楊
靜 副教授
碩士生導(dǎo)師
研究領(lǐng)域：多模態(tài)綠色人工智能(綠色數(shù)據(jù)中心、模型參數(shù)聯(lián)合優(yōu)選等)、多模態(tài)云邊端融合網(wǎng)絡(luò)(算力資源管理、算力調(diào)度)、多模態(tài)開放域模型融合推理(大小模型端云協(xié)同進(jìn)化)
通信地址：貴州省貴陽市貴州大學(xué)西校區(qū)崇厚樓912
電子郵件：jyang23@gzu.edu.cn
個(gè)人簡(jiǎn)介
美國(guó)OSU聯(lián)合培養(yǎng)博士生，上海交通大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)博士后（導(dǎo)師：過敏意教授，杰青，IEEEFellow），共青團(tuán)中央“青馬”工程全國(guó)科技班入選者、中組部“西部之光”訪問學(xué)者、貴州省高層次創(chuàng)新人才（千層次）、貴州省高層次留學(xué)人才、CCF高級(jí)會(huì)員。兼任CCF分布式計(jì)算與系統(tǒng)專家委員會(huì)執(zhí)行委員、中國(guó)國(guó)土經(jīng)濟(jì)學(xué)會(huì)區(qū)域大數(shù)據(jù)專業(yè)委員會(huì)副秘書長(zhǎng)、中國(guó)科協(xié)決策咨詢團(tuán)隊(duì)青年研究員，貴州大學(xué)科研創(chuàng)新團(tuán)隊(duì)負(fù)責(zé)人，是國(guó)家自然科學(xué)基金委、貴州省科技廳、貴州省大數(shù)據(jù)局、貴陽市科技局、觀山湖科技局等在庫項(xiàng)目評(píng)審專家，長(zhǎng)期從事數(shù)據(jù)科學(xué)多模態(tài)融合感知與邊緣計(jì)算研究。主持國(guó)家級(jí)/省部級(jí)/橫向項(xiàng)目12項(xiàng)，作為主要完成人參與并發(fā)布國(guó)家標(biāo)準(zhǔn)2項(xiàng)，行業(yè)標(biāo)準(zhǔn)2項(xiàng)。獲第十屆貴州省高等教育本科生教學(xué)成果獎(jiǎng)特等獎(jiǎng)1次、貴州省高等教育研究生教學(xué)成果獎(jiǎng)一等獎(jiǎng)1次，貴州省研究生高等教育研究生教學(xué)成果獎(jiǎng)三等獎(jiǎng)1次；獲教育部高等學(xué)?？茖W(xué)研究科技進(jìn)步獎(jiǎng)二等獎(jiǎng)1次、貴州省科學(xué)技術(shù)進(jìn)步二等獎(jiǎng)2次、生產(chǎn)力促進(jìn)（創(chuàng)新發(fā)展）一等獎(jiǎng)1次、中國(guó)電子科技集團(tuán)有限公司科學(xué)獎(jiǎng)二等獎(jiǎng)1次。主編《人工智能持續(xù)學(xué)習(xí)與零次學(xué)習(xí)原理》專著1部、《大數(shù)據(jù)技術(shù)原理與實(shí)踐》、《大數(shù)據(jù)技術(shù)原理與實(shí)踐》（第二版）教材2部，以第一作者或通訊作者共發(fā)表SCI論文50余篇，獲中國(guó)發(fā)明專利授權(quán)36件。擔(dān)任一級(jí)學(xué)報(bào)“數(shù)據(jù)采集與處理”青年編委、貴州大學(xué)學(xué)報(bào)（自然科學(xué)版）首屆青年編委，BigDIA 2022、IEEE ICCC 2022和2023、NCIT2022 技術(shù)委員會(huì)委員、Workshop論壇主席，參加WCICA和CVPR2019(CCF A類會(huì)議)等國(guó)際會(huì)議兩次。服務(wù)于20多個(gè)國(guó)際期刊IEEE TC、IEEE TMC、IEEE TI、IEEE TIM、IEEE TSC、IEEE TSM、IEEE TAI、IEEE TASE、IEEE IOTJ、IEEE TCE、IEEE TMM、IEEE TCSVT、IEEE TNNLS、IEEE TIFS、IEEE TPDS、IEEE TDSC、IEEE TCC、IEEE TCCN、IEEE TIP、IEEE TCDS、IEEE TFS、IEEE TII、IEEE TSC、IEEE TNNLS等，被Information Fusion（IF14.8）、Computers and Electronics in Agriculture（IF7.7）等一區(qū)期刊評(píng)為優(yōu)秀審稿人。指導(dǎo)團(tuán)隊(duì)研究生曾獲得多次國(guó)家獎(jiǎng)學(xué)金、優(yōu)秀畢業(yè)生等榮譽(yù)，獲得國(guó)家數(shù)學(xué)建模、互聯(lián)網(wǎng)+創(chuàng)新大賽、藍(lán)橋杯、互聯(lián)網(wǎng)+等國(guó)家/省部級(jí)以上獎(jiǎng)項(xiàng)20余次。
部分獎(jiǎng)勵(lì)與榮譽(yù)
[1]2025年 入選中國(guó)共產(chǎn)主義青年團(tuán)中央委員會(huì)，青年馬克思主義培養(yǎng)工程全國(guó)科技班， “青馬工程”全國(guó)科技班；
[2]2024年 貴州省第八批高層次創(chuàng)新型人才（千層次）
[3]2024年 貴州省高等教育教學(xué)成果獎(jiǎng)一等獎(jiǎng)
[4]2023年 貴州省科學(xué)技術(shù)進(jìn)步獎(jiǎng)二等獎(jiǎng)
[5]2021年 貴州省高層次留學(xué)創(chuàng)新創(chuàng)業(yè)人才
[6]2022年 貴州省高層次創(chuàng)新型青年科技人才
[7]2022年 中組部西部之光訪問學(xué)者
[8]2022年 教育部高等學(xué)?？茖W(xué)研究?jī)?yōu)秀成果獎(jiǎng)科技進(jìn)步獎(jiǎng)二等獎(jiǎng)
