2011.09-2015.06 山东大学 工学学士

2015.09-2020.06 清华大学 工学博士

2018.07-2019.08 加州大学伯克利分校  联合培养

2020.08 至今  北京科技大学计算机与通信工程学院 副教授

Hu T, Guo Q, Shen X, et al. Utilizing unlabeled data to detect electricity fraud in AMI: A semisupervised deep learning approach[J]. IEEE Transactions on Neural Networks and Learning Systems, 2019, 30(11): 3287-3299.

Hu T, Guo Q, Li Z, et al. Distribution-free probability density forecast through deep neural networks[J]. IEEE Transactions on Neural Networks and Learning Systems, 2019, 31(2): 612-625.

Hu T, Guo Q, Sun H, et al. Nontechnical losses detection through coordinated BiWGAN and SVDD[J]. IEEE Transactions on Neural Networks and Learning Systems, 2020, 32(5): 1866-1880.

Hu T, Ma H, Liu H, et al. Self-attention-based machine theory of mind for electric vehicle charging demand forecast[J]. IEEE Transactions on Industrial Informatics, 2022, 18(11): 8191-8202.

Liu K, Peng Q, Hu T*, et al. A transferred recurrent neural network for battery calendar health prognostics of energy-transportation systems[J]. IEEE Transactions on Industrial Informatics, 2022, 18(11): 8172-8181.

Hu T, Ma H, Liu K, et al. Lithium-ion battery calendar health prognostics based on knowledge-data-driven attention[J]. IEEE Transactions on Industrial Electronics, 2022, 70(1): 407-417.

H. Liu, J. Liu, T. Hu* and H. Ma, "Spatio-Temporal Probabilistic Forecasting of Wind Speed Using Transformer-Based Diffusion Models," in IEEE Transactions on Sustainable Energy, doi: 10.1109/TSTE.2025.3591920.

Hu T, Ma H, Sun H, et al. Electrochemical-theory-guided modeling of the conditional generative adversarial network for battery calendar aging forecast[J]. IEEE Journal of emerging and selected topics in power electronics, 2022, 11(1): 67-77.

Hu T, Wu W, Guo Q, et al. Very short-term spatial and temporal wind power forecasting: A deep learning approach[J]. CSEE Journal of Power and Energy Systems, 2020, 6(2): 434-443.

Hu T, Li K, Ma H, et al. Quantile forecast of renewable energy generation based on indicator gradient descent and deep residual BiLSTM[J]. Control Engineering Practice, 2021, 114: 104863.

Liu H, Liang F, Hu T*, et al. Multi-scale fusion model based on gated recurrent unit for enhancing prediction accuracy of state-of-charge in battery energy storage systems[J]. Journal of Modern Power Systems and Clean Energy, 2024, 12(2): 405-414.

H. Liu, T. Hu* and H. Ma, "Short-Term Wind Speed Forecasting using Graph Attention and Frequency Domain Attention," in CSEE Journal of Power and Energy Systems (accepted).

Zhang X, Wang K, Hu T*, et al. Efficient Knowledge Transfer in Multi-Task Learning through Task-Adaptive Low-Rank Representation[C]. ICME 2025.

Wang K, Zhang X, Hu T*, et al. Csce: Boosting llm reasoning by simultaneous enhancing of causal significance and consistency[C]. ICME, 2025.

Zhang X, Wang K, Hu T*, et al. Enhancing autonomous driving through dual-process learning with behavior and reflection integration[C]//ICASSP 2025-2025 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2025: 1-5

纵向项目：

基于深度学习的完备分布预测模型构建及应用，国家自然科学基金面上项目，2021-2025

基于大语言模型的直升机-蜂群****方法，基础加强项目，450，2025-2026

面向自动驾驶场景的高真实感数据合成，科技部新一代人工智能重大项目子课题，100，2022-2025

基于逻辑推理和****的大模型*****决策方法研究，JKW军事智能领域交叉主题项目，170，2024-2025

智能空中群体的符号-数值耦合认知和导航，启元实验室创新基金，100， 2023-2024

基于生成式对抗网络和微分同胚的完备分布预测模型，博士后科学基金面上资助，8，2021-2022

知识与数据双向驱动的小样本目标识别方法，中国科学院光电信息处理重点实验室创新基金，10，2020-2022

基于双向Wasserstein生成式对抗网络和支持向量数据描述的单标签分类方法，北京科技大学基本科研业务，30，2020至今

横向项目：

无源干扰对抗仿真系统设计，清华大学，36，2021-2024

每年可招收硕士生1-2名，欢迎对大模型感兴趣的同学报考。

（1）北京市科学技术协会青年人才托举工程，北京市科学技术协会，2021年

（2）面向视觉任务的鲁棒特征表示与学习，中国图象图形学学会自然科学二等奖，中国图象图形学学会，2023年，5/5。

（3）《中国电机工程学会电力与能源系统学报》优秀论文奖，2020年，1/1。

基于多尺度融合GRU网络的汽车电池SOC多步预测方法与系统，第一发明人

一种基于知识与数据联合的路径规划方法,应用及装置，第一发明人

一种基于OD数据的多目标旅行商控制方法、系统及介质，第一发明人

基于注意力的锂离子电池日历老化预测模型和方法，第一发明人

基于机器心智模型和自注意力的风力发电分位数预测方法，第一发明人

基于图卷积神经网络和Transformer的时空短期风速预测方法及系统，第一发明人

一种基于大语言模型先验知识的推理状态控制方法及装置，第一发明人

一种基于3DGS 的单图车辆重建方法及系统，第一发明人