工学学士（中国电子科技大学英才学院）

博士（香港中文大学电子信息工程系）

博士后/研究员（香港中文大学 & 洛桑联邦理工大学）

技术项目委员会联合主席：

IEEE International Conference on Communications (ICC) 2019 Workshop-ICT4SG - 2019

技术项目委员会成员：

IEEE Global Communications Conference (GLOBECOM) - 2019

IEEE Power Systems Computation Conference (PSCC）- 2018

IEEE Asia-Pacific Conference on Communications (APCC) - 2017-2019

IEEE International Conference on Smart Grid Communications (SmartGridComm) - 2015-2016

International Conference on Mechanics & Applied Physics (ICMAPH)) - 2015

团队现有博士生8人，研究生3名，本科实习生若干名。

博士生：王琳

团队核心成员王琳于2020年6月从电子科技大学获得学士学位，并于2020年9月进入香港中文大学（深圳）攻读博士，在唐晓莹教授团队进行研究。他在博士期间的主要研究方向为联邦学习的采样策略，以及联邦学习的优化算法。

博士生：郭永新

团队核心成员郭永新于2020年6月从南开大学获得学士学位，并于2020年10月加入唐晓莹教授团队，在香港中文大学（深圳）攻读博士学位。他在硕士的主要研究方向为联邦学习与持续学习及其在充电网络的应用。

博士生：吴弘毅

团队核心成员吴弘毅于2020年6月从电子科技大学获得学士学位，并于2020年9月加入唐晓莹教授团队，在香港中文大学（深圳）攻读博士学位。他在博士的主要研究方向为联邦学习的机制分析，以及其在边缘计算中的应用。

博士生：任鹤宇

团队核心成员任鹤宇于2019年7月从北京航空航天大学获得学士学位，于2020年9月从新加坡南洋理工大学获得硕士学位，并于2020年10月加入唐晓莹教授团队，2021年1月起在香港中文大学（深圳）攻读博士学位。她在博士的主要研究方向为定价优化问题，以及博弈模型在电动汽车定价方案中的应用。

博士生：廖焕新

团队核心成员廖焕新于2021年7月从上海交通大学获得学士学位，并于2021年8月加入唐晓莹教授团队，在香港中文大学（深圳）攻读博士学位。他在博士的主要研究方向为电力市场调度优化问题。

博士生：冷曦

团队核心研究成员冷曦于2021年6月从大连理工大学取得学士学位，并于2021年9月加入唐晓莹教授团队，在香港中文大学（深圳）攻读博士学位。他在博士的主要研究方向为对不同数据分布的领域泛化。

博士生：燕峘宇

团队核心成员燕峘宇于2020年6月从西北工业大学获得学士学位，并于2021年8月加入唐晓莹教授团队，在香港中文大学（深圳）攻读博士学位。他在博士的主要研究方向为电动汽车充电行为分析，充电调度，充电场站的合作竞争博弈，定价以及充电策略优化等，相关研究成果发表在2022 IEEE International Conference on Communications, Control, and Computing Technologies for Smart Grids (SmartGridComm)，14th ACM International Conference on Future Energy Systems等电动车领域国际旗舰会议中。此外，他参与了国家自然科学基金项目和南方电网科技项目等电动汽车相关研究课题，其中用户行为分析成果已应用于深圳市车网互动的工业实践中。

博士生：刘婕

团队核心成员刘婕于2021年6月从中南大学获得学士学位，并于2021年9月加入唐晓莹教授团队，2021年9月起在香港中文大学（深圳）攻读硕士学位。她在硕士的主要研究方向为定价和充电规划的优化问题，以及强化学习算法在电动汽车定价和资源分配方案中的应用。

研究生：姚瑶

团队核心研究成员姚瑶于2021年6月从南京邮电大学取得学士学位，并于2022年9月加入唐晓莹教授团队，在香港中文大学（深圳）攻读硕士学位。她在硕士的主要研究方向为生成式分类器在联邦学习领域的应用。

研究生：王志超

团队核心研究成员王志超于2021年6月从电子科技大学取得学士学位，并于2022年9月加入唐晓莹教授团队，在香港中文大学（深圳）攻读硕士学位。他在硕士的主要研究方向为联邦学习公平性、安全性算法。

研究生：张纪伟

团队核心成员张纪伟于2022年6月从北京邮电大学大学获得学士学位，并于2022年9月加入唐晓莹教授团队，2022年9月起在香港中文大学（深圳）攻读硕士学位。他在硕士的主要研究方向为针对电动出租车的定价和充电规划的优化问题。

书籍：

W. Tang and Y. J. Zhang
Optimal Charging Control of Electric Vehicles in Smart Grids
Springer Briefs (Series Editor: Xuemin Sherman Shen), Springer, 2017 (ISBN: 9783319458618, Page Number: XI, 106)

期刊和会议论文：

1. L. Wang, Y. Guo, T. Lin, and X. Tang*, “DELTA: Diverse Client Sampling for Fasting Federated Learning”, NeurIPS 2023, New Orleans Ernest N. Morial Convention Center, USA.
2. Y. Guo, X. Tang* and T. Lin, “FedBR: Improving Federated Learning on Heterogeneous Data via Local Learning Bias Reduction”, ICML 2023, Hawaii, USA.
3. Z. Pan, S. Wang, H. Wang, C. Li, and X. Tang*, J. Zhao*，“FedMDFG: Federated Learning with Multi-Gradient Descent and Fair Guidance”, AAAI 2023, Washington, DC, USA.
4. L. Wang, Z. Wang, X. Tang*, “FedEBA+: Towards Fair and Effective Federated Learning via Entropy-based Model”, ICLR 2023 Workshop ML4IoT, Kigali, Rwanda.
5. Y. Guo, X. Tang*, and T. Lin, “FedConceptEM: Robust Federated Learning Under Diverse Distribution Shifts”, ICLR 2023 Workshop ML4IoT, Kigali, Rwanda.
6. H. Yan and X. Tang*, “Incorporating range anxiety into electric vehicle highway charging decisions: A bayesian game analysis,” in Proceedings of the 14th ACM International Conference on Future Energy Systems, ser. e-Energy'23. New York, NY, USA: Association for Computing Machinery, 2023, pp. 184–188.
7. C. Sun, T. Li, and X. Tang*, “A data-driven approach for optimizing early-stage electric vehicle charging station placement,” IEEE Transactions on Industrial Informatics, pp. 1–11, 2023.
8. H. Liao, C. Yang, H. Gao, W. Liu, H. Xin, X. Tang*, and J. Zhao*, “Comprehensive-Contribution-Based Primary Frequency Regulation Market Design for the Converter-Integrated Power System”, IEEE Transactions on Power Systems, 2023.