姬楠楠 讲师 理学院




个人资料
个人概况
研究领域
开授课程
科研项目
论文
科技成果
荣誉奖励
工作经历










学位： 博士
毕业院校： 西安交通大学
邮件： NNJi@chd.edu.cn
电话： **
出生年月： 1985-02-14
办公地点： 地学科技大厦1505







个人资料
学院： 理学院
性别： 女
出生年月： 1985-02-14
职称： 讲师
学位： 博士
学历： 博士研究生
毕业院校： 西安交通大学
联系电话： **
电子邮箱： NNJi@chd.edu.cn
通讯地址： 陕西省西安市南二环中段长安大学理学院数学与信息科学系
邮编： 710054
传真：
办公地址： 地学科技大厦1505
教育经历：

2010.9-2014.12, 西安交通大学数学与统计学院，博士
2007.9-2010.7, 长安大学理学院，硕士
2003.9-2007.7, 长安大学理学院，学士







个人简介




姬楠楠，陕西省渭南人，生于1985年2月，中共党员，博士，现为长安大学理学院数学与信息科学系讲师。2007年7月于长安大学理学院获信息与计算科学专业学士学位，同年保送至应用数学专业攻读硕士学位，并于2010年7月获硕士学位，2010年9月考取西安交通大学数学与统计学院博士研究生。攻读学位期间在香港中文大学地理与资源管理系任研究助理；撰写并发表的论文获“西安交通大学徐宗本应用数学论文奖”；参加2014年IEEE世界计算智能大会，并在大会的分会小组做口头报告。
近年来，先后在Pattern Recognition, Neurocomputing, Knowledge-Based Systems, Pattern Recognition Letters等一系列国际和国内著名学术刊物发表论文16篇，SCI索引论文10篇，其中基于率失真理论的深度信念网荣获2015年“陕西省数学会青年优秀论文奖”（二等奖，排名第一）。正在主持国家自然科学基金青年基金1项、陕西省青年人才项目1项、专项基金1项。并承担国际知名期刊IEEE Transactions on Neural Networks and Learning Systems和Knowledge-Based Systems的审稿工作。






社会职务



研究领域
研究领域为深度学习(Deep Learning)，主要从事深度学习中的模型构建、算法设计和应用方面的研究。目前致力于基于信息瓶颈(Information Bottleneck, IB)理论和稀疏编码(Sparse Code,CS)理论的深度学习算法设计及其在各领域的应用。



开授课程

□《概率论与数理统计》
□《线性代数》
□《数据分析与统计软件》
□《专业外语》
□《数据挖掘原理》




科研项目



主持的项目
[1]国家自然科学基金青年基金，基于信息瓶颈编码原理的深度学习研究，**，2016/1-2018/12，21.04万，在研。
[2] 陕西省青年人才项目，基于神经元稀疏响应机制的深度学习研究，2016JQ1005，2016/1-2017/12，4万，在研。
[3]中央高校基本科研业务费，逐层限制编码长度的多层信息处理算法研究，5，2016/1-2017/12，5万，在研。
参加的项目
[1]国家自然科学青年基金重大研究计划，基于深度学习的异构数据低维非线性表示，**，2013.1-2015.1。
[2]国家自然科学青年基金，基于数据自表示的高光谱遥感图像解混技术研究，**，2015.1-2017.12。
[3]国家自然科学基金专项项目-数学天元青年基金，聚类集成方法在往复式压缩机故障诊断中的应用研究，**， 2012/1-2012/12。
[4]国家自然科学青年基金，概念格中两个模型的数学刻画及应用，**，2010/1-2012/12。