[9]2022年 第十屆貴州省高等教育教學(xué)成果獎(jiǎng)特等獎(jiǎng)
[10]2021年 第四屆貴州省研究生教學(xué)成果獎(jiǎng)三等獎(jiǎng)
[11]2023年 數(shù)博會(huì)領(lǐng)先科技成果獎(jiǎng)（全國(guó)僅10項(xiàng)）
[12]2024年 中國(guó)電子科技集團(tuán)有限公司科學(xué)技術(shù)獎(jiǎng)二等獎(jiǎng)
[13]2023年 中國(guó)生產(chǎn)力促進(jìn)（創(chuàng)新發(fā)展）獎(jiǎng)一等獎(jiǎng)
[14]2024年 中國(guó)知網(wǎng)高被引學(xué)者TOP5%
[15]2023年 第十八屆“挑戰(zhàn)杯”全國(guó)大學(xué)生課外學(xué)術(shù)科技競(jìng)賽特等獎(jiǎng)指導(dǎo)教師
[16]2022年 第八屆中國(guó)國(guó)際“互聯(lián)網(wǎng)+”大學(xué)生創(chuàng)新創(chuàng)業(yè)大賽貴州省賽優(yōu)秀指導(dǎo)教師（團(tuán)隊(duì)獎(jiǎng)）
[17]2025年 凡科優(yōu)秀評(píng)審專家
[18]2024年 Information Fusion期刊的Excellent Reviewer
[19]2023年 事業(yè)單位考核年度優(yōu)秀人員
[20]2023年 貴州省“貴州大學(xué)公共大數(shù)據(jù)要素化研究省創(chuàng)新團(tuán)隊(duì)成員”
部分科研活動(dòng)：
[1]國(guó)家自然科學(xué)基金“動(dòng)態(tài)場(chǎng)景下智能機(jī)器人視覺持續(xù)學(xué)習(xí)災(zāi)難性遺忘問題研究”，基金編號(hào)：62166005，主持；
[2]貴州省教育廳“百校千企科技攻關(guān)揭榜掛帥”項(xiàng)目，高效人工智能模型推理與云邊協(xié)同部署關(guān)鍵技術(shù)，主持;
[3]貴州省科技支撐計(jì)劃，面向新型國(guó)產(chǎn)化算力中心的算力交易技術(shù)研究，課題負(fù)責(zé)人；
[4]貴州省科技支撐，帶有卸載時(shí)延感知的邊緣計(jì)算自適應(yīng)流量調(diào)度技術(shù)研究，課題負(fù)責(zé)人；
[5]科技成果轉(zhuǎn)化及產(chǎn)業(yè)化計(jì)劃，云邊端智能協(xié)同感知技術(shù)成果轉(zhuǎn)化與應(yīng)用,課題負(fù)責(zé)人；
[6]貴州省科技支撐計(jì)劃，面向東數(shù)西算場(chǎng)景的海量數(shù)據(jù)加速傳輸方法研究，課題負(fù)責(zé)人；
[7]貴州省科技支撐計(jì)劃，算力網(wǎng)絡(luò)智能化感知度量技術(shù)研究，課題負(fù)責(zé)人；
[8]貴陽市科技人才培養(yǎng)對(duì)象及培養(yǎng)項(xiàng)目，機(jī)器人視覺持續(xù)學(xué)習(xí)基礎(chǔ)理論與應(yīng)用研究，主持；
[9]2023年入選貴州省第八批高層次創(chuàng)新人才（千層次），2024.01.01-2029.12.31，主持；
[10]貴州白山云科技有限股份公司，邊緣云技術(shù)研究項(xiàng)目，合同號(hào)：K21-0459-004.2021.09-2022.12，主持；
[11]北京天云融創(chuàng)軟件技術(shù)有限公司，貴州茅臺(tái)云平臺(tái)技術(shù)科研項(xiàng)目，合同號(hào)：K22-0459-002，主持；
[12]貴州白山云科技有限股份公司，多業(yè)務(wù)混跑模式下大規(guī)模邊緣服務(wù)器設(shè)備性能評(píng)估方法，合同號(hào)：K23-0459-006.2023.09-2024.12,主持；
[13]貴州移動(dòng)信息科技有限公司貴州方言語音轉(zhuǎn)寫引擎項(xiàng)目，K24-0459-001，2024-01至2024.06.30，主持
[14]昆明嘉騰科技有限公司，中煙公司云邊協(xié)同輕量化濾棒爆珠自動(dòng)檢測(cè)與糾偏研究項(xiàng)目， 2024.07-2024.10,主持
教改項(xiàng)目：
[1]貴州省研究生教育創(chuàng)新計(jì)劃項(xiàng)目，大數(shù)據(jù)交叉學(xué)科研究生培養(yǎng)質(zhì)量提升路徑研究，2025.01-2026.12，項(xiàng)目號(hào)：2024YJSJGXM0001,主持；
[2]研究生教育教學(xué)改革研究生“AI+”課程建設(shè)項(xiàng)目，《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》，2025.01-2025.10，GZUYJSZDJG2025002,主持；
[1]Jing Yang*,Xingjiang Ma,Yuankai Wu,Chengjiang Li,Zhidong Su,Ji Xu,Yixiong Feng.AOGN-CZSL: an Attribute- and Object-Guided Network for Compositional Zero-Shot Learning[J],Information Fusion,2025,120,103096.(第一作者,中科院一區(qū) TOP,CAAI A,IF 14.8)
[2]Li Xiaoyong, Yang Jing*, Chen Yuling, et al. Learning semantic consistency for audio-visual zero-shot learning[J]. Artificial Intelligence Review, 2025, 58(7): 212-240. (通信作者,中科院一區(qū), TOP, IF 10.7)
