Profile:

田隆，西安电子科技大学讲师，硕士生导师，工学博士。分别于2015年和2021年在西安电子科技大学获得学士和博士学位，2021年留校参加工作。师从雷达信号处理专家刘宏伟教授，同时受到西安电子科技大学机器学习、统计信号处理领域专家陈渤教授和美国德克萨斯大学奥斯汀分校统计机器学习专家周明远教授的良好指导。博士期间以雷达信号处理中的目标检测和识别问题为背景，开展了高维复杂数据信息挖掘的方法研究。目前主要面向小样本目标检测、小样本分类以及小样本异常检测等任务，开展稀疏样本表示学习的方法研究。相关成果发表于NeurIPS，ICML，ICCV，ICLR以及TNNLS等国际会议和期刊上。先后参与和主持了多项国家级纵向课题的研究工作。

近期工作：

1.Tian L, Feng J, Chai X, Chen W, Wang L, Liu X, Chen B. Prototypes-oriented transductive few-shot learning with conditional transport. InProceedings of the IEEE/CVF International Conference on Computer Vision 2023 (pp. 16317-16326)（CCF-A类会议）

2. Lu R, Wu Y,Tian L*, Wang D, Chen B, Liu X, Hu R. Hierarchical vector quantized transformer for multi-class unsupervised anomaly detection. Advances in Neural Information Processing Systems. 2024 Feb 13;36. (Corresponding)（CCF-A类会议）

3. Chen W,Tian L*, Chen B, Dai L, Duan Z, Zhou M. Deep variational graph convolutional recurrent network for multivariate time series anomaly detection. InInternational conference on machine learning 2022 Jun 28 (pp. 3621-3633). PMLR. (Equal)（CCF-A类会议）

4. Zhang H,Tian L*, Wang Z, Xu Y, Cheng P, Bai K, Chen B. Multiscale visual-attribute co-attention for zero-shot image recognition. IEEE Transactions on Neural Networks and Learning Systems. 2021 Dec 17;34(9):6003-14. (Equal)（CCF-B类期刊，中科院一区）

5.Dai F, Liu J,Tian L*, Dong H, Hong L. An end-to-end approach for rigid-body target micro-Doppler analysis based on the asymmetrical autoencoding network. IEEE Transactions on Geoscience and Remote Sensing. 2023 Mar 13;61:1-9. (Corresponding)（中科院一区期刊）

6. Guo D,Tian L, Zhang M, Zhou M, Zha H. Learning prototype-oriented set representations for meta-learning. arxiv preprint arxiv:2110.09140. 2021 Oct 18.（CCF-A类会议）

7. Guo D,Tian L, Zhao H, Zhou M, Zha H. Adaptive distribution calibration for few-shot learning with hierarchical optimal transport. Advances in neural information processing systems. 2022 Dec 6;35:6996-7010.（CCF-A类会议）

8. Li Y, Chen W, Chen B, Wang D,Tian L, Zhou M. Prototype-oriented unsupervised anomaly detection for multivariate time series. InInternational Conference on Machine Learning 2023 Jul 3 (pp. 19407-19424). PMLR.（CCF-A类会议）

（未来）感兴趣的研究方向：

1. 人类反馈的强化学习

2. 三维重构及二维渲染

十分期待志同道合（有passion有想做有意思研究的想法）的同学们加入！Making research that looks boring less boring！顺便一提，科研之余想找网球搭子的同学也欢迎与我联系（PS：坚持了快10年的一丢丢爱好）！