주군, 칭화대 컴퓨터학과 교수, 칭화대 뇌지능연구소 주임 보좌관, 칭화대 인공지능연구소 기초이론센터 주임 겸 원장, 지능기술 및 시스템 국가중점연구소 부주임, 카네기멜론 대학 겸직 교수를 역임했습니다. 주로 기계 학습 연구에 종사하여 중요한 국제 정기 간행물과 회의에서 학술 논문 100 여 편을 발표하다. 그는 국제 저널 IEEETPAMI 의 부사장 편집 및 편집위원회 위원, 국제회의 ICML20 14 지역 공동 의장, ICML, NIPS 등 국제회의의 도메인 의장이다. 연구는 기계 학습의 기초 이론, 고효율 알고리즘 및 응용에 중점을 두고 이론과 실제 문제의 결합에 초점을 맞추고 있다. 복잡한 데이터 은닉 구조 연구 및 활용의 * * * 문제에 대해 구조 학습 및 구조 기반 통계 학습의 주요 문제를 연구하고 1 및 최대 엔트로피 판별 학습을 위한 PAC-Bayes 이론과 방법을 제시했습니다. 2. 베이시안 추리와 비정규화 비패라메트릭 베이시안 추리 이론을 정규화한다. 3. 베이시안 모델의 최대 구간 학습 이론 및 고효율 알고리즘. (4) 주산 깊이 확률 프로그래밍 라이브러리 등. 인터넷 데이터 마이닝, 소셜 네트워크 분석, 멀티 모달 데이터 융합, 네트워크 추천 등 많은 전형적인 애플리케이션 시나리오를 위해 기본 이론과 실제 문제를 결합하여 효과적인 컴퓨팅 모델과 알고리즘을 제시했습니다. 대규모 텍스트 분류, 소셜 네트워크 분석, 매트릭스 저순위 분해, 멀티 모달 데이터 융합 등의 문제를 해결하기 위한 정규화 베이시안 추리를 적용하고 효율적인 학습 알고리즘을 제안합니다. 구조적 최대 엔트로피 판별 학습은 네트워크 환경에서 정보 추출, 엔티티 관계 추출, 멀티 모달 데이터 융합 및 검색 등의 문제를 해결하는 데 사용됩니다. 구조 기반 네트워크 데이터 추출 프레임워크와 StatSnowball 을 포함한 여러 통계 모델을 구축하여 미국 특허 3 개를 포함한 17 개의 발명 특허를 신청했습니다. 연구 결과는 인간 큐브 관계 검색 엔진과 학술 검색 엔진을 포함한 Microsoft 의 여러 검색 엔진에 적용되었습니다.