科学研究
研究所
伍洲

   undefined
    “教育兴亡,匹夫有责”

 

 

伍洲,教授/博导,建筑业大数据与人工智能研究所负责人,IEEE高级会员。2013年获香港城市大学电子工程专业博士学位。

教育背景

2003-2007  武汉大学, 工学学士

2007-2009  武汉大学, 工学硕士

2009-2013  香港城市大学,哲学博士

2013-2015  南非Pretoria大学,研究员

专业领域:

人工智能

主要研究方向:

智能优化、智能电网、智能建筑

主讲课程:

《计算机硬件基础》

学术兼职和荣誉:

现(曾)任多部国际学术期刊Associate Editor,包括:

· 自动化学报

· Complex & Intelligent Systems


科研情况简介:

曾在香港城市大学和南非Pretoria大学工作多年,从事智能计算、人工智能的理论研究,及其在建筑能源和智能建造等方面的应用研究。指导博士、硕士研究生10余名,1名员工获得2017太阳成集团优秀毕业论文。获得2016年国际ENI奖提名,2017年重庆市优秀学术论文奖,2018年重庆市科技进步一等奖,及多个国际顶级期刊杰出审稿人等荣誉。主持中央高校基金1项,主持国家自然科学青年基金1项,参与多项国家级省部级项目和南非国家项目。在Science子刊、IEEE汇刊等顶级杂志发表SCI论文40余篇,1篇论文曾入选ESI高被引,持有发明专利2项、软件著作权2项。在能源管理、建筑节能和智能优化等领域取得了国际公认的成果。担任期刊《自动化学报》和Complex & Intelligent Systems 编委、Neural Computing & Applications和Measurement & Control客座主编。

论文及专著:

(一)专著

  1. 周绪红,刘界鹏,冯亮,伍洲,齐宏拓,李东声,建筑智能建造技术初探及其应用, 中国建筑工业出版社, 2021

(二)论文(选录)

[1] Zhou Wu, Junjun Wu, Mingbo Zhao, Liang Feng, Kai Liu, “Two-layered ant colony system to improve engraving robot’s efficiency based on a large-scale TSP model”, Neural Computing and Applications, DOI 10.1007/s00521-020-05468-4, 2020;

[2] Zhou Wu, Qian Li, Weiwei Wu, Mingbo Zhao, “Crowdsourcing model for energy efciency retrot and mixed-integer equilibrium analysis,” IEEE Transaction on Industrial Informatics, 16(7), pp. 4512-4524, 2020;

[3] Nian Ao, Mingbo Zhao, Qian Li, Shaochen Qu, Zhou Wu*, “Network characteristics for neighborhood field algorithms,” Neural Computing and Applications, 32, pp. 12061-12078, 2020;

[4] Zhou Wu, Qian Li, Xiaohua Xia, "Multi-timescale forecast of solar irradiance based on multi-task learning and echo state network approaches”, IEEE Transaction on Industrial Informatics, 17(1), pp. 300-310, 2021;

[5] Qian Li, Zhou Wu*, Haijun Zhang, “Spatio-temporal modeling with enhanced flexibility and robustness of solar irradiance prediction: A chain-structure echo state network approach,” Journal of Cleaner Production, 261, 21151, 2020;

[6] Qian Li, Zhou Wu*, Rui Ling, Liang Feng, Kai Liu, “Multi-reservoir echo state computing for solar irradiance prediction: a fast yet efficient deep learning approach,” Applied Soft Computing, 95, 106481, 2020;

联系方式:

zhouwu@cqu.edu.cn

      重庆市沙坪坝区沙正街174号太阳集团电子游戏

 

 

  • 附件【1寸.jpg】已下载