徐超
基本信息
针对网络动态智能控制机制设计这一开放性问题，研究深度强化学习、联邦学习、时间序列预测等新兴人工智能算法，以及传统动态优化、博弈理论等理论与算法的前沿应用，获得多项学术成果。近年来发表论文50余篇，其中以第一作者/通讯作者发表论文18篇：其中国际权威期刊9篇(中科院一区5篇，中科院二区4篇)，国际会议论文8篇，国内重要学术刊物2篇（论文详情见google scholar https://scholar.google.com/citations?user="""5KzMAawAAAAJ&hl=zh-CN）。目前，作为课题负责人，在研数据链重点实验室项目一项、陕西省林业科学院科技创新计划项目一项、西北农林科技大学引进人才专项项目一项，结题国家自然科学基金青年基金一项、国家博士后科学基金面上项目一项、结题中央高校基金两项。
目前，应邀担任IEEE JSAC,IEEE Trans. Commun.，IEEE Trans. Veh. Technol.，IEEE Commun. Letters，Electronics Letters，KSII Trans. Internet Inf. Syst.，通信学报，电信科学，IEEE GLOBECOM，IEEE ICC，IEEE WCSP，IEEE WCNC，IEEE PIMRC以及IEEE ICCC等多个国内外著名期刊以及会议的技术委员会成员（TPC Member）和审稿人；陕西省信号处理学会理事；具有良好的科研与工程经验。
工作经历
2017.11—至今西北农林科技大学信息工程学院副教授、硕导
2018.6—2018.9 新加坡科大SUTDWNDS实验室访问学者
2015.4—2017.10 西安电子科技大学ISN国家重点实验博士后研究员
2014.6—2014.9 新加坡科大SUTDWNDS实验室研究助理
荣誉获奖
1. 陕西省科学技术奖，一等奖，分层无线网络组网理论与方法（第四完成人），完成人：盛敏，王玺钧，李长乐，徐超，刘家佳等，2016。
2. 陕西高等学校科学技术奖，一等奖，分层无线网络组网理论与方法（第四完成人），完成人：盛敏，王玺钧，李长乐，徐超，刘家佳等，2016。
3. 2017年陕西省博士后科研成果奖励项目资助，2017。
科学研究
目前课题组研究方向包括：
1. 基于单/多智能体深度强化学习的物联网数据实时获取与可靠传输技术（已与新加坡南洋理工大学、新加坡科技与设计大学、瑞典林克平大学、浙江大学、中山大学等国内外知名高校进行了深入合作）；
2. 基于联邦学习架构的分布式智能算法设计与应用；
3. 大数据驱动的数据智能预测算法设计与应用（已与中国移动陕西分公司、陕西省林业科学院等企事业单位开展了合作研究）。
指导学生获得的主要成果与荣誉
2021.06：本科生谢益平，学生第一作者身份发表中科院一区SCI（通信领域顶刊）论文（基于深度强化学习的动态控制方向） "Optimal status update for caching enabled IoT networks: A dueling deep R-Network approach," IEEE Transactions on Wireless Communications, accepted for publication.
