1.基本信息：

黄飞虎，博士后，硕导，近几年一直围绕工业时序大数据挖掘与预测、数据质量评估开展研究工作，主要探索如何基于图网络、随机过程、卷积网络等技术对工业时序数据进行表示学习与质量评估，为交通系统、电力系统、航空航天等工业场景的预测任务提供解决方案。申请人近两年也承担了国家自然科学基金项目、省科技厅青年基金项目、省科技厅重点研发项目、四川省重点实验室开放课题等多项科研项目，相关成果以第一/通讯作者在ICLR（人工智能顶会）、IEEE TDKE（SCI一区）、IEEE TITS（SCI一区）、Information Science（SCI一区）、IEEE TETC （SCI 二区）、Physica A （SCI二区）、IEEE SMC（CCF C类会议）、IJCNN（CCF C类会议）等期刊会议发表。其中，基于卷积网络构建的时序预测模型MICN入选2023年ICLR Oral paper。

2.联系邮箱：hd808080@126.com

3.研究领域：

[1]人工智能，深度学习 [2]工业时序大数据挖掘 [3]数据智能(无人机系统、电网系统、科学数据方向)

4.教学工作：

[1]程序设计基础 [2]算法设计与分析

5.学术兼职与社会服务：

[1] CCF会员
[2]成都市智改数转评审组成员
[3] IEEE Transactions on Intelligent Transportation Systems (TITS)，IEEE Transactions on Neural Networks and Learning Systems(TNNLS)，IEEE Transactions on Big Data (TBD)、IEEE SMC等期刊/会议的审稿人

6.主要项目：

[1] 国家自然科学基金青年科学基金项目，面向航空时序数据预测的数据增强、感知与协同研究，在研（2025.1~2027.12），项目负责人。
[2] 四川省自然科学基金青年基金项目，面向无人机飞行数据的虚拟样本质量评估方法研究，在研（2025.1~2026.12），项目负责人。
[3] 四川省重点实验室开放课题，数据质量视角下的时序数据表示学习，在研（2024.6~2026.6），项目负责人。

7.学术成果：

[1] Huang, F., Wang, J., Yi, P. et al. Scsq: A sample coop-eration optimization method with sample quality for recurrent neural networks[J]. Information Sciences, 2024,674: 120730.
[2] Huang F, Yi P, et al. Time-Series Forecasting With Shape Attention[C]. IEEE International Conference on Systems, Man, and Cybernetics (SMC), 2022, 3296-3301.
[3] Huang F, Yi P, et al. A Dynamical Spatial-Temporal Graph Neural Network for Traffic Demand Prediction[J]. Information Sciences, 2022, 594: 286-304.
[4] Wang H, Peng J, Huang F（通讯作者）, et al. MICN: Multi-scale Local and Global Context Modeling for Long-term Series Forecasting [C]. International Conference on Learning Representations (ICLR). 2023,1-22. (人工智能顶会, Oral paper)
[5] Yi P , Bao Z, Huang F（共同通讯作者）, et al. Towards Effective Long-term Wind Power Forecasting: A Deep Conditional Generative Spatio-Temporal Approach [J], Transactions on Knowledge and Data Engineering (TKDE). 2024,36(12): 9403-9417.
[6] 廖思睿,黄飞虎（通讯作者）,战鹏祥,等.DCDAD：考虑上下文依赖差异化的时间序列异常检测模型[J/OL].计算机科学,2024:1-18. (北大核心)