個(gè)人簡介：

李丹，副教授，碩士生導(dǎo)師，2021年2月入選必贏3003no1線路檢測中心百人計(jì)劃青年學(xué)術(shù)骨干，加入必贏3003no1線路檢測中心。2018年至2021年于新加坡國立大學(xué)擔(dān)任研究員，從事博士后研究工作。2013年至2017年就讀于新加坡南洋理工大學(xué)，受新加坡與加州大學(xué)伯克利分校聯(lián)合項(xiàng)目資助，獲得博士學(xué)位。2008年至2012年就讀于電子科技大學(xué)，獲得學(xué)士學(xué)位。主要從事信息物理融合系統(tǒng)，工業(yè)互聯(lián)網(wǎng)，預(yù)測性維護(hù)，時(shí)序數(shù)據(jù)分析，大模型垂域應(yīng)用等方面的研究。目前于IEEE TII、IEEE TASE、Energy Build. ICDE等國際著名期刊和會(huì)議上發(fā)表20余篇論文。

 

研究與招生：

包括但不限于統(tǒng)計(jì)學(xué)習(xí)方法（Statistical Learning Methods）, 數(shù)學(xué)建模（Mathematical Modeling），數(shù)據(jù)挖掘（Data Mining）,  異常檢測與故障診斷（Anomaly Detection and Fault Diagnosis），序列預(yù)測/數(shù)據(jù)生成（Sequence prediction/generation），表征學(xué)習(xí)(Representation Learning)，遷移學(xué)習(xí)（Transfer Learning），數(shù)據(jù)質(zhì)量控制與評估（Data Quality and Valuation），數(shù)據(jù)轉(zhuǎn)化與隱私保護(hù)（Data Transformation and Privacy Protection）等研究方向。

課題組為科研表現(xiàn)優(yōu)異的同學(xué)提供多種形式的海內(nèi)外高校學(xué)術(shù)交流訪問和深造機(jī)會(huì)，為優(yōu)秀碩士生提供碩轉(zhuǎn)博銜接培養(yǎng)機(jī)會(huì)。

歡迎有意攻讀必贏3003no1線路檢測中心碩士/博士研究生的同學(xué)與我聯(lián)系！歡迎有意來必贏3003no1線路檢測中心做博士后的同學(xué)與我聯(lián)系！

歡迎優(yōu)秀的本科生加入我的科研小組！

郵箱：lidan263艾特mail.sysu.edu.cn

電話：0756-3661004

 

學(xué)術(shù)服務(wù)：

Mathematics | 學(xué)術(shù)期刊 | Guest Editor

IICSOC2023 | 學(xué)術(shù)會(huì)議 | Area Chair (Focus Area 2: Big Data Analytics for Services and as-a-Service)

ICSS2022 | 學(xué)術(shù)會(huì)議 | PC Co-chair

ACM member

IEEE member

Technical Reviewer: IEEE TII, IEEE TASE, Energy Build., Build. Environ., RELIAB ENG SYST SAFE, IEEE Commun. Lett., ACM SIGKDD, AAAI, IJCAI, PKDD, ICSOC等國際著名期刊和會(huì)議。

 

科研項(xiàng)目：

基于信息物理融合系統(tǒng)的多變量異常檢測方法研究——廣東省自然科學(xué)基金-面上項(xiàng)目 (主持人)

“Singapore-Berkeley Building Efficiency and Sustainability in the Tropics (SinBerBEST)”–新加坡政府與加州大學(xué)伯克利分校聯(lián)合研究機(jī)構(gòu)（參與人）

“AI Singapore 100 EXPERIMENTS R&D” —新加坡國家研究基金（NRF）項(xiàng)目（主要參與人）

“Cybersecurity R&D Consortium Grant (CRDCG)” —新加坡政府網(wǎng)絡(luò)安全（NCR）項(xiàng)目（主要參與人）

 

主要作品：

【期刊文章】

  • D. Li, Y. Zhou, G. Hu, and C. J. Spanos, “Handling Incomplete Sensor Measurements in Fault Detection and Diagnosis for Building HVAC Systems”, IEEE Transactions on Automation Science and Engineering. （中科院一區(qū)）
  • D. Li, Y. Zhou, G. Hu, and C. J. Spanos, “Identifying Unseen Faults by Incorporating Expert Knowledge with Data”, IEEE Transactions on Automation Science and Engineering, （中科院一區(qū)）
  • D. Li, Y. Zhou, G. Hu, and C. J. Spanos, “Optimal Sensor Configuration and Feature Selection for AHU Fault Detection and Diagnosis”, IEEE Transactions on Industrial Informatics. （中科院一區(qū)）
  • D. Li, Y. Zhou, G. Hu, and C. J. Spanos, “Fault detection and diagnosis for building cooling system with a tree-structured learning method”, Energy and Buildings. （中科院二區(qū), 能源與建筑領(lǐng)域頂刊）
  • D. Li, G. Hu, and C. J. Spanos, “A data-driven strategy for detection and diagnosis of building chiller faults using linear discriminant analysis”, Energy and Buildings. （中科院二區(qū), 能源與建筑領(lǐng)域頂刊）
  • R. Jia, B. Jin, M. Jin, Y. Zhou, I. C. Konstantakopoulos, H. Zou, J. Kim, D. Li, W. Gu, R. Arghandeh, P. Nuzzo, S. Schiavon, A. L. Sangiovanni-Vincentelli, C. J. Spanos, “Design Automation for Smart Building Systems,” Proceedings of the IEEE. （中科院一區(qū)）

【會(huì)議文章】

  • G. Tu, D. Li*,  S. Ng, Z. Zheng, "GLA-DA: Global-Local Alignment Domain Adaptation for Multivariate Time Series", The 29th International Conference on Database Systems for Advanced Applications, 2023. （CCF-B）
  • R. Hu, D. Li*,  S. Ng, Z. Zheng, “CB-GAN: Generate Sensitive Data with a Convolutional Bidirectional Generative Adversarial Networks”, The 28th International Conference on Database Systems for Advanced Applications, 2023. （CCF-B）
  • P. Qi, D. Li*, and S. Ng. "MAD-SGCN: Multivariate Anomaly Detection with Self-learning Graph Convolutional Networks." In 2022 IEEE 38th International Conference on Data Engineering (ICDE), pp. 1232-1244. IEEE, 2022. （CCF-A）
  • D. Li, H. Liu, and S. Ng. "VC-GAN: Classifying Vessel Types by Maritime Trajectories using Generative Adversarial Networks." In 2020 IEEE 32nd International Conference on Tools with Artificial Intelligence (ICTAI), pp. 923-928. IEEE, 2020. 
  • D. Li, D. Chen, B. Jin, L. Shi, J. Goh, S. Ng, “MAD-GAN: Multivariate Anomaly Detection for Time Series Data with Generative Adversarial Networks”, The 28th International Conference on Artificial Neural Networks, 2019.

 

個(gè)人自述：

   做學(xué)術(shù)十余年，歸來仍是青椒，我沒有值得一提的title和榮譽(yù)，但我十分熱愛自己所從事的研究工作。

   十余年前，我剛開始接觸科研的時(shí)候，我的第一位導(dǎo)師告訴我“文章千古事，得失寸心知”。

   學(xué)術(shù)的路看似熱鬧實(shí)則孤獨(dú)，我是一個(gè)慢熱的人，性格急躁的同學(xué)可能不太適合與我合作。

   也許終有一天我們需要為了生存委屈求全，但我希望，至少在我們合作期間，你我都是為了理想與熱愛而奮斗。

   江湖之大，愿，師徒一心，同去同歸！