主要研究方向
.机器学习

研究领域
.统计学习
.数据挖掘
.优化理论与应用研究

代表作
.Improved Powered Stochastic Optimization Algorithms for Large-Scale Machine Learning,Journal of Machine Learning Research,SCI,2023,Zhuang Yang,24/1-29,1
.Painless Stochastic Conjugate Gradient for Large-Scale Machine Learning,IEEE Transactions on Neural Networks and Learning Systems,SCI,2023,Zhuang Yang,1-14,1
.Adaptive Powerball Stochastic Conjugate Gradient for Large-Scale Learning,IEEE transactions on Big Data,SCI,2023,Zhuang Yang,1-11,1
.Adaptive step size rules for stochastic optimization in large-scale learning,Statistics and Computing,SCI,2023,Zhuang Yang,Li Ma,33/2,1
.Large-scale machine learning with fast and stable stochastic conjugate gradient,Computers & Industrial Engineering,SCI,2022/09,Zhuang Yang,173,1

个人简介

杨壮，男，博士，副教授，金沙集团186cc优秀青年学者。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月加入金沙集团186cc，参与计算机系和机器学习与图像处理研究中心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2023-2025）。现/曾担任Pattern Recognition，Signal Processing，Arabian Journal for Science and Engineering，计算机科学等国内外期刊审稿人。曾担任国际会议ECML-PKDD 2021年审稿人。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。以第一作者身份发表高水平研究论文接近20篇。包括：Journal of Machine Learning Research (JMLR, CCF A), IEEE Transactions on Neural Networks and Learning Systems (TNNLS), IEEE Transactions on Big Data (TBD), Information Sciences、Knowledge-Based Systems、Expert Systems with Applications等国际期刊。