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。研究涉及统计信号处理，贝叶斯推理，机器学习，统计机器学习，深度学习等，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

已发表高水平论文40余篇，出版专著（章节）1部，曾主持或共同主持英国EPSRC、NIHR等研究基金总额超一千万元。曾在本子领域提出系列贝叶斯统计推断算法，并在Nature子刊发表特邀综述。研究工作曾部署于欧洲某世界五百强企业的大型地球科学应用平台，成功完成多参数反演，决策及不确定性估计等多并发计算任务。同时，其致力于统计信号处理及人工智能技术在生命科学领域的交叉应用，并因其创新贡献，获英国工程与自然科学研究理事会EPSRC NIA学术奖（评分排名全英第一）。

 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.