陈洪，男，理学博士，教授，博士生导师。华中农业大学硕彦计划拔尖人才，湖北省优秀博士论文获得者，曾获华中农业大学十大青年岗位能手，曾任匹兹堡大学兼职研究员、德州大学阿灵顿分校博士后研究员、澳门大学兼职研究员。现任农业智能技术教育部工程中心研究人员，信息学院人工智能与统计学习科研团队负责人。研究方向为 机器学习，人工智能的数学模型与算法 。

主持国家级项目 6 项，其中国家自然科学基金面上项目 3 项，在人工智能顶会 NeurIPS 、 ICML 、 ICLR 等发表论文 18 篇, 在 IEEE TPAMI/TIP/TNNLS/TCYB 、 Neural Computation 、 Neural Networks 、 Pattern Recognition 等人工智能领域主流期刊发表论文 50 余篇(其中 IEEE 汇刊 13 篇),在 Nature Genetics 、 Molecular Plant 、 Plant Phenomics 、 The Astrophysical Journal Supplement Series 等发表人工智能交叉应用论文。与中科院国家空间科学中心、西安交通大学、华中科技大学、南方科技大学、 MBZUAI 、澳门大学等建立了长期的合作关系，担任国际人工智能顶会 NeurIPS 、 ICML 、 ICLR 、 AAAI 、 IJCAI 和主流期刊 IEEE TPAMI/TNNLS/TCAS 等审稿人。

个人主页： https://chenhongml.github.io/ 团队主页： http://aisle.hzau.edu.cn/

课题组目前以 机器学习数学理论与模型 研究为根基，围绕 智慧农业 和 空间天气 等应用场景的特定算法需求，研发面向复杂数据环境的稳健可解释算法，支撑智慧农业和空间天气预报相关任务高质量完成。

做有理论深度的人工智能研究，探索面向产业需求的算法设计与应用。 热忱欢迎数学、统计学、计算机、智慧农业、农业工程等背景的学生报考硕士研究生和申请博士。

机器学习数学理论与模型

围绕机器学习关键瓶颈（复杂噪声下性能难保障、模型预测结果难解释、模型泛化性能难保障）展开研究，融合数学与统计学原理来探索精度与可解释性、稳健性等协同考虑的建模原则，建立学习模型的数学理论基础（泛化性、收敛性、选择一致性与可控性分析等），实现复杂场景下关键样本、重要特征等影响泛化能力核心因子的挖掘。

智慧农业算法设计与应用

面向智慧农业AI算法需求，分别与植科、园艺相关团队合作研究农作物复杂性状遗传变异关联基因位点的精确发现、园艺作物多维度重建及特征提取等智慧农业核心算法，开发适用于玉米智能育种和柑橘/猕猴桃自动表型提取系统，推动农业智能技术的发展。

空间天气预报建模与应用

面向空间天气预报 AI 建模需求，与中科院国家空间中心合作，融合领域知识、数据特性和任务要求构建可解释机器学习模型，提升预测及推理的稳定性和可信度。

团队名称：人工智能与统计学习

团队介绍：团队主页：http://aisle.hzau.edu.cn/index.htm
人工智能与统计学习团队由华中农业大学信息学院陈洪教授领导，现有博士生导师3名，硕士生导师4名，研究生合计50余名。研究领域包括机器学习、统计学习理论，模式识别，计算机视觉。当前研究方向主要集中在机器学习的理论分析和应用，包括但不限于可解释性机器学习和对抗机器学习。