姓 名：贺文武
职 称：教授
电子邮箱：hwwhbb@163.com
教育背景：
中专(初中毕业入学，四年制，电力系统载波通信), 长沙电力学校, 中国, 1992;
自学考试本科(工业管理工程), 湖南大学, 中国, 1996;
经济学硕士(统计学), 湖南大学, 中国, 2005;
理学博士(概率论与数理统计), 中南大学, 中国, 2008.
讲授课程:
机器学习、概率论与数理统计、高级机器学习算法及其应用，人工智能的数学基础，等。
教研项目：
1.福建省教育科学“十三五”规划重点课题，大数据时代数据科学类课程建设与教学研究（2016.9-2018.8）
教材或专著：
1.毛国军，段立娟，贺文武. 数据挖掘原理与算法. 清华大学出版社, 2023.8. ISBN 978-7-302-62920-7.
2.贺文武. 高效核学习方法及其在预测中的应用. 中国铁道出版社, 2017.12. ISBN 978-7-113-23928-2.
研究领域:
主要研究领域为人工智能与统计机器学习，当前研究兴趣为多模态大模型自适应推理与域泛化、计算机视觉与医学图像重建、因果学习与可解释人工智能、图神经网络及其应用，等。科研项目（纵向、横向）：
1.福建省自然科学基金面上项目，物理驱动的可学习正则化磁共振成像方法研究（项目编号：2024J01158），2024.11-2027.11，10万元，在研，主持。
2.中国科学院深圳先进技术研究院协作项目，域自适应可学习正则化及磁共振成像方法（项目编号：GY-H-24184），2024.07-2025.07，5万元，在研，主持。
3.国家自然科学基金面上项目，面向大数据的位置信息挖掘与推荐方法研究（项目编号：41971340），2020.01-2023.12，49万元，结题，课题骨干。
4.福建省自然科学基金面上项目，面向边缘的近端学习模型轻量化方法研究（项目编号：2020J01891），2020.11-2023.11，7万元，结题，主持。
5.国家重点研发计划蓝色粮仓科技创新专项，浅海生态增养殖全过程信息化平台构建课题（项目编号：2019YFD0900805），2019.11-2022.12，106.2万元，结题，课题骨干。
6.福建省自然科学基金区域发展项目，用于新能源汽车的容量1MWh微型储充电站的开发与应用（项目编号：2018H4005），2018.04-2022.10，100万元，结题，校方主持。
7.福建省自然科学基金面上项目，大规模学习问题中平衡学习效率与学习性能的随机策略研究（项目编号：2016J01750），2016.01-2018.12，4万，结题，主持。
8.福建省自然科学基金面上项目，，大规模数据的在线学习技术研究（项目编号：2012J01247），2012.01-2014.12，5万，结题，主持。
代表性论文：
1. Y. Li, W. He*, S. Xing, H. Zhu. MH-LViT: Multi-path Hybrid Lightweight ViT Models with Enhancement Training, International Journal of Advanced Computer Science and Applications, 2024, 15(10): 1052-1061.
2. D. Cheng, C. Dong, W. He, Z. Chen, X. Liu, H. Zhang. A fine-grained detection method for gate-level hardware Trojan base on bidirectional Graph Neural Networks, Journal of King Saud University - Computer and Information Sciences, 2023, 35(10): 101822.
3. T. Hang, W. He*, B. Pei, M. Ling, P. Li. Real-time Energy Dispatching Strategy for Microgrid Based on Improved SD3 Algorithm, Journal of Network Intelligence, 2023, 4(8): 1338-1357.
4. 贺文武*, 裴博彧, 李雅婷, 刘小雨, 徐少兵. 基于双向自适应门控图卷积网络的交通流预测, 交通运输系统工程与信息, 2023, 23(1): 187-197.
5. 贺文武*, 裴博彧, 毛国君, 陈维亚. 基于轻量时空图卷积模型的路网交通流预测, 铁道科学与工程学报, 2022, 19(9): 2552-2562.
6. 朱元富, 贺文武*, 李建新, 李有才, 李培强. 基于Bi-LSTM_Bi-GRU循环神经网络的锂电池SOC估计, 储能科学与技术, 2021, 10(3)：1163-1176.
7. W. He, F. Zou, Q. Liang. Online learning with sparse labels, Concurrency and Computation-Practice and Experience, 2019, 31(23): e4480.
8. 贺文武*, 刘国买, 刘建华. 新工科专业育人共同体与学习共同体构建研究-以数据科学与大数据技术为例, 教育评论, 2018, 8: 46-51.
9. W. He*, Y. Liu. To regularize or not: Revisiting SGD with simple algorithms and experimental studies, Expert Systems with Applications, 2018, 112:1-14.
10. W. He*, J. Kwok, J. Zhu, et al. A note on the unification of adaptive online learning, IEEE Transactions on Neural Networks and Learning Systems, 2017, 28(5): 1178-1191.
11. 贺文武*, 刘国买. 数据科学与大数据技术专业核心课程建设的探索与研究, 教育评论, 2017, 11: 31-35.
12. W. He*, J. Kwok. Simple Randomized Algorithms for Online Learning with Kernels, Neural Networks, 2014, 60: 17–24.
13. W. He*, S. Wu. A Kernel-Based Perceptron with Dynamic Memory, Neural Networks, 2012, 25: 106-113.
14. H. Jiang, W. He. Grey relational grade in local support vector regression for financial time series prediction, Expert Systems with Applications, 2012, 39(3): 2256-2262.
15. W. He*. Limited Stochastic Meta-Descent for Kernel-Based Online Learning, Neural Computation, 2009, 21(9): 2667-2686.
16. W. He*, Z. Wang, H. Jiang. Model optimizing and feature selecting for support vector regression in time series forecasting, Neurocomputing, 2008, 72(1-3): 600-611.
17. W. He*, Z. Wang. Direct Simplification for Kernel Regression Machines, Neurocomputing, 2008, 71(16-18): 3602–3606.
18. W. He*. Forecasting electricity load with optimized local learning models, International Journal of Electrical Power & Energy Systems, 2008, 30(10): 603-608.
奖项与荣誉：
（奖项）“榕城杯”福州留学人员创业大赛二等奖，2022；第十四届福建省自然科学优秀学术论文二等奖，2020；第十二届福建省自然科学优秀学术论文三等奖，2016；第十一届福建省自然科学优秀学术论文三等奖，2014。