教师主页移动版

更新日期：2022年3月22日 姓 名 谭明奎 性 别 男 出生年月 1983年5月 籍贯 巴东县 民 族 土家族 政治面貌 中国共产党党员 最后学历 博士研究生 最后学位 哲学博士 技术职称 教授 导师类别 博、硕导 行政职务 主任 Email mingkuitan@scut.edu.cn 工作单位 软件学院 邮政编码 510006 通讯地址 广州市大学城外环东路381号 单位电话 18680553985 个人简介 谭明奎博士，现担任华南理工大学软件学院教授、博导、计算中心主任，广东省“珠江人才团队”核心成员。谭明奎教授分别于2006年和2009年在湖南大学获得环境工程学士和模式工程与智能系统硕士学位，于2014年在新加坡南洋理工大学获得计算机科学博士学位，并于2016年在澳大利亚阿德莱德大学完成计算机视觉博士后研究。目前主要研究方向为机器学习算法与理论、计算机视觉，已在相关方向上发表近50篇高水平学术论文。 工作经历 2016.09-至今               华南理工大学软件学院              教授2014.06-2016.06         澳大利亚阿德莱德大学         高级副研究员2013.09-2014.05         新加坡南洋理工大学              副研究员2009.07-2009.12         新加坡南洋理工大学              研究助理 教育经历 2010.01-2014.10     新加坡南洋理工大学       计算机学院              计算机科学2006.09-2009.06         湖南大学            电气与信息工程学院     控制科学与工程2002.09-2006.06      湖南大学环境            科学与工程学院            环境工程 获奖、荣誉称号 (1)  论文“Online Heterogeneous Transfer Learning by Weighted Offline and Online Classifiers” 荣获2016年ECCV 荣誉提名论文(2)荣获2010 年 ICML Student Travel Scholarship 社会、学会及学术兼职 国际学术任职：担任SCI期刊Elsevier Int. J. of Electronics and Communications领域主席（Area Chair）。国际学术会议任职：担任2016年国际数据挖掘会议Advanced Data Mining and Applications (ADMA 2016)的Demo Chair。担任国际期刊审稿人：Journal of Machine Learning Research, IEEE Transactions on Pattern Analysis and Machine Intelligence, Machine Learning, IEEE Transactions on Neural Networks and Learning Systems，IEEE Transactions on Signal Processing, IEEE Transactions on Image Processing, Elsevier Int. J. of Electronics and Communications, Multimedia Tools and Applications, IEEE Transactions on Vehicular Technology, Future Generation Computer Systems, Tsinghua Science and Technology, IEEE Transactions on Big Data, IEEE Transactions on Multimedia, IEEE Transactions on Circuits and Systems for Video Technology, IEEE Signal Processing Letters, IEEE Transactions on Cybernetics, IEEE Transactions on Evolutionary Computation, Imaging Science Journal, Information Sciences, Sensing and Imaging.担任国际会议审稿人：IJCAI2011,  IJCAI2013, IJCAI2015, IJCAI2016, AAAI2016, CVPR2016, NIPS2015, NIPS16, ACMMM2015, ECCV2016, IJCNN2013, IJCNN2014, IJCNN2015, IJCNN2016, IScIDE2015, CISP 2015, ICIC2011. 研究领域 申报人专注于大数据学习和机器视觉等方面的研究，具体包括超高维大数据的特征选择、大规模数据缺失值恢复、高维数据的稀疏表达以及复杂数据的结构分析等。 科研项目 面向大数据的张量表示与分析方法，2017-2019，在研主持基于大规模张量解的超高维数据结构化表示与分析方法研究，国家自然科学基金项目，2017-2019，在研主持广东省第七批”珠江人才计划“ 发表论文 谭明奎教授在机器学习算法与理论，计算机视觉方向发表高水平学术论文近50篇。其中，2016年至今发表的论文如下：1.期刊论文[1] Lina Yao, Quan Z. Sheng, Xue Li, Tao Gu, Mingkui Tan*, Xianzhi Wang, Sen Wang, Wenjie Ruan."Compressive Representation for Device-Free Activity Recognition with Passive RFID Signal Strength", IEEE Transactions on Mobile Computing , 2018,17(2): 293-306[2] Yuguang Yan, Qingyao Wu, Mingkui Tan*, Michael K. Ng, Huaqing Min, Ivor W. Tsang. "Online Heterogeneous Transfer by Hedge Ensemble of Offline and Online Decisions", IEEE Transactions on Neural Networks and Learning Systems, 2018,29(7): 3252-3263[3] Peilin Zhao, Yifan Zhang, Min Wu, Steven C. H. Hoi, Mingkui Tan*(通讯作者), Junzhou Huang."Adaptive Cost-sensitive Online Classification", IEEE Transactions on Knowledge and Data Engineering(TKDE), 2018[4] Qingyao Wu, Hanrui Wu, Xiaoming Zhou, Mingkui Tan*, Yonghui Xu, Yuguang Yan, Tianyong Hao. "Online Transfer Learning with Multiple Homogeneous or Heterogeneous Sources", IEEE Transactions on Knowledge and Data Engineering (TKDE) , 2017，29(7): 1494-1507 [5] Qingyao Wu, Mingkui Tan*, Hengjie Song, Jian Chen, Michael