张江

学位：博士

职称：教授

联系地址： 北京师范大学科技楼系统科学学院

邮政编码： 100875

电话： +86 10 58807097

Email：zhangjiang#bnu.edu.cn

个人主页：https://jake.swarma.org

教育经历：

2000-2006 博士 北京交通大学

1996-2000 本科 北京交通大学

工作经历：

2017至今，教授，北京师范大学系统科学学院

2012-2017，副教授，北京师范大学系统科学学院

2008-2012，讲师，北京师范大学管理学院

2006-2008，博士后，中科院数学与系统科学研究院

研究兴趣：

（1）复杂系统自动建模

根据复杂系统可观测变量的时间序列自动构建复杂系统模型，通过图网络、因果推理、信息论、深度学习等技术自动地学习动力学、并进行行为预测、推断隐藏的网络结构、节点状态等未知信息，甚至自动发现具有因果特性的宏观变量，并辨识是否存在涌现现象。

（2） 复杂网络上的机器学习

机器学习为我们提供了新工具来处理并解决复杂网络中的推断，例如：复杂网络分类、网络补全、连边预测等。

（3）规模标度(Scaling)分析

在城市系统、生物系统、企业和网络中，通过在数据中发掘整体层面的标度律，这些规律可以表征复杂系统的宏观普遍模式，也可以为微观层面的机制提供一些洞察。

（4） 开放流网络

通过将复杂开放系统建模为有向加权网络，并在网络中添加两个特殊节点：源和汇，我们可以针对一类具有守恒特性的流结构进行建模，潜在应用包括：在线教育和学习系统中的注意力流分析，在线论坛、网站中的注意力流分析，国际贸易系统中的商品流分析和生态系统食物网中的能量流分析等。

代表性论著：

（1）Ruiqi Li; Lei Dong; Jiang Zhang; Xinran Wang; Wen-xu Wang; Zengru Di; H.Eugene Stanley ; Simple spatial scaling rules behind complex cities, Nature Communications, 2017, 8: 0-1841 （期刊论文）

（2）Lifei Wang; Rui Nie; Zeyang Yu; Ruyue Xin; Caihong Zheng; Zhang Zhang; Jiang Zhang; Jun Cai ; An interpretable deep-learning architecture of capsule networks for identifying cell-type gene expression programs from single-cell RNA-sequencing data, Nature Machine Intelligence, 2020, 2 : 0-693 - 703 （期刊论文）

（3）Mengyuan Chen; Yan Zhang; Zhang Zhang; Lun Du; Shuo Wang; Jiang Zhang ; Inferring network structure with unobservable nodes from time series data, Chaos, 2022, 32 (013126) （期刊论文）

（4）Shuo Wang; Yanran Li; Jiang Zhang; Qingye Meng; Lingwei Meng; Fei Gao ; PM2.5-GNN: A Domain Knowledge Enhanced Graph Neural Network For PM2.5 Forecasting, SIGSPATIAL '20: 28th International Conference on Advances in Geographic Information Systems, Seatle, USA, 2020-11-3至2020-11-6 （会议论文）

（5） Zhang Zhang; Yi Zhao; Jing Liu; Shuo Wang; Ruyi Tao; Ruyue Xin; Jiang Zhang ; A general deep learning framework for network reconstruction and dynamics learning, Applied Network Science, 2019, 4(110): 0-110 （期刊论文）

社会任职：

集智俱乐部创始人，集智学园（北京）科技有限公司创始人，集智科学研究中心理事长

教学情况：

本科生课程: 复杂性思维, MATLAB基础与应用, 计算机建模与仿真，宏观经济学原理

研究生课程: 人工智能, 数据驱动人工智能, 系统科学, 系统理论进展