丁 虎

E-Mail: huding@ustc.edu.cn

個人主頁:https://hu-ding.github.io/     


主要研究方向:算法設計與分析,計算幾何,以及在大數據,機器學習,物聯網等方向的應用


丁虎,2009年本科畢業於中山大學數學係,2015年博士畢業於美國紐約州立大學布法羅分校計算機科學與工程係,並獲全係最佳博士論文。主要研究方向包括計算幾何、大數據優化算法,以及在人工智能、芯片設計、生物醫學等領域的應用。曾任美國密歇根州立大學計算機科學與工程係(tenure-track)助理教授,博士生導師。2018年6月到中科大計算機學院工作,任特任教授,博士生導師。已在知名國際會議和期刊上發表近50篇文章。其中作為第一/通訊作者的科研成果發表在SODA、SoCG、ICALP等算法理論,以及NeurIPS、ICML等應用領域的國際頂級會議。曾獲美國自然科學基金CRII award, 伯克利simons fellowship等。多次受邀擔任國際知名會議、期刊的審稿人或程序委員會成員。作為計算機算法方向的專家,曾受邀參加美國科學基金的項目評審工作。主持多項國家/省部級科研項目,現為國家科技部重點研發計劃青年科學家項目負責人(2021-2026),中科大創新團隊培育項目負責人(2022-2024)。詳見個人主頁



導師選題:

適用於聚類算法加速的動態數據結構聚類是大數據分析、人工智能等領域的基礎問題之一。然而,現有的聚類算法往往具有比較高的時間複雜度。本課題旨在設計精巧的動態數據結構,降低聚類過程中不必要的計算環節,實現聚類算法的加速。本課題歡迎對算法、數據結構感興趣、有較好編程基礎的同學參與。
麵向人工智能大模型的魯棒表征算法設計大模型之所以能夠成功應用於多個領域,關鍵之一在於準確的數據表證。本課題旨在設計通用、魯棒的數據表證新方法,在此基礎上探索大模型的智能湧現等現象。
麵向醫療超聲圖像的魯棒分類算法設計超聲檢查是現代醫學必不可少的檢測手段之一,尤其對於癌症早期發現至關重要。然而超聲圖像往往含有比較大的噪音,如何實現自動分類是人工智能與臨床醫學交叉領域的難題之一。本課題希望設計魯棒分類算法,實現基於超聲圖像的高效智能篩查方法。


Baidu
map