 中国科学院大学,网络信息中心.