2021.06：本科生计算机173班张禹轩，本科毕设论文《无线边缘网络中面向Federated Learning 的动态调度算法设计》被评为2021届校本科“百篇优秀毕业论文（设计）”（基于联邦学习架构的分布式智能算法设计与应用方向）。
2021.06：2019级硕士研究生吴梦洁，第一作者发表EI检索论文（基于深度强化学习的动态控制方向），“AoI optimal UAV trajectory planning: A Deep Recurrent Reinforcement Learning Approach”，IEEE PIMRC WKSHP, accepted for publication。
2020.12：硕士研究生吴亚斌、张博伟获得“华为杯”第十七届中国研究生数学建模竞赛三等奖。
2020.09：本科生信管163班赵楠，第一作者发表EI检索论文（基于深度强化学习的动态控制方向），“Status Update for Correlated Energy Harvesting Sensors: A Deep Reinforcement Learning Approach”，IEEE WCSP, accepted for publication。
2019.06：本科生信管151班谢玮堃，本科毕设论文《IoT (Internet of Things) 网络中面向信息新鲜度的数据分发策略》被评为2019届校本科“百篇优秀毕业论文（设计）”（基于深度强化学习的动态控制方向）。
招生信息
一、招生名额：2022年，待招收学硕1-2名，工硕2-3名。
二、招生要求：
1. 诚信踏实，吃苦耐劳，耐得住寂寞，不浮躁；
2. 具有良好的数学和英语基础，最具有机器学习/深度学习研究与实现经验的同学可优先考虑；
3. 具有进行学术研究的兴趣，具备前往国内外知名大学进行进一步深造的需求。
三、研究方向：
1. 基于单/多智能体深度强化学习的物联网数据实时获取与可靠传输技术（已与新加坡南洋理工大学、新加坡科技与设计大学、瑞典林克平大学、浙江大学、中山大学等国内外知名高校进行了深入合作）；
2. 基于联邦学习架构的分布式智能算法设计与应用；
3. 大数据驱动的数据智能预测算法设计与应用（已与中国移动陕西分公司、陕西省林业科学院等企事业单位开展了合作研究）。
四、所提供支持：
为学生提供前往国内外知名大学进行学术交流的机会和资助，便于其掌握所在研究领域的前沿进展，为进一步前往知名大学深造提供交流平台和知识储备。
有兴趣的同学可以和我联系（邮箱：cxu@nwafu.edu.cn，办公地点：西北农林科技大学北校区，信息工程学院，110办公室），期待你的加入！
近三年第一作者/通讯作者论文
1 C. Xu, Y. Xie, X. Wang, H. H. Yang, D. Niyato, and T. Q. Quek,"Optimal status update for caching enabled IoT networks: A dueling deep R-Network approach,"IEEE Transactions on Wireless Communications, Jun. 2021,accepted for publication.(SCI检索, 中科院1区，通信领域顶刊，top期刊，影响因子6.779,CCF B期刊)
2 H. H. Yang,Chao Xu(通讯作者),X. Wang, D. Feng and T. Q. S. Quek, "Understanding Age of Information in Large-Scale Wireless Networks," IEEE Transactions on Wireless Communications,Jan. 2021,accepted for publication.(SCI检索, 中科院1区，通信领域顶刊，top期刊，影响因子6.779,CCF B期刊)
3 Chao Xu,H. H. Yang, X. Wang, and T. Q. S. Quek, "Optimizing Information Freshness in Computing enabled IoT Networks,",IEEE Internet of Things Journal,Feb. 2020,7 (2): 971 - 985. (SCI检索, 中科院1区，top期刊，影响因子9.515, 截至Aug. 2021被引26次)
4 Chao Xuand X. Wang, "Transient Content Caching and Updating With Modified Harmony Search for Internet of Things," Digital Communications and Network, accepted for publication, Feb. 2019, 5(1): 24-33.(SCI检索, 中科院1区，top期刊，影响因子5.382)
5 Chao Xu,X. Wang, H. H. Yang, H. Sun,and T. Q. S. Quek, "AoI and Energy Consumption Oriented Dynamic Status Updating in Caching Enabled IoT Networks,"Feb. 2020,IEEE Conference on Computer Communications (INFOCOM)workshop,accepted for publication. (EI检索,CCF A会议)
6 Chao Xu,H. H. Yang, X. Wang, and T. Q. S. Quek, "On Peak Age of Information in Data Preprocessing enabled IoT Networks,", Feb. 2019, IEEEWireless Communications and Networking Conference (WCNC),accepted for publication. (EI检索, CCF C会议)
7 MengjieWuy, HuijiaChiy, ShuyingGany, Xijun Wang, andChao Xu(通讯作者)，"AoI optimal UAV trajectory planning: A Deep Recurrent Reinforcement Learning Approach"，IEEE PIMRC WKSHP, Jun. 2021, accepted for publication.(EI检索,accepted for publication)
8 N. Zhao (undergraduatestudent),Chao Xu,S. Zhang,Y. Xie (undergraduatestudent), X. Wang, andH. Sun, "Status Update for Correlated Energy Harvesting Sensors: A Deep Reinforcement Learning Approach," Sep. 2020. (EI检索,accepted for publication)