辽宁工程技术大学机器智能团队由姜文涛、袁姮、曲海成、邱云飞、刘腊梅、王心霖等研究生导师组成，是我校优秀研究生导师团队。该团队是一支政治素质过硬、结构合理、业务能力精湛、育人成效显著的研究生导师队伍。团队长期深耕于人工智能及其交叉领域，研究方向特色鲜明，涵盖了计算神经科学、深度学习、模式识别、神经网络、计算机视觉、遥感数据分析、智能信息处理、嵌入式系统等多个前沿方向，形成了科研与教学深度融合、理论与实践紧密结合的研究体系和人才培养模式。
团队在科研创新方面成果丰硕，承担了包括国家自然科学基金、中央军委装备发展部装备预研基金、辽宁省科技厅科技创新项目、辽宁省自然科学基金及各类省部级科研与教改项目在内的多项重要课题。团队成员在国内外高水平期刊和会议上发表了大量有影响力的学术论文，代表性工作包括发表在Cell子刊《Patterns》上的突破性研究成果，以及在《计算机学报》、《软件学报》、《自动化学报》、《电子学报》、《控制与决策》、CVPR、AAAI等国内外顶级期刊和会议上的系列论文。团队在神经网络基础理论、遥感图像智能解译、视觉感知识别、嵌入式系统设计等方面取得了显著的理论与应用突破，并拥有多项国家发明专利和国防专利，荣获了包括省级教学成果奖、行业科技进步奖在内的多项荣誉。
在研究生培养与教学方面，团队始终将立德树人作为根本任务，注重科教融合与学生的全面发展。团队成员承担了“软件体系结构”、“图像处理”、“计算机视觉”等多门研究生核心课程的教学，并将前沿科研成果及时转化为教学案例，有效提升了教学质量。团队指导的研究生培养质量突出，累计有16人获得国家奖学金，12人获评校级优秀硕士学位论文，多人荣获“辽宁省优秀毕业生”等荣誉称号。毕业生就业质量高，广泛就职于中国移动、阿里巴巴、华为、长城汽车等知名企业、高等院校及国防单位，展现出优秀的竞争力。
该团队治学严谨，育人有方，在人工智能领域的科学探索、技术创新和高素质人才培养方面均取得了显著成效，是一支研究方向明确、学术成果丰硕、育人特色鲜明、富有协作精神的研究生导师团队，为服务国家信息科技发展和地方人才培养作出了积极贡献。
代表性成果[1] 姜文涛，袁姮，刘万军等。Neuron Signal Attenuation Activation Mechanism for Deep Learning，2025
期刊简介：《Patterns》是Cell Press旗下专注于人工智能跨学科研究的子刊，影响因子10.5，Citescore 17.7。该期刊发表旨在解决重大挑战、具有广泛影响力的计算方法与发现。
该研究：提出并论证了一种生物神经元信号衰减激活机制（Neuron Signal Attenuation, NSA），用于深度学习网络。该研究解决了传统神经网络在特征表达和信息传递过程中存在的信息冗余和梯度问题，通过模拟神经元的适应性响应，增强了深度网络的表征能力和学习稳定性，为构建接近生物机理的人工神经网络模型提供了理论基础。
[2] 李浩东，宫彦，曲海成等。GADet: Geometry-Aware oriented object detection for remote sensing，2026
期刊简介：《Knowledge-Based Systems》是Elsevier旗下知识工程领域的国际知名期刊，影响因子7.6，Citescore 15。该期刊关注基于知识的系统、人工智能及其应用。
该研究：提出了一种几何感知的定向目标检测器（GADet），专门用于遥感图像中任意方向物体的精确检测。该研究解决了传统水平框检测方法在描述具有方向性的遥感目标时存在的边界不匹配和特征提取不准确问题，通过引入几何感知模块，显著提升了密集、任意方向排列目标的检测精度。
[3] 姜文涛，高原，袁姮等。 门控机制的图像分类网络，2024
期刊简介：《电子学报》是中国电子学会主办的中国权威学术期刊（被EI Compendex收录，中文核心期刊），主要刊载电子与信息科学领域具有创新性的高水平研究成果。
该研究：将门控机制创新性地引入图像分类网络结构设计中。该研究解决了网络前向传播过程中信息流控制不够灵活、冗余信息可能干扰有效特征传递的问题，通过引入门控单元，动态调节网络中特征信息的流向与强度，从而提升了网络的计算效率与特征选择性，实现了更优的分类性能。
[4] 姜文涛，刘万军，袁姮等。视觉量子目标跟踪方法， 2015
期刊简介：《软件学报》是中国科学院软件研究所与中国计算机学会联合主办的国内计算机软件领域权威学术期刊（被EI Compendex收录，中文核心期刊），在软件工程、系统软件等领域具有重要影响力。
该研究：提出了一种基于视觉量子理论的目标跟踪新方法。该研究解决了复杂场景下目标跟踪的鲁棒性与实时性难以兼顾的挑战，通过将视觉信息最小化处理并建立相应的状态演化模型，为视觉跟踪提供了新的理论框架和高效算法。
[5] 姜文涛，刘万军，袁恒。基于软特征理论的目标跟踪研究， 2016
