周超，男，汉族，工学博士，讲师。2022年6月毕业于湖南大学计算机科学与技术专业，获工学博士学位。2025年11月于中国科学院深圳先进技术研究院博士后出站。主要从事人工智能与深度学习相关研究，重点关注神经常微分方程、忆阻神经网络动力学以及人工智能大模型等方向。已在相关领域学术期刊发表多篇论文，并担任《American Control Conference》《Neurocomputing》等国际会议/期刊审稿人。

研究方向

1.深度学习与神经常微分方程:

研究如何提升深度学习模型的稳定性与效率，增强其对连续动态过程的建模能力。

2.忆阻神经网络动力学与复杂网络控制:

研究神经网络系统的动态行为、记忆机制，以及复杂网络中的控制与优化方法。

3.人工智能大模型与智能应用:

关注大模型与智能预测等前沿技术，探索其在文本理解、数据分析与智能决策中的方法与应用。

科研成果

主要围绕神经常微分方程、忆阻神经网络动力学与控制等方向开展研究。近年发表的代表性论文如下：

[1]Zhou Chao, Zhang Qieshi, Cheng Jun, Neural Adaptive Delay Differential Equations.Neurocomputing, vol. 648, p. 130634, 2025 (中科院2区)

[2]Zhou Chao, Wang Chunhua, Yao Wei. Observer-based synchronization of memristive neural networks under DoS attacks and actuator saturation and its application to image encryption.Applied Mathematics and Computation, 2022, 425: 127080. (中科院1区)

[3]Zhou Chao, Wang Chunhua, Sun Yichuang, Lin Hairong, Yao Wei. Quasi-synchronization of stochastic memristive neural networks subject to deception attacks,Nonlinear Dynamics,2023,111: 2443-2462 (中科院2区)

[4]Zhou Chao, Wang Chunhua, Sun Yichuang. Cluster output synchronization for memristive neural networks,Information Sciences,2022,589:459-477. (中科院2区)

[5]Zhou Chao, Wang Chunhua, Sun Yichuang, Yao Wei. Weighted sum synchronization of memristive coupled neural networks,Neurocomputing, 2020, 403: 211-223. (中科院2区)

[6]Zhou Chao, Zhang Xiaogang, Chen Hua, A new robust method for blood vessel segmentation in retinal fundus images based on weighted line detector and hidden Markov model,Computer Methods and Programs in Biomedicine, 2020, 108: 105231. (中科院3区)

招生与培养

欢迎计算机科学与技术、人工智能、自动化等相关专业学生报考。课题组注重学生科研能力与实践能力的协同培养，将在论文写作、算法研究与项目实践等方面提供指导。对表现优秀、具有科研潜力的研究生，可推荐至中国科学院及国内外高水平高校继续攻读博士学位。

联系方式

电子邮箱：zhouchao@hnu.edu.cn