[3]Yuanyuan Hu,Jing Yang*,Xiaoli Ruan,Yulin Chen,Chengjiang Li,et al, Green Optimization for Micro Data Centers: Task Scheduling for a Combined Energy Consumption Strategy, APPLIED ENERGY,2025. (通信作者,中科院一區(qū), TOP, IF 10.1)
[4]Jing Yang*,Xinyu Zhou,Yao He,Qingliang Li,Zhidong Su,Xiaoli Ruan,et al.Effective Generative Replay with Strong Memory for Continual Learning[J],KNOWLEDGE-BASED SYSTEMS,2025,319,113477(第一作者, 中科院一區(qū), TOP, IF 7.2)
[5]Xingiing Ma.Jing Yang*,Jiacheng Lin,et al.LVAR-CZSL:Learning Visual Attributes Representation for Compositional ZeroShot Learning[J]. IEEE Transactions on Circuits and Systems for Video Technology,2024(通信作者, CCF B, 中科院一區(qū), Top, IF 8.4)
[6]Jing Yang*,JiaLin Lu,Xu Zhou,etal.HA-A2C:Hard Attention and Advantage Actor-Critic for Addressing Latency Optimization in Edge Computing[J],IEEE Transactions on Green Communications and Networking,2024.(第一作者, 中科院二區(qū), IF:4.8)
[7]Jialin Lu, Jing Yang*, Shaobo Li, et al. A2C-DRL:Dynamic Scheduling for Stochastic Edge-Cloud Environments Using A2Cand Deep Reinforcement Leamingy[J],IEEE Internet of Things Journal,2024, doi: 10.1109/10T.2024.3366252(通信作者, 中科院一區(qū), Top, IF:10.6)
[8]Hongchao An,Jing Yang*,Xiuhua Zhang,et al.A Class-Incremental learning Approach for learning Feature-CompatibleEmbeddings[J],Neural Networks,2024(通信作者, 中科院一區(qū), Top, IF:6.0, CCF B)
[9]Qinglang Li, Jing Yang*,Xiaoli Ruan,et al, SPIRF-CTA: Selection of Parameter Importance Levels for Reasonable Forgetting in Continuous Task Adaptation[J], Knowledge-Based Systems,2024, Volume 305, 112575.(通信作者, IF 7.2, CCF B, 中科院一區(qū), TOP)
[10]Xu Zhou,Jing Yang*,Yijun Li,Shaobo Li,Zhidong Su,Jialin Lu,EC-TRL: Evolutionary-Weighted Clustering and Transformer-Augmented Reinforcement Learning for Dynamic Resource Scheduling in Edge Cloud Environments[J],IEEE Internet of things Journal,2024 (通信作者, IF 6.0, 中科院一區(qū), TOP)
[11]Yuankai Wu,Jing Yang,Xiaoxu Chen, Yi Lin,et al.Long-Term Airport Network Performance Forecasting with Linear DiffusionGraph Networks[J],IEEE Transactions on Intelligent transportation systems,2024,doi:10.1109/ITS.2024.3420423(中科院一區(qū), TOP, IF 7.9)
[12]Jing Yang,Zukun Yu,et al.GG'T-SSN:Graph learning and Gaussian prior integrated spiking graph Neural network for eventdriven tactile object recognition[J],Information Sciences,2024(第一作者, 中科院一區(qū), Top, IF 8.1)
[13]Jing Yang, Sun jie, Shaobo Li,et al. GACP: Graph neural networks with ARMA filters and a parallel CNN for hyperspectral classification image[J], International Journal of Digital Earth,2023.16(1):1770-1800.(第一作者, 中科院一區(qū), IF 5.1)
