博客
关于我
【19调剂】哈尔滨工程大学计算机学院王慧强教授课题组招聘硕士研究生
阅读量:318 次
发布时间:2019-03-03

本文共 962 字,大约阅读时间需要 3 分钟。

哈尔滨工程大学"黑龙江省新一代网络技术与信息保障重点实验室"/""黑龙江省新一代网络信息保障工程实验室"正在招募研究生,硕士招生人数为15-20人,博士3-4人。实验室依然保留2019年度入学名额,欢迎有意者加入我们。

实验室的招生方向包括:

  • 网络技术与信息安全
  • 移动物联网及智能感知
  • 无线室内定位技术
  • 云计算及边缘计算
  • AI驱动的智能网络计算
  • 现任实验室所长的王慧强教授,工学博士,博导/硕导,教授。现任黑龙江省重点工程实验室"新一代网络信息保障工程实验室"和教育部"互联网应用创新开放平台示范基地"的主要负责人,第三、四届校学术委员会委员,第九届校学位委员会委员兼第四学位分委员会副主席。王教授主持或完成各类国家项目、国防科技项目和省部级项目30余项,其它横向项目50余项,包括国家科技重大专项"面向亚米级位置服务的5G异构网络融合技术及原型系统研发"、国家863项目"基于自律计算的分布式系统可恢复性关键技术(2007AA01Z401)"、国家自然科学基金重大计划项目"基于自律计算的软件可信性增长模型与方法(90718003)"等。相关研究成果获省部级以上奖励9项,其它奖励20余项。正式出版著作包括《舰载C3I局部网络系统抗毁性设计》、《Internet计算机互联网技术及应用》等5部。申请发明专利37项,已获发明专利授权12项,国防专利授权4项,软件著作权15项。在《International Journal of Computers Communications & Control》、《International Journal of Web Services Research》、《JCST》、《计算机学报》、《软件学报》、《电子学报》和《通信学报》等国内外重要刊物和会议上公开发表学术论文350余篇,其中30余篇被SCI检索,其它180余篇被EI检索。截止2016年4月已培养并毕业博士研究生30余人,硕士研究生120余人。

    2019年度实验室名额仍有部分未招满,欢迎有意者报考。如需了解更多信息,可以关注相关公众号或加入调剂交流群(QQ群:970655994)。

    信息来源网址:http://muchong.com/t-13176855-1

    如需了解更多调剂信息,可以关注公众号或加入QQ群进行交流。

    转载地址:http://atbm.baihongyu.com/

    你可能感兴趣的文章
    Paint类(画笔)
    查看>>
    paip. 调试技术打印堆栈 uapi print stack java php python 总结.
    查看>>
    paip.android 手机输入法制造大法
    查看>>
    paip.spring3 mvc servlet的配置以及使用最佳实践
    查看>>
    Palindrome Number leetcode java
    查看>>
    Palo Alto Networks Expedition 未授权SQL注入漏洞复现(CVE-2024-9465)
    查看>>
    Palo Alto Networks Expedition 远程命令执行漏洞(CVE-2024-9463)
    查看>>
    Palo Alto Networks PAN-OS身份认证绕过导致RCE漏洞复现(CVE-2024-0012)
    查看>>
    Panalog 日志审计系统 libres_syn_delete.php 前台RCE漏洞复现
    查看>>
    Springboot中@SuppressWarnings注解详细解析
    查看>>
    Panalog 日志审计系统 sprog_deletevent.php SQL 注入漏洞复现
    查看>>
    Panalog 日志审计系统 sprog_upstatus.php SQL 注入漏洞复现(XVE-2024-5232)
    查看>>
    Panalog 日志审计系统 前台RCE漏洞复现
    查看>>
    PANDA VALUE_COUNTS包含GROUP BY之前的所有值
    查看>>
    pandas - 如何将所有列从对象转换为浮点类型
    查看>>
    Pandas - 按列分组并将数据转换为 numpy 数组
    查看>>
    Pandas - 按日期对日内时间序列进行分组
    查看>>
    Pandas - 有条件的删除重复项
    查看>>
    pandas -按连续日期时间段分组
    查看>>
    pandas -更改重新采样的时间序列的开始和结束日期
    查看>>