个人简介

修贤超，上海大学机自学院助理研究员、硕士生导师。主要研究最优化理论方法与应用、数据驱动故障诊断的优化模型与算法。主持国家自然科学基金青年项目（2021）、上海高校青年教师培养资助计划（2022）、上海大学青年英才启航计划（2022）。以第一作者在IEEE TNNLS、IEEE TII等电子信息期刊，以及COAP、CSDA等运筹优化期刊发表10余篇学术论文。目前担任上海市运筹学会青年委员。

主要研究领域

1、最优化理论方法与应用

2、数据驱动故障诊断的优化模型与算法

讲授课程

1、本科生《运筹学》

2、研究生《学术英语写作》

社会兼职

1、上海市运筹学会青年委员，CSIAM会员，IEEE会员等

2、期刊审稿人：IEEE TPAMI，IEEE TNNLS，IEEE TC，IEEE TII，SIAM OPT，SIAM MAX，Automatica，中国科学，中国运筹学学报等

代表性成果

1、X. Xiu, L. Pan, Y. Yang, W. Liu, Efficient and fast joint sparse constrained canonical correlation analysis for fault detection, IEEE Transactions on Neural Networks and Learning Systems, DOI: 10.1109/TNNLS.2022.3201881.

2、X. Xiu, Z. Miao, W. Liu, A sparsity-aware fault diagnosis framework focusing on accurate isolation, IEEE Transactions on Industrial Informatics, DOI: 10.1109/TII.2022.3180070.

3、X. Xiu, Z. Miao, Y. Yang, W. Liu, Deep canonical correlation analysis using sparsity constrained optimization for nonlinear process monitoring, IEEE Transactions on Industrial Informatics, 18(10): 6690-6699, 2022.

4、X. Xiu, J. Fan, Y. Yang, W. Liu, Fault detection for non-Gaussian processes using structured joint sparse nonnegative matrix factorization, IEEE Transactions on Instrumentation and Measurement, 70: 1-11, 2021.

5、X. Xiu, Y. Yang, L. Kong, W. Liu, Data-driven process monitoring using structured joint sparse canonical correlation analysis, IEEE Transactions on Circuits and Systems II: Express Briefs, 68(1): 361-365, 2021.