学术信息网 西电导航 关于 使用说明 搜索 系统首页 登录 控制面板 收藏 尚凡华的留言板
基本信息

尚凡华 教授  硕导、博导

 

博士学科:计算机科学与技术/控制科学与工程

硕士学科:计算机科学与技术/控制科学与工程/电子与通信工程

工作单位:人工智能学院

联系方式

通信地址:陕西省西安市太白南路2号               西安电子科技大学224信箱

邮政编码:710071

电子邮箱:fhshang@xidian.edu.cn

办公地点:主楼II区419

个人简介

尚凡华,人工智能学院 教授,硕士/博士研究生导师。现为西安电子科技大学 智能信息处理研究所、智能感知与图像理解教育部重点实验室成员。

他生于山东省东营市。2012年获得西安电子科技大学博士学位;2012年--2018年先后在美国杜克大学和香港中文大学等从事博士后及副研究员工作。目前的研究领域包括:机器学习、人工智能、数据挖掘、计算机视觉、深度学习等。已在TPAMI、TNNLS、TKDE等顶级期刊和ICML、NIPS、KDD、AAAI、IJCAI、VLDB、AISTATS等顶级国际会议上发表学术论文50余篇。担任过包括NIPS、ICML、AAAI、IJCAI、KDD、VLDB、ICCV、SDM等在内的机器学习、人工智能、数据挖掘等领域顶级国际会议的程序委员会委员及审稿人,同时还承担着TPAMI等20多个国际学术期刊的审稿工作。2015年获得陕西省优秀博士学位论文奖,2018年入选华山菁英人才计划。

主要研究方向

1.大规模机器学习         2.并行/分布式计算
3.神经网络/深度学习   4.随机/确定性优化
5.半监督/弱监督学习   6.矩阵/张量大数据解析

 

代表性成果: 

  • Fanhua Shang, Kaiwen Zhou, Hongying Liu, James Cheng, Ivor W. Tsang, Lijun Zhang, Dacheng Tao, Licheng Jiao. "VR-SGD: A Simple Stochastic Variance Reduction Method for Machine Learning". To appear in IEEE Transactions on Knowledge and Data Engineering (TKDE), 2018.  CCF A
  • Fanhua Shang, James Cheng, Yuanyuan Liu, Zhi-Quan Luo, and Zhouchen Lin. Bilinear Factor Matrix Norm Minimization for Robust PCA: Algorithms and Applications. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 40(9): 2066-2080, 2018.  (SCI, IF:8.329CCF A
  • Kaiwen Zhou, Fanhua Shang*, James Cheng. A Simple Stochastic Variance Reduced Algorithm with Fast Convergence Rates. To appear in Proceedings of the 35th International Conference on Machine Learning  (ICML), pp. 5975-5984, 2018(* 通讯作者) CCF A
  • Yuanyuan Liu, Fanhua Shang*, James Cheng, Hong Cheng, Licheng Jiao. Accelerated First-order Methods for Geodesically Convex Optimization on Riemannian Manifolds. In: Proceedings of the 31st Conference on Neural Information Processing Systems (NIPS), pp. 4875–4884, 2017.  CCF A
  • Fanhua Shang, Yuanyuan Liu, and James Cheng. Tractable and Scalable Schatten Quasi-Norm Approximations for Rank Minimization. In: Proceedings of the 19th International Conference on Artificial Intelligence and Statistics  (AISTATSProceedings of Machine Learning Research),  51: 620-629, 2016.