姓名：丁立中
所在学科：计算机科学与技术
职称：教授
联系电话：
E-mail：6120220231@bit.edu.cn
通信地址：个人信息
丁立中，北京理工大学教授，博士生导师，国家级青年人才。主要从事统计学习方法和理论，统计假设检验与深度生成模型，核方法与深度核方法，随机算法和矩阵近似等方向的研究。在NeurIPS，AAAI，TPAMI，TNNLS等国际顶级会议和期刊发表论文20余篇，并担任NeurIPS，ICML，ICLR，IJCAI，AAAI等顶级会议审稿人。近年来聚焦于两方面的研究：一是突破已有深度学习的表示学习理解，从经典的统计学习理论出发，为深度学习建立完备、严谨的基础，二是提出能够分析和处理复杂、高维、大规模数据的深度生成模型和深度核判别模型，并将研究成果应用于当前国家数字社会、数字民生建设领域内亟待解决的前沿问题。
每年计划招收博士生1人、硕士研究生2~3人，同时也欢迎优秀的高年级本科生加入实验室，表现优秀者将推荐至沙特、阿联酋、香港继续深造。有意加入本课题组的学生请将个人简历发送至： 6120220231@bit.edu.cn

科研方向
随机机器学习理论与方法，统计学习方法和理论，统计假设检验与深度生成模型，核方法与深度核方法

个人信息
丁立中，北京理工大学教授，博士生导师，国家级青年人才。主要从事统计学习方法和理论，统计假设检验与深度生成模型，核方法与深度核方法，随机算法和矩阵近似等方向的研究。在NeurIPS，AAAI，TPAMI，TNNLS等国际顶级会议和期刊发表论文20余篇，并担任NeurIPS，ICML，ICLR，IJCAI，AAAI等顶级会议审稿人。近年来聚焦于两方面的研究：一是突破已有深度学习的表示学习理解，从经典的统计学习理论出发，为深度学习建立完备、严谨的基础，二是提出能够分析和处理复杂、高维、大规模数据的深度生成模型和深度核判别模型，并将研究成果应用于当前国家数字社会、数字民生建设领域内亟待解决的前沿问题。
每年计划招收博士生1人、硕士研究生2~3人，同时也欢迎优秀的高年级本科生加入实验室，表现优秀者将推荐至沙特、阿联酋、香港继续深造。有意加入本课题组的学生请将个人简历发送至： 6120220231@bit.edu.cn

个人信息
丁立中，北京理工大学教授，博士生导师，国家级青年人才。主要从事统计学习方法和理论，统计假设检验与深度生成模型，核方法与深度核方法，随机算法和矩阵近似等方向的研究。在NeurIPS，AAAI，TPAMI，TNNLS等国际顶级会议和期刊发表论文20余篇，并担任NeurIPS，ICML，ICLR，IJCAI，AAAI等顶级会议审稿人。近年来聚焦于两方面的研究：一是突破已有深度学习的表示学习理解，从经典的统计学习理论出发，为深度学习建立完备、严谨的基础，二是提出能够分析和处理复杂、高维、大规模数据的深度生成模型和深度核判别模型，并将研究成果应用于当前国家数字社会、数字民生建设领域内亟待解决的前沿问题。
每年计划招收博士生1人、硕士研究生2~3人，同时也欢迎优秀的高年级本科生加入实验室，表现优秀者将推荐至沙特、阿联酋、香港继续深造。有意加入本课题组的学生请将个人简历发送至： 6120220231@bit.edu.cn

代表性学术成果
1.Lizhong Ding, Shizhong Liao, Yong Liu, Li Liu, Fan Zhu, Yazhou Yao, Ling Shao, Xin Gao. Approximate Kernel Selection via Matrix Approximation, IEEE Transactions on Neural Networks and Learning Systems (TNNLS), 2020, 31(11): 4881-4891.
2.Lizhong Ding, Mengyang Yu, Li Liu, Fan Zhu, Yong Liu, Yu Li, Ling Shao. Two Generator Game: Learning to Sample via Linear Goodness-of-Fit Test, Proceedings of the 33rd Annual Conference on Neural Information Processing Systems (NeurIPS), 2019.
3.Yong Liu, Shizhong Liao, Shali Jiang, Lizhong Ding, Hailun Lin, and Weiping Wang. IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI), 2019, 42(53):1083-1096.
4.Lizhong Ding, Zhi Liu, Yu Li, Shizhong Liao, Yong Liu, Peng Yang, Ge Yu, Ling Shao, Xin Gao. Linear Kernel Tests via Empirical Likelihood for High-Dimensional Data, Proceedings of the 33rd AAAI Conference on Artificial Intelligence (AAAI), 2019.
5.Lizhong Ding, Yong Liu, Shizhong Liao, Yu Li, Peng Yang, Yijie Pan, Chao Huang, Ling Shao, and Xin Gao. Proceedings of the 33rd AAAI Conference on Artificial Intelligence (AAAI), pp. 3462-3469, 2019.
6.Yazhou Yao, Zeren Sun, Fumin Shen, Li Liu, Limin Wang, Fan Zhu, Lizhong Ding, Gangshan Wu, and Ling Shao. Proceedings of the 28th International Joint Conference on Artificial Intelligence (IJCAI), pp. 996-1002, 2019.
7.Yu Li, Chao Huang, Lizhong Ding, Zhongxiao Li, Yijie Pan, and Xin Gao. Methods, vol. 166, pp. 4-21, 2019.
8.Lizhong Ding, Shizhong Liao, Yong Liu, Peng Yang, Xin Gao. Randomized Kernel Selection with Spectra of Multilevel Circulant Matrices, Proceedings of the 32nd AAAI Conference on Artificial Intelligence (AAAI), 2018.
9.Li Jian, Yong Liu, Rong Yin, Hua Zhang, Lizhong Ding, and Weiping Wang. Advances in Neural Information Processing Systems (NeurIPS), pp. 1591-1600, 2018.
10.Liu Yong, Hailun Lin, Lizhong Ding, Weiping Wang. Proceedings of the 27th International Joint Conference on Artificial Intelligence (IJCAI), pp. 2497-2503, 2018.
11.Lizhong Ding, Shizhong Liao. An Approximate Approach to Automatic Kernel Selection, IEEE Transactions on Cybernetics (TCYB), 2017, 3(47): 554-565.
12.Lizhong Ding, Shizhong Liao. Approximate consistency: Towards foundations of approximate kernel selection. Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Database (ECML PKDD), 354--369, 2014
13.Lizhong Ding, Shizhong Liao. Model selection with the covering number of the ball of RKHS. Proceedings of the 23rd ACM International Conference on Information and Knowledge Management (CIKM), 1159--1168, 2014.
所获奖励