K. Ng. "ML-FOREST A Multi-Label Tree Ensemble Method for Multi-Label Classification", IEEE Transactions on Knowledge and Data Engineering(TKDE), 2016,28(10): 2665-2680 [6] Shijie Xiao, Mingkui Tan*, Dong Xu, Zhao Yang Dong. "Robust Kernel Low-Rank Representation", IEEE Transactions on Neural Networks and Learning Systems(TNNLS) , 2016,27(11): 2268-2281 [7] Yong Guo, Mingkui Tan*, Qingyao Wu, Jian Chen, Anton van den Hengel, Qinfeng Shi. "The Shallow End: Empowering Shallower Deep-Convolutional Networks through Auxiliary Outputs",CoRR abs/1611.01773 (2016)2.会议论文[1] Bohan Zhuang, Chunhua Shen, Mingkui Tan*, Lingqiao Liu, Ian D. Reid."Towards Effective Low-bitwidth Convolutional Neural Networks", Conference on Computer Vision and Pattern Recognition （CVPR）2018[2] Chaorui Deng, Qi Wu, Qingyao Wu, Fuyuan Hu, Fan Lyu, Mingkui Tan*（通讯作者）, "Visual Grounding via Accumulated Attention"， Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition(CVPR), 2018:7746-7755[3] Xiang Zhang, Lina Yao, Chaoran Huang, Sen Wang, Mingkui Tan*, Guodong Long, Can Wang."Multi-modality Sensor Data Classification with Selective Attention", Proceedings of the 27th International Joint Conference on Artificial Intelligence(IJCAI), 2018: 3111-3117[4] Jiezhang Cao, Yong Guo, Qingyao Wu, Chunhua Shen, Junzhou Huang, Mingkui Tan*. "Adversarial Learning with Local Coordinate Coding",Proceedings of the 35th International Conference on Machine Learning(ICML), 2018: 706-714[5] Yong Guo, Qingyao Wu, Chaorui Deng, Jian Chen, Mingkui Tan*（通讯作者）, "Double Forward Propagation for Memorized Batch Normalization", Proceedings of the 32nd AAAI Conference on Artificial Intelligence(AAAI), 2018[6] Kun Liu, Wu Liu, Chuang Gan, Mingkui Tan*, Huadong Ma. "T-C3DTemporal Convolutional 3D Network for Real-Time Action Recognition", Proceedings of the 32nd AAAI Conference on Artificial Intelligence(AAAI), 2018[7] Yongliang Chen, Jinghui Zhong, Mingkui Tan*,"Comprehensive Learning Gene Expression Programming for Automatic Implicit Equation Discovery", International Conference on Computational Science( ICCS (1)), 2018: 114-128[8] Jiezhang Cao, Yong Guo, Qingyao Wu, Chunhua Shen, Junzhou Huang, Mingkui Tan*（通讯作者）. "Adversarial Learning with Local Coordinate Coding", Proceedings of the 35th International Conference on Machine Learning(ICML), 2018: 706-714[9] Yuguang Yan, Wen Li, Hanrui Wu, Huaqing Min, Mingkui Tan*（通讯作者）, Qingyao Wu. "Semi-Supervised Optimal Transport for Heterogeneous Domain Adaptation", Proceedings of the 27th International Joint Conference on Artificial Intelligence(IJCAI), 2018: 2969-2975[10] Xiang Zhang, Lina Yao, Chaoran Huang, Sen Wang, Mingkui Tan*, Guodong Long, Can Wang. "Multi-modality Sensor Data Classification with Selective Attention", Proceedings of the 27th International Joint Conference on Artificial Intelligence(IJCAI), 2018: 3111-3117[11] Yifan Zhang, Peilin Zhao, Jiezhang Cao, Wenye Ma, Junzhou Huang, Qingyao Wu, Mingkui Tan*（通讯作者）. "Online Adaptive Asymmetric Active Learning for Budgeted Imbalanced Data",Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining(KDD), 2018: 2768-2777[12] Dong Gong, Mingkui Tan*（共同一作）, Yanning Zhang, Anton van den Hengel, Qinfeng Shi. "MPGL: An Efficient Matching Pursuit Method for Generalized LASSO",Proceedings of the 31st AAAI Conference on Artificial Intelligence(AAAI), 2017: 1934-1940[13] Jiezhang Cao, Qingyao Wu, Yuguang Yan, Li