Name: Badong, Chen (陈霸东)
Birth Place: Ziyang City, Sichuan (四川资阳市)
Hobbies: Playing Go (围棋), playing table tennis, watching movies, listening music, and so on.
ORCID: 0000-0003-1710-3818 ; SCOPUS ID: 16177239100; Web of Science Researcher ID: F-4211-2015
中文简介：陈霸东，西安交通大学人工智能与机器人研究所教授，博导。1997年和2003年毕业于重庆大学自动控制专业分别获学士和硕士学位，2008年毕业于清华大学计算机专业获博士学位，2010年10月至2012年9月在美国佛罗里达大学电气与计算机工程系做博士后研究。研究领域涵盖信号处理、机器学习、人工智能、认知计算、脑机接口、机器人。在国际知名期刊及会议发表学术论文300多篇，论文被引1.8万多次（H因子67）。入选斯坦福大学世界排名前2%科学家名单和Elsevier中国高被引学者榜单。出版学术专著7部，获授权国家发明专利30余件。获教育部自然科学一等奖、陕西省自然科学一等奖、中国自动化学会自然科学一等奖、吴文俊人工智能自然科学奖二等奖、中国自动化学会青年科学家奖、IEEE汇刊TCDS杰出论文奖等。入选国家级人才计划特聘教授及多项省级人才计划。担任中国认知科学学会常务理事、中国认知科学学会计算神经工程专委会主任委员、IEEE 面向信号处理的机器学习(MLSP)以及IEEE 认知与发展系统(CDS)技术委员会委员、MLSP2022大会共同主席、IJCNN2025大会技术程序主席。主持或参加各类科研项目20余项，作为负责人主持了国家自然科学基金重点项目、国家自然科学基金重大研究计划重点支持项目、联合基金重点项目、国家重点基础研究发展计划（973计划）课题、国家重点研发计划课题等重要科研项目。多次受邀在国际学术会议做大会或特邀报告。
代表性学术贡献：系统的发展了熵学习理论，做出了几项奠基性工作，解决了学习机或滤波器在复杂噪声干扰下性能退化难题。该方向研究成果有： 1）解决了最大互相关熵学习的收敛性和鲁棒性分析等若干基本理论难题，数学上严格证明了最大互相关熵随机梯度和不动点迭代两种自适应算法的收敛性，并证明了其对噪声的鲁棒性，给出了大噪声干扰下最大互相关熵学习最优解的摄动范围；2）提出量化的最小误差熵准则，将原有误差熵损失函数的计算复杂度从O(N2)降为O(MN)，解决了最小误差熵学习的计算瓶颈问题；3）提出多核互相关熵，建立了通用的熵损失函数模型，将多种熵学习准则纳入统一理论框架 。