长期招收本科生加入课题组!
欢迎自驱力强、坚持执着、有编程基础的同学加入,感兴趣可邮件联系我。
本研究团队以人工智能算法为核心,致力于探索时间序列数据的深层次动力学。利用深度学习和动态系统建模,通过采用神经常微分方程(Neural ODE)等技术,我们的研究不仅仅局限于传统的异常检测和预测任务,而是深入到系统动力学的本质,以期揭示数据背后的复杂演化机制。我们关注工业生产、交通预测、金融市场等应用领域,旨在提高异常检测效果和预测精度。我们的近期工作中,利用序列模型(时间卷积、Transformer等)提取时间序列中的时间关系,并用图神经网络(GNN)捕获跨序列的空间依赖,将时间关系和空间依赖相结合,以支撑异常检测等任务;用神经网络建模神经常微分方程的导函数,控制序列潜在状态以连续而非离散的方式改变,支撑时间序列的精准预测。重点开展以下研究:
(1)时间序列动力学建模
(2)时间序列预测与异常检测
(3)时间序列生成
2012-09 至 2017-12,浙江大学,控制科学与工程,博士
2015-09 至 2016-09,加拿大多伦多大学,电子与计算机学院,CSC公派访问
2014-09 至 2014-12,美国加州大学河滨分校,电子与计算机学院,校派访问
2008-09 至 2012-07,哈尔滨工业大学,机械设计制造及其自动化,学士