学科信息

王艺，教授，自2005年起从事模式识别与机器学习领域科研与教学工作，2017年入选国家海外高层次人才计划，全职回国工作至今。其学术成果主要发表在人工智能领域国际权威期刊及会议上，包括IEEE TPAMI、TIFS、AAAI、NeuraIPS、CVPR等，近五年在对抗机器学习、协同训练与知识蒸馏等方向上获得中国发明专利授权7项、美国专利授权1项；自2019年起，在东莞理工学院培养了7届硕士研究生（含深大联培），均顺利完成硕士毕业论文答辩并参加工作。其中1人获深圳大学优秀毕业生称号、2人获东莞理工学院优秀毕业生称号；指导本校学生发表CCF-A类论文3篇、CCF-B类论文5篇、EI检索会议论文16篇、授权国内外专利5项；指导学生作品《AI音色转换大师》参加2024年第十七届全国大学生软件创新大赛，获得《赛题一：基于AIGC等前沿技术的移动终端应用创新》华南赛区区域决赛二等奖。毕业学生中现有2人获得省内一流大学计算机科学博士学位，5人在深圳企事业单位从事AI算法研发工作。

 

本人于2019-2026年已在东莞理工学院培养了包括深大联培在内的7届硕士研究生，均顺利完成硕士毕业论文答辩并参加工作。其中1人获深圳大学优秀毕业生称号、2人获东莞理工学院优秀毕业生称号；指导本校学生发表CCF-A类论文3篇、CCF-B类论文5篇、EI检索会议论文16篇、授权国内外专利5项；指导学生作品《AI音色转换大师》参加2024年第十七届全国大学生软件创新大赛，获得《赛题一：基于AIGC等前沿技术的移动终端应用创新》华南赛区区域决赛二等奖；指导毕业学生中现有2人已获得省内一流大学计算机科学博士学位，5人在深圳企事业单位从事AI算法研发工作。

 

本项目将研究利用毫米波雷达、多模态智能传感器实现生命体征定位、动作识别等应用，支撑紧急情况响应识别和疾病早期预警诊断。我们将围绕“机理研究-模型设计-部署优化-跨域协同”的主线，开展“生命体征智能感知的机理研究-多维感知数据融合的深度学习模型设计-基于边缘计算的智能感知模型高效部署-跨域带隐私保护的联邦感知协同”一系列系统深入的研究，突破基于边缘计算的生命体征信号智能处理新技术，包括设计面向多维感知数据融合的深度学习模型和优化基于边缘计算的智能感知模型部署等。

 

机器学习、模式识别

 

1. M. Chen, J. Du, B. Huang, Y. Wang, X. Zhang and W. Wang. Diffusion Reconstruction-based Data Likelihood Estimation for Core-Set Selection, AAAI Conference on Artificial Intelligence (AAAI '26) [C], 2026, Singapore, vol. 40,  14556-14564. (CCF-A) DOI:10.48550/arXiv.2511.19274 

2. H. Yang, B. Liu, X. Xu, C. Xu, Y. Yu, Z. Huang, Y. Wang and S. He. StableGuard: Towards Unified Copyright Protection and Tamper Localization in Latent Diffusion Models, Annual Conference on Neural Information Processing Systems (NeurIPS'25) [C], 2025, San Diego, USA,vol.38, 14692-14720. (CCF-A) 

3. Q. Wu, J. Guo, W. Wang and Y. Wang. Robustness Feature Adapter for Efficient Adversarial Training, Frontiers in Artificial Intelligence and Applications (ECAI'25) [C], 2025, Bologna Italy, vol.413, 3451-3459. (CCF-B)  DOI：10.3233/FAIA251217. 

4. M. Chen, J. Du, B. Huang, Y. Wang, X. Zhang and W. Wang. Influence-Guided Diffusion for Dataset Distillation, International Conference on Learning Representations (ICLR'25) [C], 2025, Singapore, 1287-1308. (CCF-A)  URL: https://openreview.net/pdf?id=0whx8MhysK.

5. B. Huang, Y. Jiang, M. Chen, Y. Wang, H. Chen and W. Wang. When Evolution Strategy Meets Language Models Tuning, International Conference on Computational Linguistics (COLING'25) [C], 2025, Abu Dhabi, UAE, 5333-5344. (CCF-B) DOI:https://aclanthology.org/2025.coling-main.357

6. H. Yang, X. Xu, C. Xu, H. Zhang, J. Qin, Y. Wang, P. Heng and S. He.  G2Face: High-Fidelity Reversible Face Anonymization via Generative and Geometric Priors, IEEE Transactions on Information Forensics and Security [J], 2024, vol. 19, 8773-8785.( CCF-A, 中科院SCI 一区)（影响因子：8.5） DOI: 10.1109/tifs.2024.3449104

7. S. Liu, Y. Zhang, K. Zhang and Y. Wang. Federated Learning with Hybrid Knowledge Distillations on Long-Tailed Heterogeneous Client Data, Frontiers in Artificial Intelligence and Applications (ECAI'24) [C], 2024, Santiago de Compostela, Spain, vol. 392, 2878-2885. (CCF-B) DOI: https://ebooks.iospress.nl/doi/10.3233/FAIA240825

8. Q. Wu, B. Huang, Y. Wang, Z. Ke and D. Luo.  Deep Ensemble Robustness by Adaptive Sampling in Dropout-Based Simultaneous Training, Frontiers in Artificial Intelligence and Applications (ECAI'23) [C], 2023, Kraków/Poland, vol.372, 2688 - 2695.(CCF-B) DOI: 10.3233/faia230577

9. B. Huang, M. Chen, Y. Wang, J. Lu, M. Cheng and W. Wang. Boosting Accuracy and Robustness Of Student Models Via Adaptive Adversarial Distillation, IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR'23) [C], 2023, Vancouver, Canada, 24668-24677. (CCF-A) DOI: 10.1109/cvpr52729.2023.02363 

10. H. Yang, Y. Wang and B. Li. Individual Property Inference Over Collaborative Learning In Deep Feature Space, IEEE International Conference on Multimedia and Expo (ICME'22) [C], 2022, Taipei, Taiwan, 1-6. (CCF-B) DOI: 10.1109/icme52920.2022.9859857