北航计算机学院计算机应用技术导师介绍：张勤

• 2025考研英语全程班 早鸟3班
• 26考研全科上岸规划营「择校▪规划▪备考」
• 北京航空航天大学2025考研专业课复习资料「真题▪笔记▪讲义▪题库」

导师详细信息

姓名：张勤（兼职）

性别：男

出生年份：1956

职称：教授

院系：计算机学院

首次聘任导师时间：2008

现聘任导师一级学科名称：计算机科学与技术

现聘任导师二级学科名称：计算机应用技术

聘任在第二学科培养博士生专业名称：无

聘任在自主设置学科培养博士生专业名称：无

主要研究方向及特色：不确定性人工智能理论及应用研究

电子信箱：zhangqin@buaa.edu.cn；zq@cast.org.cn

办公电话：68571880

办公地点：北京市海淀区复兴路3号

通信地址：北京市海淀区复兴路3号中国科协

个人简介：

张勤，男，1956年3月生于重庆市，北京航空航天大学计算机学院博士生导师、清华大学核能与新能源技术研究院和工程物理系双跨博士生导师，中国人工智能学会不确定性人工智能专业委员会主任，清华大学博士后校友会会长、中国科协副主席、党组副书记、书记处书记，中国知识产权研究会副理事长兼学术顾问委员会主任。1978年至1989年，获清华大学核反应堆专业学士、硕士和博士学位，曾任清华大学研究生会主席、全国学联副主席、美国田纳西大学和UCLA大学访问学者、清华大学经管学院系统工程博士后、清华大学核研院副研究员、原国家科委研究员、中国技术创新公司产业部经理、厦门技术创新联合公司总经理、重庆市科委主任、国家知识产权局副局长。

目前在从事中国科协日常工作及知识产权理论和政策研究之余，主要从事人工智能理论及应用研究，创立了DUCG（Dynamic Uncertain Causality Graph）知识表达和推理理论并获得国家发明专利。该理论将贝叶斯网络（BN）理论纳为子集，克服了BN不能正确用于多赋值简洁表达、不能处理因果逻辑循环、数据缺乏、知识不完备或有错、证据不确定或虚假、复杂动态情况等缺陷，并可用于变量状态连续和离散任意混合、历史因果关系连续叠加等复杂情况。在故障诊断领域，DUCG除能快速准确给出推理结果外，能图形显示诊断理由、并预测故障发展，可广泛用于各种工业系统的故障诊断和预测、疾病诊断和预测、经济系统预测、灾害预报等。此外，早年研究系统可靠性理论及应用，提出了许多算法：如精确计算正态分布和对数正态分布情况下任意相关多变量概率分布算法、可维修系统失效频率与重要度的关系及算法、事件积之和不交化高效算法、可维修系统时间相关可靠度近似算法、系统可用度区间估计近似算法等。曾任中国运筹学会可靠性学会理事、91年洛杉矶“概率安全评价及管理（PSAM）”国际学术会议专家系统分组会议主席、《IEEE Transactions on Reliability》审稿员。

当前承担的部分课题有：中广核集团《安全运维智能专家系统技术研究与平台开发》，总额500万；国家自然科学基金面上项目《用于核电站故障诊断和安全运维的动态不确定因果图理论及应用研究》，总额30万元；国防专利审查协作中心《航天器故障诊断技术的知识产权状况调查分析》，总额40万元、《航天器故障诊断专利技术文献数据库建设》，总额60万；国家自然科学基金面上项目：《DUCG动态立体因果图的构建和推理方法及其实验验证研究》，总额80万元；航天五院科研课题：《基于模型的探测器故障诊断系统》，总额60万。目前北航在读博士生四人、课题组成员十余人。

希望招收有志于DUCG理论研究及应用的优秀研究生。原所学专业不限，但应具备计算机基础知识、掌握软件开发的基本技能，若了解原领域对人工智能的用户需求更好。

近五年代表性学术论文：

[1]Q. Zhang. Dynamic uncertain causality graph for knowledge representation and reasoning: discrete DAG cases. Journal of Computer Science and Technology, 2012, 27(1):1-23.

[2]Q. Zhang, C. Dong, Y. Cui and Z. Yang. Dynamic uncertain causality graph for knowledge representation and reasoning: statistics base, matrix and fault diagnosis. IEEE Trans. Neural Networks and Learning Systems, 2014, 25 (4) 645-663.

[3]Q. Zhang. “Dynamic uncertain causality graph for knowledge representation and reasoning: continuous variable, uncertain evidence and failure forecast.” IEEE Trans. Systems, Man and Cybernetics, DOI: 10.1109/TSMC.2015.2392711, 2015.

[4]Q. Zhang. “Dynamic uncertain causality graph for knowledge representation and reasoning: directed cyclic graph and joint probability distribution.” IEEE Trans. Neural Networks and Learning Systems, DOI: 10.1109/TNNLS.2015.2402162, 2015.

[5]Q. Zhang and S. Geng. “Dynamic uncertain causality graph applied to dynamic fault diagnosis of large and complex systems.” IEEE Trans. Reliability, DOI: 10.1109/TR.2015.2416332, 2015.

[6]C. Dong, Y. Wang, Q. Zhang & N. Wang. The methodology of dynamic uncertain causality graph for intelligent diagnosis of vertigo. Computer Methods and Programs in Biomedicine, 113 (2014) 162-174.

[7]C. Dong, Q. Zhang, S. Geng. A modeling and probabilistic reasoning method of dynamic uncertain causality graph for industrial fault diagnosis. International Journal of Automation and Computing, 11(3), 2014, 288-298.

近五年已授权的发明专利（含国防发明专利）：一种处理不确定因果关系类信息的智能系统的构造方法（中国发明专利），A METHOD FOR CONSTRUCTING AN INTELLIGENT SYSTEM PROCESSING UNCERTAIN CAUSAL RELATIONSHIP INFORMATION（美国发明专利）。