[14]Jing Yang,Xingiiang MaJiacheng Lin,TGN-cZSL:Image and Text Guided Network for Compositional Zero-shot Learning[J],51st intermational Symposium on Computer Architecture AOMC Workshop,2024(第一作者, CCF A)
[15]Yao He,Jing Yang*,Shaobo Li,Jianjun Hu,Raping Ren,Qing Ji.CL-BPUWM:Continuous learing with Bayesian parameter updating and weight memory[J],Complex & Intelligent Systems,2024.(通信作者, 中科院二區(qū), IF 5.8)
[16]Zukun Yu,Jing Yang*,Qin Ran,Shaobo Li,and Zhidong Su,G2T-SNN: Fusing Topological Graph and Gaussian Prior Spiking Neural Networks for Tactle Object Recognition[J],lEEE Sensors Joumal, 2024,doi:10.1109/SEN.2024.3397884.(通信作者, 中科院二區(qū), IF 4.3)
[17]Shujie Ding,Xiaoli Ruan*,Jing Yang*,Jie Sun,et al.LSSMA: Lightweight Spectral-Spatial Neural Architecture with Multi-Attention Feature Extraction for Hyperspectral Image Classification[J],IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2024.(通信作者, 中科院二區(qū), IF 5.5)
[18]Jie Sun,Jing Yang*,Wang Chen,Sujie Ding,Shaobo Li,Jianjun Hu,LCTCS:Low-cost and two-channel sparse networkforhyperspectral image classification[J],Neural Processing Letters,2024(通信作者,中科院四區(qū), IF 3.1, CCF C)
[19]Jing Yang*,Zukun Yu,Xiaoyang Ji,Zhidong Su,Shaobo Li,Yang Cao,Spiking Neural Network Tactile Classification Method with Faster and More Accurate Membrane Potential Representation[J],IET Collaborative Intelligent Manufacturing,2024(第一作者, 中科院四區(qū), IF 2.5)
[20]Xu Zhou,Jing Yang*,et al.Deep Reinforcement learning-based resource scheduling for energy optimization and loadbalanceing in SDN-Driven edge computing[J].ComputerCommunications.2024(通信作者, 中科院三區(qū), JF 4.5, CCF C)
[21]Jing Yang,Kun Yuan,Suhao Chen,Qingliang Li,et al.A New Multinetwork Mean Distillation Loss Function for Open-world Domain Incremental Object Detection[J],International Journal of Intelligent Systems,2023,vol2023.(第一作者, 中科院二區(qū), IF 7.0)
[22]Jing Yang,Tingqing Liu*,Yaping Ren,Qing Hou*,Shaobo Li,Jianjun Hu.AM-SGCN: Tactile Object Recognition for Adaptive Multichannel Spiking Graph Convolutional Neural Networks[J],IEEE Sensors Journal,2023,23(24):30805-30820.(第一作者, 中科院二區(qū), IF 4.3)
[23]Yang Jing, Li Shaobo*, Wang Zheng, Dong Hao, Wang Jun,et al. Using Deep Learning to Detect Defects in Manufacturing: A Comprehensive Survey and Current Challenges[J]. Materials 2020, 13, 5755-5778.(第一作者, 中科院三區(qū), 入選高被引和熱點(diǎn)論文)
[24]Yang Jing, JI Xiaoyang, LI Shaobo, WANG Yang, LIU Tingqing. Spiking Neural Network Robot Tactile Object Recognition Method with Regularization Constraints[J]. Journal of Electronics & Information Technology. 2023,doi: 10.11999/JEIT220711（第一作者, CCF C類中文期刊, 一級(jí)學(xué)報(bào)）