Wang, Mingkui Tan*（通讯作者）. "On the Flatness of Loss Surface for Two-layered ReLU Networks", Proceedings of The 9th Asian Conference on Machine Learning(ACML), 2017: 545-560[14] Dong Gong, Mingkui Tan*, Yanning Zhang, Anton van den Hengel, Qinfeng Shi. "Self-Paced Kernel Estimation for Robust Blind Image Deblurring", IEEE International Conference on Computer Vision(ICCV), 2017: 1670-1679[15] Chao Han, Qingyao Wu, Michael K. Ng, Jiezhang Cao, Mingkui Tan*（通讯作者）, Jian Chen. "Tensor Based Relations Ranking for Multi-relational Collective Classification", IEEE International Conference on Data Mining(ICDM), 2017: 901-906[16] Yuguang Yan, Wen Li, Michael K. P. Ng, Mingkui Tan*, Hanrui Wu, Huaqing Min, Qingyao Wu."Learning Discriminative Correlation Subspace for Heterogeneous Domain Adaptation", Proceedings of the 26th International Joint Conference on Artificial Intelligence(IJCAI), 2017: 3252-3258[17] Mingkui Tan*（第一作者）, Yan Yan, Li Wang, Anton van den Hengel, Ivor W. Tsang, Qinfeng (Javen) Shi. "Learning Sparse Confidence-Weighted Classifier on Very High Dimensional Data", Proceedings of the 30th AAAI Conference on Artificial Intelligence( AAAI), 2016: 2080-2086[18] Wei Emma Zhang, Mingkui Tan*（通讯作者）, Quan Z. Sheng, Lina Yao, Qinfeng Shi. "Efficient Orthogonal Non-negative Matrix Factorization over Stiefel Manifold", Proceedings of the 25th ACM International Conference on Information and Knowledge Management(CIKM), 2016: 1743-1752[19] Dong Gong, Mingkui Tan*, Yanning Zhang, Anton van den Hengel, Qinfeng Shi."Blind Image Deconvolution by Automatic Gradient Activation",Computer Vision and Pattern Recognition(CVPR), 2016: 1827-1836[20] Wen Li, Dengxin Dai, Mingkui Tan*, Dong Xu, Luc Van Gool."Fast Algorithms for Linear and Kernel SVM+",Computer Vision and Pattern Recognition(CVPR), 2016: 2258-2266[21] Mingkui Tan*（第一作者）, Shijie Xiao, Junbin Gao, Dong Xu, Anton van den Hengel, Qinfeng Shi."Proximal Riemannian Pursuit for Large-Scale Trace-Norm Minimization", Computer Vision and Pattern Recognition(CVPR),2016: 5877-5886[22] Yuguang Yan, Qingyao Wu, Mingkui Tan*（通讯作者）, Huaqing Min."Online Heterogeneous Transfer Learning by Weighted Offline and Online Classifiers", Computer Vision - ECCV 2016 Workshops - Amsterdam( ECCV Workshops (3)), 2016: 467-474 出版专著和教材 无 科研创新 发明专利： (1)一种基于随机聚类森林的全基因组蛋白质功能预测方法 (2)一种基于层次随机森林的多标签分类方法 (3)基于多实例多类标的马尔可夫链注释蛋白质功能的方法 教学活动 谭明奎教授先后主讲了本科生全英课程《机器学习》和研究生全英课程《深度学习》，并以其深厚的科研素养以及幽默风趣的授课方式，将理论知识与动手实践密切结合。具体课程如下：(1)机器学习（全英课程） 使用教材： Understanding Machine Learning: From Theory to Algorithms by Shai Shalev-Shwartz and Shai Ben-David学时：48课时（32 教学+16 实验）(2)深度学习（全英课程）  使用教材：Deep Learning Tutorial, LISA LAB, University of Montreal   学时：32课时（教学18 +实验6+讨论3 +专题报告5） 指导学生情况 谭明奎教授现指导博士研究生5人，硕士研究生15人，本科生5人。谭明奎教授根据当下最新研究热点，提出新的研究内容，指明学生的科研方向。在科研过程中，经常与学生讨论，解决科研中遇到的难题。此外，还定期邀请国内外高水平专家对各个方向的前沿知识进行讲解。在谭明奎教授的指导下，指导的学生已发表高水平会议和期刊论文20余篇，其中ICML 1 篇，KDD 1篇，CVPR 4篇，IJCAI  4篇，AAAI 4篇等。 我的团队 谭明奎教授于2016年建立了华南理工大学人工智能实验室（SUCT Artificial  Intelligence Laboratory，简称SAIL）。SAIL校内导师包括谭明奎教授、陈健教授、吴庆耀副教授和杜卿副教授，校外导师包括澳大利亚阿德莱德大学沈春华教授、美国麻省理工大学淦创博士及业界高级算法专家许言午博士和赵沛霖博士。SAIL主要研究方向有机器学习、机器视觉和智慧医疗。目前SAIL实验室成员已超过60人，其中博士研究生6人，硕士研究生20余人，本科研究生40余人。SAIL每周开展组会，具有良好的学术氛围。学生精读前沿论文，并进行英语展示。全体成员针对汇报内 容进行深入探讨，分析存在的问题，寻找改进的方案。此外，SAIL每年组织人工智能暑期学校，讲解机器学习和深度学习的基础知识，提供编程实践培训，并邀请国内外知名学者介绍前沿成果，帮助学员快速成长。SAIL提供优良的办公设备，具有优异的研究条件，如提供高配置的台式电脑、双显示器和彩色打印机等。此外，近100块GPU显卡和最先进的研讨室可供学生开展科学研究与讨论。