研究方向

包括智能软件工程、教育信息技术、多模态人机交互等研究方向，具体研究工作涉及智慧城市（数字教育、智能电网）、智能图像处理（目标检测、图像识别）及情感计算（情绪识别、生理信号分析）等。

个人简介

梁堉，男，博士，讲师，硕士研究生导师。中国计算机学会、中国人工智能学会、北京交叉科学学会会员。分别于2017年和2022年在北京航空航天大学计算机学院获得工学学士和博士学位，曾赴美国亚利桑那州立大学及英国剑桥大学访学交流。已在AAAI、ICDE、IJCAI、DASFAA、DIGDATA、IEEE TLT、JNE等国际权威会议/期刊上发表近20篇高水平学术论文。申请多项发明专利及软著，参编近10项国家/团体/行业标准，合作编写专著1本。担任Applied Sciences SCI期刊客座编辑，多次担任AAAI、IJCAI等顶级国际会议以及IJMLC、WCMC、IEEE Access等领域重要期刊审稿人。主持国家电网公司总部科技项目课题、北京市博士后科研项目、国家重点实验室开放课题等研究，承担多项企事业单位委托技术开发项目，参与多项国家及省部级重大研究项目。

个人主页：https://yuliang-homepage.github.io

教育简历

2022年毕业于北京航空航天大学计算机学院软件工程专业，获工学博士学位

2017年毕业于北京航空航天大学计算机学院计算机科学与技术专业，获工学学士学位

工作履历

2022.11-至今，新浦京澳门棋牌平台

课程教学

本科生教学：《算法设计与分析》、《软件需求分析与建模》、《新生研讨课》

科研项目

1、国家电网公司总部科技项目课题，基于双飞翼垂直起降无人机的高速巡航下光电成像与图像处理技术研究，2023.10至2025.12，在研，主持

2、北京市博士后科研活动经费资助项目，多模态融合的学习者认知过程建模研究(No.2023-22-97)，2023.05至2024.11，在研，主持

3、软件开发环境国家重点实验室开放课题，面向学生的代码智能修复与编程能力评估方法研究（SKLSDE-2022KF-10），2022.11至2023.10，结题，主持

4、国家重点研发计划项目，智能服务适配理论与关键技术（2018YFB1402800），2019.01至2022.12，结题，参与

5、国家重点研发计划项目，个性化教育资源融合与推荐关键技术（2018YFB1004502），2018.05至2021.04，结题，参与

6、国家自然科学基金重点项目，大规模在线协同学习的机理与方法研究（61532004），2017.09至2020.12，结题，参与

荣誉和获奖

北京工业大学2023年度考核优秀（嘉奖）教职工

北京工业大学第十七期青年教师教学能力培训优秀学员

主要论文论著

[1] Liang Y, Zhang C, An S, et al. FetchEEG: a hybrid approach combining feature extraction and temporal-channel joint attention for EEG-based emotion classification[J]. Journal of Neural Engineering, 2024.

[2] Peng T; Liang Y*; Wu W, et al. CLGT: A Graph Transformer for Student Performance Prediction in Collaborative Learning[C]//The 37th AAAI Conference on Artificial Intelligence. AAAI Press, 2023, 37(13): 15947-15954. (CCF A)

[3] Li Y; Qiu J; Yang R; Zhu T; Sheng H; Gui S; Liang Y*. Intelligent Tutoring for Large-scale Personalized Programming Learning based on Knowledge Graph[C]//2023 IEEE Frontiers in Education Conference . IEEE, 2023: 1-5.

[4] Liang Y, Peng T, Pu Y, Wu W. HELP-DKT: An interpretable cognitive model of how students learn programming based on deep knowledge tracing[J]. Scientific Reports, 2022,12(1): 1-11.

[5] Liang Y, Wu W, Wu L, et al. Inferring How Novice Students Learn to Code: Integrating Automated Program Repair with Cognitive Model[C]// Conference on Big Data. Springer, Singapore, 2019: 46-56.

全部论文详见：https://scholar.google.com/citations?user=Ky7Ekn0AAAAJ