[25]Yang Jing, HE Yao, LI Bin, LI Shaobo, HU Jianjun, PU Jiang. A Continual Semantic Segmentation Method Based on Gating Mechanism and Replay Strategy[J]. Journal of Electronics & Information Technology. 2024,doi: 10.11999/JEIT230803(第一作者, CCF C類中文期刊，一級(jí)學(xué)報(bào))
[26]Yang Jing, LI Bin, LI Shaobo, WANG Qi, YU Liya, HU Jianjun, YUAN Kun. Brain-inspired Continuous Learning: Technology, Application and Future[J]. Journal of Electronics & Information Technology, 2022, 44(5): 1865-1878. doi: 10.11999/JEIT210932（第一作者, CCF C類中文期刊，一級(jí)學(xué)報(bào)）
[27]Yang Jing,Sun Jie,Ding Sujie,Li Shaobo,et al.Hyperspectral Image Classification Based on Multi-Intentional Force Mechanism and Compiled Graph Neural Networks.[J].Transactions of the Chinese Society for Agricultural Machinery,2024.(第一作者, EI源刊，一級(jí)學(xué)報(bào))
[28]ZHOU Xu, MIAO Hui, YANG Jing*, JIANG Wu,et al. Edge computing resource scheduling overview: Historical perspective,architecture,modeling,and method analysis[J]. Computer Integrated Manufacturing System, 2024,DOI: 10.13196/j.cims.2023.0132.2.（通信作者, EI源刊,一級(jí)學(xué)報(bào),校企）
[29]Yao He; Jing Yang*, et al.Generative Replay Method Based on Integrating Random Gating and Attention Mechanism. in 2023 IEEE 9th International Conference on Computer and Communications (IEEE ICCC). 2023.（通信作者, EI收錄）
[30]Jing Yang,Xiaoyang Ji,Shaobo Li,et al. Robot Tactile Data Classification Using Spiking Neural Network,China Automation Congress(CAC2021),2021, 266-285 (第一作者, EI收錄)
[31]Jing Yang,Yifan Wang, Zheng Wang,et al, Using stochastic gradient descent and deep learning to defect detection for medicinal hollow capsule, China Automation Congress(CAC2021),2021, 201-207 (第一作者, EI收錄)
[32]Jing Yang,Guanci Yang*,Modified Convolutional Neural Network Based on Dropout and the Stochastic Gradient Descent Optimizer,Algorithms, 2018,11(3),28;doi:10.3390/a11030028(第一作者, EI源刊，一級(jí)學(xué)報(bào))
[33]Jing Yang, Weihua Sheng, Guanci Yang,Dynamic Gesture Recognition Algorithm based on ROI and CNN for Social Robots,2018 13th World Congress on Intelligent Control and Automation (WCICA) 2018.06，389-394（第一作者, EI收錄）
[34]Li Shao-Bo, Yang Jing*, Wang Zheng, et al. Review of development and application of defect detection technology. Acta Automatica Sinica, 2020,46(11): 2319?2336. (通信作者,CCF A類中文期刊，卓越期刊,一級(jí)學(xué)報(bào))
[35]YANG Guan-Ci, YANG Jing*, SU Zhi-Dong, et al. An Improved YOLO Feature Extraction Algorithm and Its Application to Privacy Situation Detection of Social Robots. ACTA AUTOMATICA SINICA, 2018, 44(12): 2238-2249（通信作者,CCF A類中文期刊，卓越期刊，一級(jí)學(xué)報(bào)，通信）
