E - Mail: rwjie@ustc.tsg211.com
工作微信: smile2ben
主要研究方向：可信人工智能、人工智能的鲁棒性和可解释性、机器学习在物联网和普适计算、医疗健康数据分析上的应用。
阮文杰（男，硕士生导师，博士生导师），本科毕业于中南大学自动化系，硕士毕业于中南大学控制科学与工程系，博士毕业于澳大利亚阿德莱德大学计算机系，在攻读博士学位期间，访问了清华大学物联网技术中心（GreenOrbs）进行了为期六个月的合作研究，阮博士还获得2016年国家留学管理委员会优秀自费留学生奖学金。博士毕业后阮博士在多个罗素集团大学包括牛津和埃克塞特等大学从事博士后研究以及科研教学工作。阮博士的主要研究兴趣在于人工智能模型的鲁棒性和可信性，特别是针对各种常用深度学习模型鲁棒性设计高效的评估算法，以及设计具有理论保证的验证算法和工具；与此同时，阮博士还对可信人工智能在物联网，普适计算和医疗健康数据建模等应用领域特别感兴趣。阮博士多次在各类国际会议担任程序委员会的高级委员或委员，并且在多个国际会议上组织和讲授深度学习鲁棒性相关的专题教程（tutorial）。阮博士的主要研究目标是对人工智能模型的可信性和鲁棒性实现有理论保证的评测与量化，从而使模型能够更加安全可信的应用于各类实际系统中。欢迎对相关领域感兴趣的学生和研究人员联系我一起工作和进行合作研究。
代表性论著：
1. Zhang, C., Ruan, W., & Xu, P., Reachability analysis of neural network control systems. In Proceedings of the AAAI Conference on Artificial Intelligence., 2023
2. Zhang, Y., Ruan, W., Wang, F. and Huang, X., Generalizing universal adversarial perturbations for deep neural networks. Machine Learning, 112(5), pp.1597-1626. 2023
3. Wang, Z., & Ruan, W., Understanding adversarial robustness of vision transformers via cauchy problem. In Joint European Conference on Machine Learning and Knowledge Discovery in Databases, 2022
4. Zhang, T., Ruan, W. and Fieldsend, J.E., Proa: A probabilistic robustness assessment against functional perturbations. In Joint European Conference on Machine Learning and Knowledge Discovery in Databases (pp. 154-170), 2022
5. Yin, X., Ruan, W., & Fieldsend, J., Dimba: discretely masked black-box attack in single object tracking. Machine Learning, pp.1-19., 2022
6. Chen, D., Wang, J., Ruan, W., Ni, Q. and Helal, S., Enabling cost-effective population health monitoring by exploiting spatiotemporal correlation: An empirical study. ACM Transactions on Computing for Healthcare, 2(2), pp.1-19., 2021
7. Huang, W., Sun, Y., Zhao, X., Sharp, J., Ruan, W., Meng, J. and Huang, X., Coverage-guided testing for recurrent neural networks. IEEE Transactions on Reliability, 71(3), pp.1191-1206, 2021
