个人资料
- 直属机构：计算机科学与技术学院（软件学院）
- 联系电话：
- 性别：男
- 电子邮箱：zhuangyang@suda.edu.cn
- 专业技术职务：
- 办公地址：www.优德88.cpm 天赐庄校区理工实验楼544
- 毕业院校：厦门大学
- 通讯地址：
- 学位：工学博士
- 邮编：215000
- 学历：博士研究生毕业
- 传真：
教育经历
- 博士,2014年9月-2018年12月,信号与信息处理,厦门大学,工学博士,2018年12月,信号与信息处理,厦门大学
工作经历
- 2019年5月-2021年6月,中山大学,博士后研究工作,博士后
- 2021年8月-~,www.优德88.cpm ,教学科研,副教授
个人简历
杨壮个人简介
杨壮，男，博士，副教授，www.优德88.cpm 优秀青年学者。2014年毕业于桂林电子科技大学数学与计算科学学院，获得计算数学理学硕士学位；2018年毕业于厦门大学信息科学与技术学院，获得信号与信息处理工学博士学位。2019年5月~2021年6月于中山大学电子与通信工程学院从事博士后研究工作。2021年8月加入www.优德88.cpm 计算机科学与技术学院，参与计算机系和机器学习课题组的各项科研和教学工作。在中山大学从事博士后期间，获得博士后面上资助。主持国家自然科学基金（青年项目2024-2026）、江苏省自然科学基金（青年项目2023-2026）。目前主要研究领域包括但不限于：机器学习、统计学习、数据挖掘、优化理论与应用研究。近年来以第一作者身份发表SCI论文接近二十篇。包括：Journal of Machine Learning Research (JMLR, CCF A)、IEEE Transactions on Neural Networks and Learning Systems (TNNLS, CCF B)、Information Sciences (CCF B)、 IEEE Transactions on Big Data (TBD)、Knowledge-Based Systems、Expert Systems with Applications、Neurocomputing等国际期刊。
担任下述国际/国内刊物的审稿人（包括但不限于）
Pattern Recognition；
Signal Processing；
Neural Networks；
ISA Transactions；
Numerical Algorithms;
Acta Mathematica Scientia；
Machine Learning with Applications；
Neural Computing & Applications；
Statistics and Computing；
Signal, Image and Video Processing；
Computational Intelligence and Neuroscience；
Arabian Journal for Science and Engineering；
Statistics, Optimization & Information Computing
Soft Computing;
计算机科学；
曾担任国际会议ECML-PKDD 2021年审稿人。
[2024.06] 实验室一篇论文被IEEE Transactions on Computational Social Systems接收
招生说明：
每年有5个研究生名额（一般不考虑招满，PS 2-3个最佳）！
对学生的要求：
不期待你本科有多优秀，但期望你积极向上，踏实肯干，具有活力，有足够的韧劲和追求卓越的精神！
不接受：有躺平思想的学生；有摸鱼思想的学生....
研究领域
开授课程
科研项目
- 1、博士后面上资助,2019-2021,主持
- 2、国家自然科学基金（青年项目）,2024-2026,主持
- 3、江苏省自然科学基金（青年项目）,2023-2026,主持
论文
- 1、Variance reduced optimization with implicit gradient transport,Knowledge-Based Systems,SCI,2021,Zhuang Yang,212/106626,1
- 2、Fast automatic step size selection for zeroth-order nonconvex stochastic optimization,Expert Systems with Applications,SCI,2021,Zhuang Yang,174/114749,1
- 3、On the step size selection in variance-reduced algorithm for nonconvex optimization,Expert Systems with Applications ,SCI,2021,Zhuang Yang,169/114336,1
- 4、Accelerating mini-batch sarah by step size rules,Information Sciences,SCI,2021,Zhuang Yang,Zengping Chen,Cheng Wang,558/157-173,1
- 5、An accelerated stochastic variance-reduced method for machine learning problems,Knowledge-Based Systems,SCI,2020,Zhuang Yang,Zengping Chen,Cheng Wang,198/105941,1
- 6、Accelerated stochastic gradient descent with step size selection rules,Signal Processing,SCI,2019,Zhuang Yang,Cheng Wang,Zhemin Zhang,159/171-186,1
- 7、Mini-batch algorithms with online step size,Knowledge-Based Systems ,SCI,2019,Zhuang Yang,Cheng Wang,Zhemin Zhang,165/228-240,1
- 8、Mini-batch algorithms with Barzilai–Borwein update step,Neurocomputing,SCI,2018,Zhuang Yang,Cheng Wang,Yu Zang,314/177-185,1
- 9、Random Barzilai–Borwein step size for mini-batch algorithms,Engineering Applications of Artificial Intelligence,SCI,2018,Zhuang Yang,Cheng Wang,Zhemin Zhang,72/124-135,1
- 10、Adaptive stochastic conjugate gradient for machine learning,Expert Systems with Applications,SCI,2022,Zhuang Yang,Soochow University,117719,1
- 11、Large-scale machine learning with fast and stable stochastic conjugate gradient,Computers & Industrial Engineering,SCI,2022/09,Zhuang Yang,173,1
- 12、Adaptive step size rules for stochastic optimization in large-scale learning,Statistics and Computing,SCI,2023,Zhuang Yang,Li Ma,33/2,1
- 13、Painless Stochastic Conjugate Gradient for Large-Scale Machine Learning,IEEE Transactions on Neural Networks and Learning Systems,SCI,2023,Zhuang Yang,1-14,1
- 14、Adaptive Powerball Stochastic Conjugate Gradient for Large-Scale Learning,IEEE transactions on Big Data,SCI,2023,Zhuang Yang,1-11,1
- 15、Improved Powered Stochastic Optimization Algorithms for Large-Scale Machine Learning,Journal of Machine Learning Research,SCI,2023,Zhuang Yang,24/1-29,1
- 16、Stochastic variance reduced gradient with hyper-gradient for non-convex large-scale learning,Applied Intelligence,SCI,2023/10,Zhuang Yang,1-15,1
- 17、Powered stochastic optimization with hypergradient descent for large-scale learning systems,Expert Systems with Applications,SCI,2023/10,Zhuang Yang,Xiaotian Li,1
- 18、 SARAH-M: A fast Stochastic Recursive Gradient Descent Algorithm via Momentum,Expert Systems with Applications,SCI,2023/11,Zhuang Yang,238/1-15,1
- 19、The Powerball Method With Biased Stochastic Gradient Estimation for Large-Scale Learning Systems,IEEE Transactions on Computational Social Systems,SCI,2024/7/2,Zhuang Yang,X/X/1-13,1