[36]Yang Guanci,Yang Jing*,Li Shaobo,Hu Jianjun,Modified CNN algorithm based on Dropout and ADAM optimizer, Journal of Huazhong University of Science and Technology(Natural Science Edition),2018,46(7),122-128（通信作者, EI源刊,卓越期刊）
部分合作論文
[1]Syed Ariff Syed Hesham,Yun Liu*,Guolei Sun,Henghui Ding,Jing Yang,Ender Konukoglu,Xue Geng,Xudong Jiang,Exploiting Temporal State Space Sharing for Video Semantic Segmentation[C].IEEE Conference on Computer Vision and Pattern Recognition(CVPR),2025,Accept(合作作者，CCF A 類會(huì)議)
[2]Li Yang, Yang Guanci, Su Zhidong, Yang Jing,et al. Indoor scene multi-object tracking based on region search and memory buffer pool[J]. Pattern Recognition, 2025, 165: 111623. (合作作者，CCF B，中科院一區(qū))
[3]趙涵,鄧俊驍,崔煒,陳全,曾德澤,楊靜,過敏意.保證延時(shí)敏感型任務(wù)服務(wù)質(zhì)量的情況下利用流處理器內(nèi)所有并行性以最大化系統(tǒng)吞吐[J],中國(guó)科學(xué):信息科學(xué),2024(合作作者,CCF A類中文期刊)
[4]Pengyu Yang,Weihao Cui, Jing Yang,Minyi Guo,et al.Taming Flexible Job Packing in Deep Learning Training Clusters[J],ACM Transactions on Architecture and Code Optimization,2024(合作作者,CCF A類)
[5]Ding Sujie, Ruan Xiaoli, Yang Jing, et al. LRDTN: Spectral-Spatial Convolutional Fusion Long-Range Dependency Transformer Network for Hyperspectral Image Classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2024.DOI: 10.1109/TGRS.2024.3510625(合作作者,中科院一區(qū)Top, CCF B, IF7.5)
[6]Zheng Jiang, Zhou Zhou,Quan Zhou,Yongan Guo, Jing Yang and Weihua Ou, Affinity Similarity-Based Contrastive Loss for Unsupervised Visual Representation Learning[J],IEEE Transactions on Consumer Electronics, 2025,doi: 10.1109/TCE.2025.3572120. (合作作者,中科院二區(qū))
[7]Chenhui Zhang,Jinguo Cheng,Jing Yang,Huachun Tan,Yuankai Wu,Intergrating Future Exogenous informationinto Multi-mode Travel Demand Forecasting at Gateway HubslCl.The 3lst Interational Conference on NeuraInformation(ICONIP),2024(合作作者,CCF C類國(guó)際會(huì)議)
發(fā)表著作和國(guó)家標(biāo)準(zhǔn)
[1]主編：楊靜，人工智能持續(xù)學(xué)習(xí)與零次學(xué)習(xí)原理，電子工業(yè)出版社
[2]主編：李少波;楊靜;大數(shù)據(jù)原理與實(shí)踐,華中科技大學(xué)出版社, 380千字, 2020，ISBN：978-7-5680-6688-4.
[3]主編：李少波;楊靜;大數(shù)據(jù)原理與實(shí)踐(第二版), 華中科技大學(xué)出版社, 420千字, 2023，ISBN：978-7-5680-8717-9.
[4]國(guó)家標(biāo)準(zhǔn)：云制造服務(wù)平臺(tái)開放接口要求,2022-04-22,標(biāo)準(zhǔn)號(hào)：20220067-T-604
[5]國(guó)家標(biāo)準(zhǔn)：智能制造服務(wù)通用要求，2024-02-27，標(biāo)準(zhǔn)號(hào)：GB/T 43554-2023
[6]行業(yè)標(biāo)準(zhǔn)：數(shù)據(jù)中心算力算效評(píng)估規(guī)范，標(biāo)準(zhǔn)號(hào)：DB52/T 1846-2024，頒布時(shí)間：2024-08-28
[7]行業(yè)標(biāo)準(zhǔn)：大數(shù)據(jù)安全靶場(chǎng)軟件系統(tǒng)建設(shè)功能要求，DB52/T 1867-2025,頒布時(shí)間:2025-06-01
部分發(fā)明專利
[1]楊靜,魯加林,周緒,等.基于硬注意力和A2C的跨區(qū)域算力調(diào)度時(shí)延優(yōu)化方法[P].貴州省:CN202311858091.8,2024-04-30.
