系中國自動化學會第七屆委員會委員
人物簡介
系中國自動化學會第七屆委員會委員，2006年8月分別獲得江西省高校省級教學名師和江西省高校中青年骨幹教師，2008年11月獲得江西省高校省級教學團隊帶頭人。2009年獲得九江市委直接掌握的全市25名優秀技術人才。是九江市政協第11屆、12屆、13屆政協委員，九三學社九江市委會委員、城東支社主委。
主要業績
1993年開始白手起家創業，先後創辦了九江海隆自動控制設備廠、九江海隆自動化技術研究所、九江海隆科技產業有限公司和廬山大學生創業實踐科技園等產、學、研一體化科技型企業，並於2000年納為九江市委、市政府領導掛點扶持的科技型民營企業之一。先後在國家核心期刊及省、市級學刊上發表論文22篇，獲國家科技進步集體二等獎一項和部、廳（局）級科技進步一等獎三項；國家專利二項；獲得省級、市級、校級各種榮譽獎勵16項；主持完成了江西省高校省級教改立項科研課題二項和獲江西省高校科技成果三等獎二項；主持完成了江西省科技廳、九江市科技局科技攻關計畫項目二項；主持了國家科技部專項計畫項目一項。先後主持完成了鐵道部及中鐵大橋局集團、中鐵科工集團承擔的三峽西陵大橋、廣東汕頭海灣大橋、深圳海灣大橋、蕪湖長江大橋、秦--沈高速鐵路、香港西部通道、東海大橋、武漢長江三橋和四橋、孟加拉國鐵路、馬來西亞鐵路、京--滬高速鐵路、哈—大高速鐵路等12餘項國家級重大工程配套的大型架橋機自動控制系統研製的套用項目任務。2005年起草編制了九江市“十一五”工業發展規劃工作。
社會影響
1995年以來，從籌建九江職業大學計算機系開始到2007年主持機電工程學院工作，長期從事產、學、研一體化教學與技能型人才培養模式的探索研究。率先提出了“一班一廠制”、“即學即練制”人才培養模式，通過整合國有企業閒置資源，創建了大學生創業實踐科技園，為大學生提供了產、學、研相結合的實踐平台。其提出的“自己提拔自己，思路變出路，知識變財富；沒有落後的教師，只有落後的觀念；沒有落後的學生，只有落後的方法；把教室變為工廠，把市場變為課本，把理論變為實踐，把知識變為才能。”的教書育人的創新理念及其創業事跡先後被《江南都市報》、《九江日報》、《九江電視台》等新聞媒體進行過專訪報導，贏得了社會各界的廣泛信賴和評價。
清華大學計算機科學與技術系研究員
基本資料
![胡曉林[九江職業大學教授]](/img/d/a6a/nBnauM3XzADMwgTMykzM3cjM2UTM1QDN5MjM5ADMwAjMwUzL5MzL2czLt92YucmbvRWdo5Cd0FmLxE2LvoDc0RHa.jpg)
胡曉林[九江職業大學教授]胡曉林，男，工學博士，清華大學計算機科學與技術系研究員。.
教育背景
工學學士 (車輛工程), 武漢理工大學, 中國, 2001;
工學碩士 (車輛工程), 武漢理工大學, 中國, 2004;
工學博士 (自動化與計算機輔助工程), 香港中文大學, 中國, 2007.
社會兼職
Associate Editor, IEEE Transactions on Neural Networks and Learning Systems
研究領域
人工神經網路
計算神經科學
講授課程
神經與認知計算(80240642，研究生);
研究課題
國家自然科學基金（青年）: 基於KKT條件的最佳化遞歸神經網路簇設計（2009-2011）;
國家自然科學基金（面上）：基於稀疏編碼模型的深層學習神經網路（2013-2016）
研究概況
研究工作集中在計算機科學與認知神經科學的交叉方向，研究興趣包括人工神經網路和計算神經科學。一方面，對揭開大腦的奧秘感興趣，尤其是大腦處理感覺信息和決策信息的機制，主要使用的工具是層次化的計算模型和貝葉斯理論。也在嘗試用功能性核磁共振成像(fMRI)結合機器學習的方法探索大腦的工作機制。另一方面，對受大腦啟發的計算方法感興趣。研究集中在設計遞歸神經網路求解最佳化相關的問題。正在嘗試結合更多的認知神經科學方面的知識，提高深度學習模型在物體識別和檢測方面的精度和效率。
針對大腦的視覺腹側通路的信息處理機製做了一些工作，建立了一系列層次化模型用來解釋通路上各層（包括V1, V2, IT等區域）神經元的反應特性。兩個較典型的工作是對HMAX模型進行改造，加上稀疏特性和反饋連線，能更好地解釋一系列的神經科學數據，相關結果分別發表在PLoS ONE (2014)和Neural Computation (2010)上。
關於受大腦啟發的計算方法，在過去的近十年間，大部分工作集中在遞歸神經網路求解最佳化問題的理論和方法上，深入挖掘了已有模型的特點，並設計了一系列新的模型，相關成果發表在多篇IEEE彙刊上。在深度學習方面也做了一些工作。在IJCNN2013年德國交通標誌檢測比賽中，使用卷積神經網路在兩類標誌上獲得了第2名和第4名。除了物體識別和檢測，圖像的顯著性區域檢測也是比較關注的套用。借鑑心理學中的一個理論Reverse Hierarchy Theory，構建了一個層次化模型，能較好地預測人眼在圖像中的注視點。該成果被計算機視覺的重要會議CVPR’14錄用。
獎勵與榮譽
教育部自然科學一等獎（排名第3）：神經動力學最佳化模型及套用（2012）
清華大學優秀博士後（2009）
ICONIP 2012：最佳論文獎（2012）
學術成果
[1] P. Qi, X. Hu, “Learning nonlinear statistical regularities in natural images by modeling the outer product of image intensities,” Neural Computation (accepted)
[2] X. Hu, J. Zhang, P. Qi, B. Zhang, “Modeling response properties of V2 neurons using a hierarchical K-means model,” Neurocomputing, vol. 134, pp. 198-205, 2014.
[3] X. Hu, J. Zhang, J. Li, B. Zhang, “Sparsity-regularized HMAX for visual recognition,” PLOS ONE, vol. 9, no. 1, pp. 1-12, 2014.
[4] X. Hu and J. Wang, “Solving the assignment problem using continuous-time and discrete-time improved dual networks,” IEEE Transactions on Neural Networks and Learning Systems, vol. 23, no. 5, pp. 821-827, 2012.
[5] X. Hu and B. Zhang, “A Gaussian attractor network for memory and recognition with experience-dependent Learning,” Neural Computation, vol. 22, no. 5, pp. 1333-1357, 2010.
[6] X. Hu, C. Sun and B. Zhang, “Design of recurrent neural networks for solving constrained least absolute deviation problems,” IEEE Transactions on Neural Networks, vol. 21, no. 7, pp. 1073-1086, July 2010.
[7] X. Hu and B. Zhang, “An alternative recurrent neural network for solving variational inequalities and related optimization problems,” IEEE Transactions on Systems, Man and Cybernetics - Part B, vol. 39, no. 6, pp. 1640-1645, Dec. 2009.
[8] X. Hu and B. Zhang, “A new recurrent neural network for solving convex quadratic programming problems with an application to the k-winners-take-all problem,” IEEE Transactions on Neural Networks, vol. 20, no. 4, pp. 654–664, April 2009
