吴文峻
教授,博士生导师
wwj09315@buaa.edu.cn

基本情况

教育经历

1990-1994 北京航空航天大学学士

1994-1997 北京航空航天大学硕士

1997-2001 北京航空航天大学博士

工作经历

2002-2010 美国印第安那大学 芝加哥大学阿岗国家实验室 研究科学家

2011至今 北京航空航天大学计算机学院、人工智能学院教授

2025至今 北航国际创新研究院人工智能科创中心主任

兼职情况

2018 至今 国家人工智能标准总体组副组长

2018 至今 “新一代人工智能”重大项目总体组副组长

2024-2026 国务院学位委员会智能科学与技术学科评议组专家

主讲课程

研究生课程

《群体智能》、《科技论文写作与报告》

本科生课程

《人工智能导论》、《群体智能原理与实践》、《综合应用课程设计》

研究方向

(1)群体智能与多智能体强化学习

(2)大规模在线学习与智慧教育

(3)群体软件开发与智能服务

教学科研成果

长期深耕人工智能教育、科研创新与国家战略服务。教学方面,承担本科及研究生6门课程,年均授课108学时,培养研究生50余人,指导学生获北京市优秀毕业生、冯如杯金奖等荣誉;负责全校4000余名本科生人工智能通识教育,推动教材建设、教师培训、慕课平台和智慧课堂建设,上线52门专业慕课,相关成果获北京市教学成果一等奖。科研方面,率先开展群体智能、大规模在线协同学习和群体软件开发研究,主持国家自然科学基金重点项目、国家重点研发计划等20余项,在国际顶级期刊和会议发表论文200余篇、出版中英文学术专著2部,相关成果应用于智慧教育、国家电网和共享出行等领域,并服务140余所学校、数十万学生。

获奖情况

1. 面向计算机专业核心能力培养的在线实验体系的研究与实践,北京市教学成果一等奖,2018年

发明专利

[1] 一种基于群体智能的群智竞赛平台框架系统及方法,国家发明专利,ZL201910982763.3,2021年10月29日授权

[2] 一种基于BPMN的微服务工作流部署方法,国家发明专利,ZL202011338284.7,2021年12月14日授权

[3] 一种基于注意力机制的API误用检测方法及系统,国家发明专利,ZL202210566644.1,2022年8月16日授权

[4] 一种基于图神经网络的微服务系统故障定位方法,国家发明专利,ZL202210560212.X,2023年4月7日授权

[5] ALARMING METHOD FOR MICRO-SERVICE INDEX PREDICTION BASED ON CAUSALITY TEST,国际发明专利,荷兰专利号2034766,2025年2月18日授权

代表性论文

[1] WU W, HUANG T, GONG K. Ethical Principles and Governance Technology Development of AI in China[J]. Engineering, 2020, 6(3): 302–309. DOI: 10.1016/j.eng.2019.12.015.

[2] PENG T, WU W, YUAN H, et al. GraphRARE: Reinforcement Learning Enhanced Graph Neural Network with Relative Entropy[C]//2024 IEEE 40th International Conference on Data Engineering (ICDE). IEEE, 2024: 2489–2502. DOI: 10.1109/ICDE60146.2024.00196.

[3] PU Y, LIU F, SHI R, et al. ELAKT: Enhancing Locality for Attentive Knowledge Tracing[J]. ACM Transactions on Information Systems, 2024, 42(4): Article 112, 1–27. DOI: 10.1145/3652601.

[4] PENG T, YUAN H, ZHANG Y, et al. TagRec: Temporal-Aware Graph Contrastive Learning With Theoretical Augmentation for Sequential Recommendation[J]. IEEE Transactions on Knowledge and Data Engineering, 2025, 37(5): 3015–3029. DOI: 10.1109/TKDE.2025.3538706.

[5] WANG Q, WU W, QI Y, et al. Deep Bayesian Active Learning for Learning to Rank: A Case Study in Answer Selection[J]. IEEE Transactions on Knowledge and Data Engineering, 2022, 34(11): 5251–5262. DOI: 10.1109/TKDE.2021.3056894.