[2]楊靜,魯加林,等.一種復(fù)雜環(huán)境下動(dòng)態(tài)負(fù)載均衡的LSTM邊緣計(jì)算流量預(yù)測(cè)方法[P]:貴州省,CN115361318A.2022-11-18.
[3]楊靜,魯加林,霍濤,等.邊緣環(huán)境下動(dòng)態(tài)負(fù)載均衡的深度強(qiáng)話化學(xué)習(xí)資源調(diào)度方法[P]:貴州省,CN116048801A.2023-05-02.
[4]楊靜,周緒,等.一種基于強(qiáng)化學(xué)習(xí)優(yōu)化邊緣能耗與負(fù)載的資源調(diào)度方法[P]:貴州省,CN117194057A.2023-12-08.
[5]楊靜,劉科利,等.基于親密度感知與負(fù)載均衡的微服務(wù)部署方法[P]:貴州省,CN117950857A.2024-12-30.
[6]楊靜,熊川越,等.面向邊緣計(jì)算的分發(fā)任務(wù)自適應(yīng)負(fù)載預(yù)測(cè)方法、系統(tǒng)及介質(zhì)[P]:貴州省,CN119110350A.2024-12-10
[7]楊靜,胡緣緣,等.一種基于聯(lián)合多目標(biāo)優(yōu)化模型的數(shù)據(jù)中心能耗優(yōu)化方法[P] :貴州省,CN119110350A.2024-12-30
[8]楊靜,趙洋,等.一種考慮時(shí)空信息的超密集組網(wǎng)CDS熱點(diǎn)主動(dòng)式預(yù)測(cè)方法[P] :貴州省
[9]李逸駿,熊川越,楊靜,凌一宏,謝群,林光政,胡丙齊,鄒雙林,龔仁杰.一種基于復(fù)雜周期的邊緣云長(zhǎng)序列負(fù)載預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)[P].貴州省:CN118331746B,2024-08-20.
[10]李逸駿,鄒雙林,楊靜,凌一宏,林光政,謝群,胡丙齊,熊川越,龔仁杰.一種服務(wù)器設(shè)備性能預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)[P].貴州省:CN118170627B,2024-07-16.
[11]楊靜,麻興江,阮小利,李小勇,唐向紅,張磊,陸見光.一種用于組合零次學(xué)習(xí)的視覺屬性表征學(xué)習(xí)方法[P].貴州省:CN118196428B,2024-07-19.
[12]楊靜,孫杰,等.基于角度信息解耦的旋轉(zhuǎn)檢測(cè)框表達(dá)方式的系統(tǒng)[P].貴州省:CN114964120B,2024-05-31.
[13]楊靜,何瑤,劉庭卿,等.基于貝葉斯參數(shù)更新及權(quán)重記憶的正則化持續(xù)學(xué)習(xí)方法[P].貴州省:CN202310156840.6,2023-06-02.
[14]楊靜,李慶浪,等.一種基于因果學(xué)習(xí)與動(dòng)態(tài)參數(shù)選擇的類增量學(xué)習(xí)方法:貴州省,CN119047585A[P].2024-11-29.
[15]楊靜,袁坤,等.一種基于多網(wǎng)絡(luò)均值蒸餾損失函數(shù)的增量目標(biāo)檢測(cè)方法:貴州省CN116310480A[P].2023-06-23
[16]楊靜,李斌,等.一種具有稀疏化效應(yīng)的持續(xù)學(xué)習(xí)語義分割方法:貴州省,CN115482383A[P].2022-12-16
[17]楊靜,李少波,吉曉陽,等.一種不完備數(shù)據(jù)集中平衡輸入數(shù)據(jù)類別多目標(biāo)檢測(cè)方法[P].貴州省:CN112633319B,2022-11-22.
[18]楊靜,李小勇,阮小利,等.融合跨模態(tài)注意力和關(guān)注模態(tài)內(nèi)信息的視聽零次學(xué)習(xí)方法[P].貴州省:CN202410089496.8,2024-04-30.
[19]楊靜,安紅超,李慶浪,等.一種結(jié)構(gòu)擴(kuò)展與蒸餾的新舊類特征兼容學(xué)習(xí)方法[P].貴州省:CN202311865868.3,2024-04-26.
