陈薇，博士、讲师、硕士生导师。本科（2015年）和博士（2020年，硕博连读）均毕业于广东工业大学。2018年9月受国家留学基金委资助赴美国卡内基梅隆大学进行联合培养。 研究兴趣专注于机器学习、因果推断、因果表征学习等人工智能相关的系列理论与方法，及其在智能运维、神经科学、心理健康等领域的应用。 主持国家自然科学基金青年项目、广东省自然科学基金面上项目、中国博士后科学基金面上项目、广州市科技计划项目，参与国家自然科学基金广东省联合基金重点项目、新一代人工智能国家科技重大专项等项目。 以第一作者或通讯作者发表学术论文20余篇，包括IEEE TNNLS、Science China Information Sciences、ICML、AAAI、IJCAI、Neurocomputing等人工智能或机器学习领域国际顶级期刊或顶会。 指导学生获中国国际“互联网+”大学生创新创业大赛总决赛金奖、语音识别顶会ICASSP通信网络智能运维大赛二等奖等。

邮箱: chenweidelight@gmail.com

因果关系发现与因果学习
人工智能与机器学习

感兴趣的同学可以直接给我邮件，请附一份简历。 

硕士/优秀本科学生：常年招收本人研究方向感兴趣的学生与我合作开展科研工作，现招收广东工业大学计算机学院2025年9月入学的硕士研究生，欢迎感兴趣的同学用邮件联系我。

如果考虑选择我作为您硕士期间的导师，那么请耐心阅读以下注意事项：

1、请先认真思考对我的研究方向是否感兴趣！

2、如果有意愿读博，请直接告诉我，我会优先考虑！ 

3、熟悉至少一门编程工具MATLAB/C/C++/JAVA/R/Python编程，最好熟悉Linux操作命令；

4、较好的抽象思维能力，对数学感兴趣（起码不排斥），有数学建模竞赛等经历是加分项；

5、科研的过程并非一帆风顺，希望你能积极主动、能够承担一定压力、愿意接受挑战。

6、研究生毕业之前必须写出高水平学术论文（SCI/一级学报/CCF B类以上会议）

个人简历请发送至本人邮箱chenweidelight@gmail.com

2015年09月-2020年07月   广东工业大学计算机工程与应用   博士 

2018年09月-2019年10月   美国卡内基梅隆大学机器学习     联合培养博士

2011年09月-2015年06月   广东工业大学计算机科学与技术   学士

2020年7月-现在                  广东工业大学     博士后研究员、讲师

2024/4/17, 一篇文章“Individual Causal Structure Learning from Population Data”被IJCAI2024录用！

2023/12/10, 一篇文章“Identification of Causal Structure with Latent Variables based on Higher Order Cumulants”被AAAI 2024录用！

2023/4/25, 一篇文章“Causal Discovery with Latent Confounders Based on Higher-Order Cumulants”被ICML 2023录用！

广东省自然科学基金面上项目，2025-01至2027-12，主持

广州市科技计划项目， 2024-01至2026-12，主持

国家自然科学基金青年基金项目，2023-01至2025-12，主持

科技创新2030“新一代人工智能”重大项目， 2021-12至2025-11，子课题负责人

中国博士后科学基金面上项目，2021-06至2022-06，主持

1.Wei Chen,Xiaokai Huang, Zijian Li, Ruichu Cai*, Zhiyi Huang, Zhifeng Hao. Individual Causal Structure Learning from Population Data[C]// IJCAI 2024. (CCF A类会议)
2. Wei Chen, Zhiyi Huang, Ruichu Cai, et al. Identification of Causal Structure with Latent Variables Based on Higher Order Cumulants[C]//AAAI 2024. (CCF A类会议)

3. Wei Chen, Ruichu Cai, Kun Zhang, Zhifeng Hao. Causal discovery in linear non-Gaussian acyclic model with multiple latent confounders[J]. IEEE Transactions on Neural Networks and Learning Systems, 2021,33(7): 2816-2827. (中科院SCI一区期刊)

4.Wei Chen, Jibin Chen, Ruichu Cai, et al. Learning granger causality for non-stationary Hawkes processes[J]. Neurocomputing, 2022, 468: 22-32. (中科院SCI二区期刊)

5.Wei Chen, Ruichu Cai, Zhifeng Hao, et al. Mining hidden non-redundant causal relationships in online social networks. Neural Computing and Applications, 2020, 32(11): 6913-6923. (中科院SCI二区期刊)

6. Ruichu Cai, Yunjin Wu, Xiaokai Huang, Wei Chen*, et al. Granger Causal Representation Learning for Groups of Time Series [J]. Science China Information Sciences, 2023. (CCF A类期刊)

7.Ruichu Cai, Zhiyi Huang, Wei Chen*, et al. Causal discovery with latent confounders based on higher-order cumulants[C]//ICML, 2023. (CCF A类会议)

8. Ruichu Cai, Zhaolong Lin, Wei Chen*,et al. Shared state space model for background information extraction and time series prediction[J]. Neurocomputing, 2022, 468: 85-96. (中科院SCI二区期刊)

9. Ruichu Cai, Liting Huang, Wei Chen*, et al. Learning dynamic causal mechanisms from non-stationary data[J]. Applied Intelligence, 2022: 1-12. (中科院SCI二区期刊)

（注：* 通讯作者/Corresponding Author）

会议审稿人: ICML 2022-2024, UAI 2022-2024, NeurIPS 2022-2024, AAAI 2025, ICLR 2023-2024, AISTATS 2024, CLEAR 2024, CDML 2020
期刊审稿人: IEEE Transactions on Neural Networks and Learning Systems (TNNLS), Neural Network, Neurocomputing, Transactions on Machine Learning Research (TMLR), and so on.

个人主页：https://chenweidelight.github.io/zh-cn/

Github:https://github.com/DMIRLAB-Group

Causul Learn:causal-learn: Casual Discovery in Python