研究兴趣：（i）可解释与可信人工智能（Explainable and Trustworthy AI）：致力于揭示神经网络的黑盒决策过程及其内在机理，进而对模型的安全性和可靠性进行系统评估、调控与优化，最终构建可解释、安全可控的人工智能系统。应用场景包含计算机视觉、自然语言处理、图数据挖掘等；(ii) 大模型交叉应用（LLM applications）：通过人工智能技术（尤其是大模型），推动跨学科研究范式的革新。典型应用包括：AI赋能的网络配置优化（AI for network configuration）、AI驱动的药物发现（AI for drug discovery）等。
 

工作及学习经历：

• 2024 - 至今，西安交通大学 计算机科学与技术学院，助理教授
• 2022 - 2024，上海交通大学电子信息与电气工程学院，博士后
• 2015 - 2021，中山大学数学学院，硕博连读
• 2019 - 2020，德州农工大学计算机系（TAMU），访问学生
• 2017 - 2019，香港浸会大学计算机系（HKBU），研究助理

学术服务：

• 担任期刊审稿人： IEEE TPAMI, IEEE TKDE, IEEE TNNLS等
• 担任会议程序委员会成员/审稿人： ICML, NeurIPS, ICLR, AAAI, IJCAI, CVPR 等

长期招收硕士、本科生：如果你对可信人工智能、计算机视觉、自然语言处理、图数据挖掘、及AI 交叉应用等领域感兴趣，有较强的学习能力、自我驱动力，且编程/数学能力突出，欢迎联系我们。Email: denghq7 at xjtu.edu.cn