黎嵘繁 English Version

黎嵘繁现在是研究生二年级，就读于电子科技大学 (UESTC)，指导老师: 周帆，吴劲. 研究方向主要包含图神经网络，时空预测，数据挖掘，互信息等。

邮件: rongfanli1998@gmail.com

电话: (+86)13183802787

其他: Github | Resume in PDF

教育经历和荣誉

电子科技大学信息与软件工程学院，软件工程，硕士，2020.9 - 2023.7 （预计）

  • 2020-2021学年，国家奖学金
  • 2020-2021学年，研究生一等学业奖学金
  • 成绩排名：1/90（学硕）

电子科技大学信息与软件工程学院，软件工程，本科，2016.9 - 2020.7

  • 2016-2019学年，优秀学生奖学金 * 3
  • 2020届电子科技大学优秀毕业生
  • GPA：3.8/4.0，成绩排名：13/153（9%）
主要成果
Mining Spatio-Temporal Relations via Self-Paced Graph Contrastive Learning, Download, DOI
Rongfan Li, Xinke Jiang, Fan Zhou, Goce Trajcevski, Jin Wu, Ting Zhong
KDD 2022, 28th ACM SIGKDD CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA MINING (CCF-A)

时间: 2022.5.19, 接收率: 15%=254/1695, 得分: A, A, A, WA

Keywords: Graph Neural Network, Mutual Information, Self-paced Graph Learning and Spatio-temporal

  • 背景：时空图预测问题的邻接关系定义是静态的，并基于特定的时空特征，且缺乏理论依据。
  • 贡献：证明了节点和邻居的互信息在全局和局部的关系，借助 PU-learning 帮助训练收敛；主导编程到写作的全过程。
  • 结果：提出了自适应的图构建方法，比其他动态方法更佳；预测效果上对比其他时空图预测方法达到了 SOTA 表现。
Land Deformation Prediction via Slope-Aware Graph Neural Networks, Download
Fan Zhou, Rongfan Li, Goce Trajcevski, Kunpeng Zhang
AAAI 2021, The Thirty-Fifth AAAI Conference on Artificial Intelligence (CCF-A)

时间: 2020.12.2, 接收率: 21.4%=1692/7911, 得分: 8666

Keywords: Graph Neural Network, Manifold Learning, and Spatio-temporal

  • 背景：现存的山体滑坡预测工作很少从时空图网络角度出发，并且没有考虑过山体表面的流形特征。
  • 贡献：改进 LLE 提出 WLLE 算法，强调空间中的距离和斜率信息；主导编程、实验和公式推导，参与论文撰写。
  • 结果：对比其他流形学习方法达到了 SOTA 表现，对比其他预测方法有更好的表现。
Dynamic Manifold Learning for Land Deformation Forecasting, Download, DOI
Fan Zhou, Rongfan Li, Qiang Gao, Goce Trajcevski, Kunpeng Zhang, Ting Zhong
AAAI 2022, The Thirty-Sixth AAAI Conference on Artificial Intelligence (CCF-A)

时间: 2021.12.1, 接收率: 15.0%=1349/9020, 得分: 8876

Keywords: Normalizing Flow, Manifold Learning, Neural ODE and Spatio-temporal

  • 背景：时空预测工作中往往没有考虑融入时序特征的动态图，且时序特征融入时空特征间接参与预测。
  • 改进 Normalizing Flow 学习动态流形表示，推导完整概率框架和优化目标；主导编程到写作的全过程。
  • 结果：在 AAAI2021 上继续提升，对比其他流形学习方法达到了 SOTA 表现，对比其他预测方法有更好的表现。
其他成果
一种基于时空注意力克里金的边坡形变数据插值方法, Download
黎嵘繁, 钟婷, 吴劲, 周帆, 匡平
计算机科学 (CCF-B), 时间: 2021.8.10

Keywords: 时空数据挖掘, 时空注意力, 克里金, 山体滑坡
A Probabilistic Framework for Land Deformation Prediction, Download
Rongfan Li, Fan Zhou, Goce Trajcevski, Kunpeng Zhang, Ting Zhong
AAAI 2022 poster, The Thirty-Sixth AAAI Conference on Artificial Intelligence (CCF-A)

时间: 2021.11.6

Keywords: Normalizing Flow, Variational Inference and Spatio-temporal
Probabilistic Fine-Grained Urban Flow Inference with Normalizing Flow, Download, DOI
Ting Zhong, Haoyang Yu, Rongfan Li, Xovee Xu, Xucheng Luo, and Fan Zhou
ICASSP 2022, The International Conference on Acoustics, Speech, & Signal Processing (CCF-B)

时间: 2022.1.22

Keywords: Spatio-temporal, Urban Flow and Normalizing Flow

Landslide Displacement Prediction via Attentive Graph Neural Network, DOI
Remote Sensing, 中科院2区Top

时间: 2022.4.12, IF=4.848

Keywords: Graph Neural Networks

(UNDER REVIEW) GNN-based Spatio-Temporal Manifold Learning: An Application of Landslide Prediction
TKDE, IEEE Transactions on Knowledge and Data Engineering (CCF-A)
业余工作 Part-time Work
Understanding VAE and Normalizing Flows, Download

对 VAE 和 Normalizing Flows 的笔记整理。










更新于 2022.7.7