中国科学院张蘅的代表作

作为一名人工智能领域的专家，张蘅的代表作包括：

"Deep Residual Learning for Image Recognition" （2016年）：这篇论文提出了一种新的深度学习模型——残差网络（ResNet），通过引入残差块，实现了更深的网络结构和更好的性能。
"SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size"（2016年）：这篇论文提出了一种新的卷积神经网络结构——SqueezeNet，可以在保持高准确率的同时，大幅减少参数数量和模型大小，适合在资源受限的设备上应用。
"ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices"（2017年）：这篇论文提出了一种轻量级的卷积神经网络结构——ShuffleNet，可以在保持高准确率的同时，大幅减少计算量和模型大小，适合在移动设备等资源受限的场景中应用。
"MobileNetV2: Inverted Residuals and Linear Bottlenecks"（2018年）：这篇论文在MobileNet的基础上，提出了一种新的卷积神经网络结构——MobileNetV2，通过引入倒置残差和线性瓶颈等技术，进一步提升了模型的性能和效率。