论文
[1]Nan-Nan Ji*, Jiang-She Zhang, Chun-Xia Zhang, “A Sparse-Response Deep Belief Network Based on Rate Distortion Theory”. Pattern Recognition, 47(9), 3179-3191, 2013 (EI; SCI源期刊).
[2]Nan-Nan Ji*, Jiang-She Zhang, Chun-Xia Zhang, Qing-Yan Yin, “Enhancing Performance of Restricted Boltzmann Machine via Log-sum Regularization”. Knowledge-Based Systems, 63, 82-96, 2013(EI; SCI源期刊).
[3]Nan-Nan Ji*,Jiang-She Zhang, Chun-Xia Zhang, Lei Wang, “Discriminative Restricted Boltzmann Machine for Invariant Pattern Recognition with Linear Transformations”. Pattern Recognition Letters, 45, 172-180, 2013(EI; SCI源期刊).
[4]Jiang-She Zhang, Nan-Nan Ji*, Jun-Min Liu, Ji-Yuan Pan, De-Yu Meng, “Enhancing Performance of the Backpropagation Algorithm via Sparse Response Regularization”. Neurocomputing, 153, 20-40, 2015 (EI; SCI源期刊).
[5]Yee Leung, Nan-Nan Ji,Jiang-Hong Ma, “An Integrated Information Fusion Approach based on the Theory of Evidence and Group Decision-Making”. Information Fusion, 14, 410-422, 2013(EI; SCI源期刊).
[6]Chun-Xia Zhang, Jiang-She Zhang, Nan-Nan Ji, Gao Guo, “Learning Ensemble Classifiers via Restricted Boltzmann Machines”. Pattern Recognition Letters, 36, 161-170, 2014(EI; SCI源期刊).
[7]Qing-Yan Yin,Jiang-She Zhang,Chun-Xia Zhang, Nan-Nan Ji, “A novel selective ensemble learning algorithm for imbalanced data classification based on exploratory undersampling”.Mathematical Problems in Engineering, 1-14, 2014(EI; SCI源期刊).
[8]Yee Leung, Rong-Rong Li, Nan-Nan Ji, “Application of Extended Dempster-Shafer Theory of Evidence in Accident Probability Estimation for Dangerous Goods Transportation”. Journal of Geographical Systems,19, 249–271, 2017(EI; SCI源期刊).
[9]Nan-Nan Ji*,Jiang-She Zhang, “Parallel Tempering with Equi-energy Moves for Training of Restricted Boltzmann Machines”. IEEEWorld Congress on Computational Intelligence, 120-127,2014(EI).
[10]Nan-Nan Ji*, Jian-Min Ma, Jiang-Hong Ma, “Assignment Reduction in Inconsistent Set-valued Decision Information Systems”. International Journal of Computer Science and Knowledge Engineering (IJCSKE), 3(2), 177-181, 2009(国外学术期刊(二A)).
[11]张春霞, 姬楠楠*, 王冠伟, “受限波尔兹曼机简介”. 工程数学学报, 32, 159-173, 2015.
[12]姬楠楠*, 马江洪, “基于MCD 估计的稳健Fisher 判别分析及其实证”. 统计与决策, 21, 27-29, 2009 (CSSCI 来源期刊, 全国中文核心期刊).
[13]姬楠楠*, 马江洪, “相容关系下不协调集值目标信息系统的知识约简”. 计算机工程与应用, 46(32), 33-35, 43, 2009(全国中文核心期刊).



科技成果
近年来，在科学研究方面取得的成果如下：
1. 基于率失真理论的深度信念网首次将求解与任务相关的拥有最小信息率的编码引入深度学习中，限制了深度架构中隐层编码的描述长度，从信息论的角度提出了一种新的深度学习模型，此项研究成果被《Pattern Recognition》直接录用并发表。
2. 基于神经元稀疏响应的多层前向网和限制玻尔兹曼机探讨了约束隐层神经元编码的研究意义。
3. 基于线性变换提出的用于不变性模式识别的玻耳兹曼机能够学习到与识别任务相关且具有仿射不变性的数据表示。
4. 结合等能量抽样的玻耳兹曼机训练方法有效地提高了深度学习堆积子模型的训练速度和精确程度。



荣誉奖励
1. 获第二届（2016）全国高校数学微课程教学设计竞赛西北赛区二等奖。
2. 获2015年“陕西省数学会青年优秀论文奖”（二等奖，排名第一）。




工作经历


□2014.12-至今，长安大学，理学院数学与信息科学系，讲师
□2009.8-2010.2，香港中文大学，地理资源管理系，研究助理