中国大学人工智能专业排行榜！哈工大第七，南大第三，清华第一
0分享至人工智能是全球热门学科，是一门综合性、应用性学科。通过机器学习、计算机视觉、图像处理、自然语言处理、语音信息处理、人工智能原理、数据挖掘、数学、计算机科学等多学科的交叉融合，培养具备人工智能基础理论、核心技能和应用创新能力的国际化复合型高端人才。中国人工智能专业哪家强？根据软科2023年中国大学专业排名，全国人工智能专业最强的9所大学名次如下：1.清华大学2.上海交通大学3.南京大学4.西安电子科技大学5.电子科技大学6.中国科学技术大学7.哈尔滨工业大学8.华中科技大学9.东南大学哈尔滨工业大学在人工智能专业方面，哈工大可以说是优势十足。大家都知道，哈工大是新中国成立之初的2所样板大学之一，是工程师的摇篮。但是，很多人不知道的是，在人工智能专业方面哈工大同样非常强大。最新数据显示，哈工大人工智能专业在软科中国大学专业中排名第六。人工智能专业凝聚了哈尔滨工业大学计算机学科60余年专业发展的结晶，校内有7个一级学科与人工智能密切相关，威海校区人工智能专业教师的博士化率为100%，学校与国内外著名行业代表IBM、微软、百度、阿里、腾讯、科大讯飞等建立了十分密切的合作关系。因此，如果想选择人工智能专业，哈工大值得重点考虑。南京大学作为我国较早成立人工智能学院的大学，南京大学于2018年3月5日下文正式成立人工智能学院，致力于建设一流的人工智能基础研究基地和人才培养基地。大家都知道，人工智能是计算机学科长期发展孕育出来的，在这方面，南大计算机软件新技术国家重点实验室2007、2012、2017连续三次获评优秀，名列全国计算机领域第一。正是从这个角度，南大的人工智能专业，非常值得选择。清华大学清华大学的优势学科非常多，在人工智能专业方面，清华的人工智能专业国内排名第一。2018年6月28日，清华大学成立清华大学人工智能研究院，院依托清华大学优势学科，以未来人工智能的原创性基础理论为发力点，力求在探究智能本质的基础上，产生人工能基础理论和关健技术上的颠覆性创新成果。不管是师资力量还是科研经费和投入方面，清华在人工智能专业上的积累都走在了全国前列，值得考生们考虑。特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端计算机学院博士生张保权研究成果被人工智能领域国际顶级期刊IEEE TPAMI收录
【哈工大（深圳）宣】（张保权/文、图）近日，哈工大（深圳）计算机科学与技术学院博士生张保权的学术论文《PrototypeCompletionforFew-ShotLearning》被人工智能领域国际顶尖期刊《IEEETransactionsonPatternAnalysisandMachineIntelligence》（简称IEEETPAMI）收录，该研究成果从原型补全角度有效改善了小样本学习性能，促进了小样本图像分类技术的实际应用与发展。
张保权为论文第一作者，计算机科学与技术学院教授李旭涛、叶允明为通讯作者，哈工大（深圳）计算机科学与技术学院为第一完成单位。
IEEETPAMI是人工智能、模式识别、计算机视觉等领域的国际顶尖期刊，2023年度最新发布影响因子为24.314，是目前影响因子最高的CCFA类期刊，JCR1区Top期刊。该期刊谷歌指数（H-Index）在计算机科学和工程技术两个大类学科里均列首位。IEEETPAMI以严苛的审稿过程、深刻的理论分析著称，每年收录的论文数量有限，在计算机科学与人工智能领域具有权威影响力。
近年来，凭借丰富的标注数据，基于深度学习的图像分类方法已经展现了优越的性能。然而，在一些图像分类实际应用场景中，为每个类别收集大量标注数据仍然存在极大困难。如何在少量标注数据下学习一个图像分类模型，即小样本学习，已经成为业界亟待解决的难题。最近，有研究表明，基于特征表示的小样本学习方法联合特征提取器预训练和微调技术可有效解决这个问题。然而，实验结果表明，特征提取器微调步骤对于小样本学习性能改善非常有限甚至出现性能衰退的现象，但其原因在现有实验中并没有被很好地解释。
为此，张保权的论文首先揭露了上述微调步骤性能改善不足的关键原因，并指出代表性的原型估计是解决小样本学习问题的一个关键。针对上述代表性原型估计问题，该论文提出了一种基于原型补全的小样本学习方法。该方法引入类别部件或属性作为一种显式先验知识，并精心设计了一个属性迁移网络、一个原型补全网络以及一种基于高斯的原型融合策略，来实现代表性原型的准确估计。最后，通过在多种数据集上进行广泛实验，以大量实验结果验证了该论文所提出方法的有效性。（编辑吴锐婵审核张惠屏）