期刊简介：《计算机学报》是中国计算机学会主办的国内计算机科学与技术领域顶尖学术期刊（被EI Compendex收录，中文核心期刊），代表了中国计算机科学研究的最高水平。
该研究：系统性地提出了软特征理论，并将其应用于目标跟踪领域。该研究解决了传统特征在目标形变、遮挡等情况下容易失效的问题，通过定义和利用更具弹性和判别力的“软特征”，显著提升了跟踪算法在复杂动态环境下的适应能力和鲁棒性。
[6] 袁姮, 武景瑞, 张晟翀。全局依赖引导的特征重构图像分类网络， 2026
期刊简介：《电子学报》是中国电子学会主办的中国权威学术期刊（被EI Compendex收录，中文核心期刊），主要刊载电子与信息科学领域具有创新性的高水平研究成果。
该研究：针对图像分类任务中如何有效建模并利用特征间的全局依赖关系这一问题，提出了一种全局依赖引导的特征重构网络。该研究解决了传统卷积操作感受野有限、难以捕获长距离语义关联的局限性，通过构建全局上下文依赖模型并引导特征重构，显著提升了复杂场景下图像分类的精度与鲁棒性。
[7] 袁姮, 杨继真, 张晟翀.衰减解耦机制的图像分类网络， 2026
期刊简介：《电子学报》是中国电子学会主办的中国顶级权威学术期刊（被EI Compendex收录，中文核心期刊），主要刊载电子与信息科学领域具有创新性的高水平研究成果。
该研究：提出了一种衰减解耦机制，用于提升深度图像分类网络的性能。该研究解决了深度网络中特征传递过程中的信息耦合与衰减问题，通过设计解耦模块来分离并强化关键特征路径，抑制无关或噪声信息的干扰，从而增强了网络的特征鉴别能力和泛化性能。
[8] 袁姮, 霍欣燃, 姜文涛。全息梯度差分卷积的图像分类网络，2025
期刊简介：《自动化学报》是中国自动化学会主办的国内自动化、控制与系统科学领域最具影响力的顶尖学术期刊（被EI Compendex收录，中文核心期刊）。
该研究：设计了一种全息梯度差分卷积（HGDC）模块，并将其集成到图像分类网络中。该研究解决了标准卷积在同时感知空间细节与区域差异方面的不足，通过融合梯度与差分信息，使网络能够更精细地捕捉图像的边缘、纹理及结构特征，从而有效提升了图像分类，尤其是细粒度分类的性能。
[9] 袁姮, 冉超, 张晟翀。背景感知机制的图像分类网络，2025
期刊简介：《电子学报》是中国电子学会主办的中国权威学术期刊（被EI Compendex收录，中文核心期刊），主要刊载电子与信息科学领域具有创新性的高水平研究成果。
该研究：提出了一种背景感知机制，并将其应用于图像分类网络。该研究解决了图像中主体与背景信息相互干扰、影响分类判别性的问题，通过显式建模并区分前景目标与背景上下文，使网络能够更聚焦于目标本身的特征，抑制背景噪声，从而提升了分类的准确性和可解释性。
[10] 袁姮, 王志宏, 姜文涛。基于复合梯度向量的人脸识别算法，2017
期刊简介：《自动化学报》是中国自动化学会主办的国内自动化、控制与系统科学领域最具影响力的顶尖学术期刊（被EI Compendex收录，中文核心期刊）。
该研究：提出了一种基于复合梯度向量特征的人脸识别算法。该研究解决了传统人脸特征描述子在光照、表情变化下判别力不足的问题，通过计算并融合多方向、多尺度的梯度信息构建复合特征向量，增强了人脸表征的鲁棒性和独特性，提高了人脸识别系统的性能。
[11] 袁姮，孙名，韩先平。频率感知卷积的图像分类网络，2026
期刊简介：《控制与决策》是教育部主管、东北大学主办的自动控制与决策领域国内权威学术期刊（被EI Compendex收录，中文核心期刊）。
该研究：提出了一种频率感知卷积操作，用于构建图像分类网络。该研究解决了空间域卷积对图像频域信息利用不足的问题，通过在卷积过程中引入频率感知能力，使网络能够同时学习图像的空间结构和频域特性，从而提取到更全面、更具判别力的特征，提升了分类精度。
[12] 曲海成, 高健康, 刘万军等。上下文信息融合与分支交互的SAR图像舰船无锚框检测，2022
期刊简介：《电子与信息学报》是中国科学院空天信息创新研究院主办的电子与信息科学领域权威学术期刊（被EI Compendex收录，中文核心期刊）。
该研究：提出了一种结合上下文信息融合与分支交互的合成孔径雷达（SAR）图像舰船无锚框检测方法。该研究解决了SAR图像中舰船目标受复杂海杂波干扰、尺度变化大导致检测困难的问题，通过有效融合多尺度上下文信息并设计分支间交互机制，提升了在复杂海况下舰船目标的检测精度和鲁棒性。
[13] 曲海成, 于思淼, 刘万军。面向CUDA程序的性能预测框架，2020
期刊简介：《电子学报》是中国电子学会主办的中国权威学术期刊（被EI Compendex收录，中文核心期刊），主要刊载电子与信息科学领域具有创新性的高水平研究成果。
该研究：构建了一个面向CUDA程序的性能预测框架。该研究解决了GPU程序性能优化依赖试错、效率低下的问题，通过分析程序特征与硬件性能指标之间的关系，实现了在程序运行前对其在特定GPU上执行性能的准确预测，为高性能计算程序的快速调优提供了有效工具。
