教育经历

2011年-2015年，英国剑桥大学, 信息工程，获博士学位

2009年-2011年，加拿大麦吉尔大学，电气与计算机工程，获硕士学位

2005年-2009年，北京邮电大学，通信工程，获学士学位

 工作经历

2024年至今，复旦大学，人工智能创新与产业研究院，教授

2019年-2024年，英国巴斯大学，计算机系，历任助理教授、副教授

2016年-2019年，英国剑桥大学，卡文迪许实验室，博士后

 研究方向

研究方向为交叉学科中由领域知识驱动的概率建模和机器学习技术，致力于提高算法模型在交叉学科应用的泛化能力和可靠性。研究涉及贝叶斯推断、统计信号处理、统计机器学习、深度学习、基础模型等，并应用于生命科学、地球科学、工程科学等交叉学科领域。

 主要成果

已在Bayes Anal等期刊与会议发表论文 36 篇，出版专著（章节）1 部，Nature子刊《Nature Reviews Methods Primers》(IF 50.1) 领域特邀综述 1 篇。其在生命科学领域的交叉研究工作入选2023年英国工程与自然科学研究理事会EPSRC NIA科研奖（全英共9位科学家入选）。在地球科学领域的交叉研究成果被集成入欧洲某五百强头部企业的大型智算平台实现规模化应用，处理其全球多个业务区域的多参数反演，决策及不确定性估计等统计计算任务。曾独立主持英国EPSRC面向人工智能与生命科学交叉领域约300万元的研究基金，共同主持英国EPSRC、NIHR等研究基金总额超700万元。

 招生专业

依托计算机科学技术学院招生，招生专业为计算机应用技术。

 发表论文

近5年发表论文节选：

1. Li, Y., Li, C., Wei, Y., Price, S., Schönlieb, C. B., & Chen, X. (2024). Multi-objective Bayesian optimization with enhanced features for adaptively improved glioblastoma partitioning and survival prediction. Computerized Medical Imaging and Graphics , 102420.

2. Tang, T., Ryan, G., Ding, H.,Chen, X., Zang, J., Taylor, P., & Adcock, T. (2023). A new Gaussian Process based model for non-linear wave loading on vertical cylinders. Coastal Engineering.

3. Mao, Y., Jiang, L., Chen, X., & Li, C. (2023). DisC-Diff: Disentangled Conditional Diffusion Model for Multi-Contrast MRI Super-Resolution. In International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2023).

4. Jiang, L., Mao, Y., Chen, X., Wang, X., & Li, C. (2023). CoLa-Diff: Conditional Latent Diffusion Model for Multi-Modal MRI Synthesis. In International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2023).

5. Wei, Y., Chen, X., Zhu, L., Zhang, L., Schönlieb, C. B., Price, S. J., & Li, C. (2023). Multi-modal learning for predicting the genotype of glioma. IEEE Transactions on Medical Imaging.

6. Lu, Y., Jin, Y., & Chen, X. (2023) Recombination-based two-stage out-of-distribution detection method for traffic flow pattern analysis. In Handbook on Artificial Intelligence and Transport. Edward Elgar.

7. Chen, X., Feroz, F., & Hobson, M. (2022). Bayesian posterior repartitioning for nested sampling. Bayesian Analysis, 1(1), 1-27.

8. Ashton, G., Barbary, K., Bernstein N., Buchner J., Chen X., Csányi G., Fowlie A., et. al. (2022). Nested Sampling for physical scientists. Nature Reviews: Methods Primers , 2(1), 39.

9. Gong, X., Chen, X., Zhong, Z., & Chen, W. (2021). Enhanced Few-Shot Learning for Intrusion Detection in Railway Video Surveillance. IEEE Transactions on Intelligent Transportation Systems, 23(8), 11301-11313.

10. Chen, X., Hobson, M., Das, S., & Gelderblom, P. (2019). Improving the efficiency and robustness of nested sampling using posterior repartitioning. Statistics and Computing, 29, 835-850.