李东霖，博士学位、研究生学历，副教授，硕、博士生导师。
主要研究方向为康复机器人的运动控制及智能化技术、脑机接口技术、智能识别、多智能体优化等。2023年获东北大学控制科学与工程专业博士学位。
联系方式：
邮箱：donglin_l@foxmail.com
主要经历：
目前，主持辽宁省科技厅项目1项，辽宁省教育厅项目1项，电网横向课题2项，主持国家自然科学基金1项，参与国家自然科学基金2项，参与辽宁省科学技术方案项目1项。先后于《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE Transactions on Neural Systems and Rehabilitation Engineering》与《IEEE Transactions on Instrumentation and Measurement》等国内外SCI刊源期刊发表学术论文十余篇。曾受邀担任《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE Transactions on Neural Systems and Rehabilitation Engineering》、《Biomedical Signal Processing and Control》等期刊的审稿人。
主要研究方向：
围绕人工智能算法、脑机接口、大模型、多智能体优化与智能识别展开。在人工智能与智能识别方面，关注深度学习、表征学习与对比学习等方法，面向非平稳、小样本与跨域等复杂场景，提升对生理信号、工业信号等多源数据的模式理解与鲁棒分类能力。在脑机接口方向，侧重神经信号的高效采集、预处理与解码，研究特征提取、域适应与迁移学习等机制，以提高运动想象、运动意图等任务的识别精度与稳定性。在大模型相关探索上，结合课题需求，关注大模型与专用小模型、传统信号处理方法的协同，用于复杂语义理解、辅助标注、知识融合或人机交互中的智能决策支持（具体路径随数据形态与应用场景而定）。在多智能体优化方面，面向含多个主体或多种约束的系统，研究协同优化、博弈与演化机制，服务于控制策略设计、资源调度与系统级性能提升。整体上，力求在算法理论—实验验证—系统应用之间形成衔接，为智能感知、人机协同与工程落地提供方法支撑。
科研项目：
1）国家自然科学青年基金， 脑电信息流差异驱动的动态演化机制建模及一致性解码研究
2) 辽宁省自然科学基金，多源内在反馈与智能体的融合共享控制建模与优化；
3）辽宁省教育厅重点项目，人机交互下多源内在反馈的动态融合共享控制策略研究；
4）辽宁省经研院横向课题，适用于辽宁电网的新型储能经济性评估与优化；
5）北京国网电科院横向课题，大停电下多主体的行为推演与策略优化；
6) 北京国网电科院横向课题，停电经济社会后果评估及推演平台研发；
科研论文：
1. Li D L, Wang J H, Xu J C, Fang X K, Ji Y. Cross-Channel Specific-Mutual Feature Transfer Learning for Motor Imagery EEG Signals Decoding[J]. IEEE Transactions on Neural Networks and Learning Systems.
2. D. Li, J. Xu, Y. Zhang, D. Ma and J. Wang, Prototypical Contrastive Domain Adaptation Network for Nonstationary EEG Classification, IEEE Transactions on Instrumentation and Measurement, vol. 73, pp. 1-13, 2024, Art no. 2534313, doi: 10.1109/TIM.2024.3476618.
3. D. Li, Y. Zhang, Y. Yao, J. Xu and Q. Wang, Dynamic Weight-optimized Prototypical Contrastive Network for Cross-domain Few-shot Bearing Fault Diagnosis, IEEE Transactions on Automation Science and Engineering, doi: 10.1109/TASE.2025.3589234.
4. J. Xu, D. Li, P. Zhou, Y. Zhang, Z. Wang and D. Ma, A Relation Feature Comparison Network for Cross-Domain Recognition of Motion Intention," IEEE Transactions on Instrumentation and Measurement, vol. 73, pp. 1-13, 2024, Art no. 4008513, doi: 10.1109/TIM.2024.3420350.
5. Li D L, Xu J C, Wang J H, Fang X K, Ji Y. A Multi-Scale Fusion Convolutional Neural Network Based on Attention Mechanism for the Visualization Analysis of EEG Signals Decoding[J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2020, 28(12): 2615-2626.
6. Li D L, Wang J H, Xu J C, Fang X K. Densely Feature Fusion Based on Convolutional Neural Networks for Motor Imagery EEG Classification[J]. IEEE Access, 2019, 7:132720 132730.
7. ....
课题组情况：
本课题组同时承担纵向课题与电网等领域的横向课题。纵向课题侧重理论方法、算法创新与高水平论文；横向课题侧重工程落地、系统实现与行业需求对接。组内鼓励不同课题方向的同学一起讨论、分工协作，在组会或专题讨论中交流思路。
学生能力需求：
编程与工程实现：熟练掌握至少一门科学计算语言（如Python或MATLAB），能独立完成数据处理、实验脚本与结果可视化；有意愿的同学可进一步掌握 PyTorch等深度学习框架，以及基础的编程工具。
信号与智能方法基础：了解或愿意学习脑电/肌电等生理信号处理、模式识别与深度学习、优化与控制中与课题相关的内容；纵向课题会更强调文献阅读与算法设计，横向课题会更强调需求分析、模块集成与可交付成果。
科研素养：能够精读英文文献、规范整理实验与代码、撰写技术报告或论文；诚实守信，对数据与结论负责。
沟通与协作：主动参加组会，能清晰表达进展与困难，与纵向、横向课题同学互相讨论、必要时交叉支援，培养团队协作与项目管理意识。
欢迎对脑机接口、智能识别、多智能体优化等方向有热情的同学联系交流。