[20]楊靜,李慶浪,安紅超,等.一種開放域環(huán)境下合理遺忘視覺任務(wù)知識(shí)的持續(xù)學(xué)習(xí)方法[P].貴州省:CN202311858090.3,2024-04-12.
[21]楊靜,麻興江,阮小利,等.一種開放域?qū)傩院蛯?duì)象引導(dǎo)的零次學(xué)習(xí)視覺模型推理方法[P].貴州省:CN202311120969.8,2023-11-28.
[22]楊靜,袁坤,張秀華,等.一種基于多網(wǎng)絡(luò)均值蒸餾損失函數(shù)的增量目標(biāo)檢測(cè)方法[P].貴州省:CN202211522771.8,2023-06-23.
[23]楊靜,張伍聰,付皓甯,等.一種基于Siamese對(duì)比嵌入網(wǎng)絡(luò)的學(xué)習(xí)標(biāo)注優(yōu)化方法[P].貴州省:CN202410528981.0,2024-07-12.
[24]楊靜,孫杰,丁書杰,等.一種基于GCN與CNN新型網(wǎng)絡(luò)的小樣本HSI分類方法[P].貴州省:CN202310009623.4,2023-06-02.
[25]楊靜,岑順禹,韋廣樞,等.通過觸覺感知識(shí)別物品類別的工作系統(tǒng)和方法[P].貴州省:CN116028841B,2023-08-15.
[26]楊靜,吉曉陽,等.基于脈沖神經(jīng)網(wǎng)絡(luò)的機(jī)械手觸覺數(shù)據(jù)分類方法[P].貴州省:CN114065806B,2022-12-20.
[27]楊靜,袁坤,等.一種面向環(huán)形光源的多視角膠囊缺陷檢測(cè)裝置[P].貴州省:CN114062262B,2023-08-11.
[28]楊靜,孫杰,等.一種基于雙通道稀疏化網(wǎng)絡(luò)的高光譜圖像分類方法[P].貴州省:CN115471677B,2023-09-29.
[29]楊靜,王錚,等.一種膠囊視覺缺陷檢測(cè)過程中的自動(dòng)排序機(jī)構(gòu)[P].貴州省:CN112387619B,2024-06-11.
[30]楊靜,等.一種基于視覺檢測(cè)技術(shù)的膠囊傳送裝置[P].貴州省:CN112110129B,2024-12-13.
[31]楊靜,等.一種基于機(jī)器視覺的集成式膠囊缺陷檢測(cè)裝置[P].貴州省:CN112317340B,2024-07-26.
[32]楊觀賜,楊靜,盛衛(wèi)華,等.基于卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)實(shí)時(shí)檢測(cè)模型的特征提取方法[P].貴州省:CN107330437B,2021-01-08.
[33]楊觀賜,楊靜,蘇志東,等.手寫字符計(jì)算機(jī)識(shí)別方法[P].貴州省:CN107330480B,2020-10-13.
[34]楊靜；等.一種多相機(jī)多光源的膠囊缺陷檢測(cè)在線圖像采集檢測(cè)系統(tǒng).申請(qǐng)?zhí)枺?/span>202010913865.2
[35]楊靜，王軍，等，一種基于機(jī)器視覺的集成式膠囊缺陷檢測(cè)裝置，申請(qǐng)?zhí)枺?/span>202022179576.2.
[36]楊靜，袁坤，等，一種面向環(huán)形光源的多視角膠囊缺陷檢測(cè)裝置，申請(qǐng)?zhí)枺?/span>202111118525.1
[37]楊靜，吉曉陽，等，基于脈沖神經(jīng)網(wǎng)絡(luò)的機(jī)械手觸覺數(shù)據(jù)分類方法，申請(qǐng)?zhí)枺?/span>202111259707.0
[38]楊靜，劉庭卿，等，基于脈沖時(shí)間序列誤差反向傳播的觸覺物體識(shí)別方法，申請(qǐng)?zhí)枺?/span>202210914970.7
[39]楊靜，岑順禹，等，一種通過觸覺感知識(shí)別物品類別的工作系統(tǒng)，申請(qǐng)?zhí)枺?/span>202211066209.9
[40]楊靜，孫杰，等，一種基于雙通道稀疏化網(wǎng)絡(luò)的高光譜圖像分類方法，申請(qǐng)?zhí)枺?/span>202211124718.2