首页 | 关于我们 | 教务教学 | 科学研究 | 党建工作 | 创新创业 | 人才招聘 | 员工工作 | 工程研究中心 | 实验教学示范中心 
院内导师
 3377体育简介 
 领导成员 
 组织机构 
 院内导师 
 互聘导师 
 企业导师 
当前位置: 首页>>关于我们>>院内导师>>正文
马慧
2024-09-24 14:12  

马慧

       

副教授、博士、硕士生导师

研究领域:智能网络运维,分布式鲁棒优化,联邦学习

办公室&实验室:友好校区2号楼208室

电子邮件:huima@xju.edu.cn


教育背景

1.2018/9–2024/6, 同济大学 电子与信息专业  博士

2.2014/9–2017/1, 江南大学 纺织工程专业   硕士

3.2010/9–2014/6, 江南大学 纺织工程专业   学士

工作简历

1.2017/9–2018/10, 新疆乌鲁木齐职业大学应用工程公司  教师

2.2024/7至今  3377体育             专任教师

学术成果

u主持项目

1.新疆维吾尔自治区重点研发专项,家禽养殖数据流转增值空间建设关键技术研究,2025年7月-2028年6月,100万,主持;

2.高层次人才培养计划“天池英才”项目,60万,2025年1月-2028年1月,主持;

3.新疆维吾尔自治区重点研发专项课题,10万,202412月-202712月,主持;

4.横向课题,19.5万,2025年10月-20265月,主持;


u期刊论文

1.Ma H, Yang K, Jiao Y. Cellular Traffic Prediction via Asynchronous Federated Learning with Differential Privacy, IEEE Transactions on Network Science and Engineering, 2025. (中科院SCI 1区)

2.Ma H, Yang K. MetaSTNet: Multimodal Meta-learning for Cellular Traffic Conformal Prediction[J]. IEEE Transactions on Network Science and Engineering, 2024.(中科院SCI 1区)

3.Ma H, Yang K, Pun M O. Cellular Traffic Prediction via Deep State Space Models with Attention Mechanism[J]. Computer Communications, 2023. (JCR 1区)

4.Ma H, Dou S, Liu Y, et al. AsynDBT: Asynchronous Distributed Bilevel Tuning for efficient In-Context Learning with Large Language Models. Scientific Reports, 2026. (JCR 1区)

u会议论文

1.Ma H*, Li Q, Wang J, et al. Sim-MSTNet: Sim2real based Multi-task SpatioTemporal Network Traffic Forecasting. International Conference on Acoustics, Speech, and Signal Processing, 2026. (CCF-B)

2.Li Z, Ma H*, Xing F, et al. GraFSTNet: Graph-based Frequency SpatioTemporal Network for Cellular Traffic Prediction. IJCNN, 2026. (CCF-C,唯一通信作者)

3.Long Z, Ma Q, Li Q, Hu Y, Sa J, Ma H. C2-PatchTST: Channel-Clustering Enhanced PatchTST for Carbon Footprint Forecasting. Accepted in The 5th International Conference on Electronics Technology and Artificial Intelligence, 2026. (唯一通讯作者)

4.Li Q, Hu Y, Long Z, Ma Q, Sa J, Ma H∗. FTimeXer: Frequency-aware Time series Transformer with Exogenous variables for Robust Carbon Footprint Forecasting. Accepted in The 5th International Conference on Electronics Technology and Artificial Intelligence, 2026. (唯一通讯作者)


关闭窗口