 |
郑志明
中国科学院院士，北京航空航天大学教授、博士生导师
手机：
 微信：
邮箱：
 驻地：
|
详细介绍
郑志明
中国科学院院士，北京航空航天大学教授、博士生导师
个人履历：
郑志明：男，1953年10月出生，浙江宁波人，信息处理专家，中国科学院院士，北京航空航天大学数学与系统科学学院教授、博士生导师，任软件开发环境国家重点实验室常务副主任，数学、信息与行为教育部重点实验室主任，工信部复杂系统与科学工程计算国际研究中心主任，浙江师范大学可信智能研究院院长。于1987年获得北京大学理学博士学位后留校任教；1987年至2003年先后担任北京大学数学科学学院讲师、副教授、教授；1996年晋升为教授、博士生导师；1998年至2003年先后担任北京大学数学科学学院副院长、北京大学副教务长；2003年进入北京航空航天大学工作；2003年至2004年担任北京航空航天大学理学院院长；2004年至2014年担任北京航空航天大学副校长；2014年担任北京航空航天大学学术委员会副主任、校务委员会副主任；2017年当选为中国科学院院士；2018年被评为国家万人计划教学名师；2020年担任北京大学人工智能研究院教授；2024年担任工业和信息化部人工智能标准化技术委员会主任委员；2025年5月任浙江师范大学可信智能研究院院长。郑志明院士长期从事空天信息安全与复杂信息系统等数学与信息交叉领域的研究。创立了动力学密码——基于代数和动力学融合的密码分析原理和方法，突破空天信息安全高速、低耗、多模式等技术瓶颈，研制成功系列空天安全新装备并列装。先后承担“973”，“863”，国家自然科学基金委和国防科工委重大专项基金等项目近20项；授权国家发明专利32项；先后在国内外期刊发表学术论文140余篇，著作2本；研究成果以第一完成人先后获得国家技术发明一等奖、教育部自然科学一等奖、国防技术发明一等奖；先后获得国家教学成果奖（2项）、何梁何利基金科学与技术进步奖。
论文代表：
A Comparative Analysis of Three Data Fusion Methods and Construction of the Fusion Method Selection Paradigm,Mathematics (2227-7390),2025.10.3390/math13081218;
Dynamical interplay between random Boolean networks and awareness propagation,Physics Letters A,10.1016/j.physleta.2023.129287;
Eigenmode-based approach reveals a decline in brain structure–function liberality across the human lifespan,Communications Biology,10.1038/s42003-023-05497-4;
A survey on federated learning: a perspective from multi-party computation,Frontiers of Computer Science,10.1007/s11704-023-3282-7;
A novel method for calculating interpolation points of NURBS curves based on chord length-parameter ratio,The International Journal of Advanced Manufacturing Technology,10.1007/s00170-023-12427-5;
Scattered Points Interpolation with Globally Smooth B-Spline Surface using Iterative Knot Insertion,Comput. Aided Des,10.1016/j.cad.2022.103244;
Magnifying Side-Channel Leakage of Lattice-Based Cryptosystems With Chosen Ciphertexts: The Case Study of Kyber,IEEE Transactions on Computers,10.1109/tc.2021.3122997;
The stabilization of random Boolean networks through edge immunization,Journal of statistical mechanics: Theory and Experiment,10.1088/1742-5468/ac8280;
Refined intelligence theory: artificial intelligence regarding complex dynamic objects,Scientia Sinica Informationis,10.1360/SSI-2020-0158;
Damped Newton Stochastic Gradient Descent Method for Neural Networks Training,Mathematics,2021.10.3390/math9131533;
Weakly compatible and quasi-contraction results in fuzzy cone metric spaces with application to the Urysohn type integral equations,Advances in Difference Equations,10.1186/s13662-020-02743-5;
Gene Saturation: An Approach to Assess Exploration Stage of Gene Interaction Networks,Scientific Reports,10.1038/s41598-019-41539-w.
邀请老师演讲、授课请致电：19821197419 阎老师[微信同号]
免责声明：以上内容（包括文字、图片、视频）为用户上传并发布，本平台仅提供信息存储服务。如涉及版权问题，请联系我们并提供版权证明，我们将立即删除！
