2021年博士毕业于西安交通大学统计学专业，2022年至今在日本av无码-日本成人无码-日本无码影片 任教，现任副教授，硕导，主要从事深度学习、遥感图像修复融合与解译等方向的研究工作。

       近年来他先后主讲概率论与数理统计、数学分析H（上）讨论课 、大数据处理等3门本科生课程，以及大数据分析与决策、Stochastic Process等2门研究生课程。

       近五年他主持国家自然科学基金青年项目1项、中央高校基本科研业务费、陕西数理基础科学研究项目青年项目以及日本av无码 科研启动费各1项，参与国家自然科学基金面上项目以及科技部重点研发计划各1项。在IJCV、IEEE TNNLS等期刊，以及CVPR、ICCV等顶级机器学习会议发表学术论文30余篇，谷歌学术引用2800余次，H-index 24，1篇高被引论文。入选西安市科协青年人才托举计划项目，获中国电子学会自然科学二等奖（4/5）、河南省教育厅科技成果奖一等奖（2/5）。近年来代表创新性工作如下：

       1. 模型驱动的多模态图像处理网络建模。针对遥感领域的全色锐化（即，全色图像和多光谱图像融合）任务，对两种模态的图像分别建立了观测模型及其对应的具有深度先验的优化模型，使用算法展开技术提出了一种深度梯度投影网络，尝试解决了全色锐化网络缺乏可解释性的问题。相关工作发表于CVPR和IEEE TGRS。

       2. 多模态高光谱图像去噪。创造性地提出全色去噪(pandenoising)技术，即全色图像作为引导图像，辅助高光谱图像去噪。在损失函数建模、内部先验建模之外，为高光谱图像去噪开辟了外部先验建模的新思路。在复杂噪声情形下，全色去噪技术展现出更强的去噪效果，且有利于促进高光谱图像分类、高光谱全色锐化等下游任务。相关工作发表于IEEE TGRS。

       3. 基于先验知识的高光谱图像修复模型。提出了基于混合非对称拉普拉斯分布的噪声建模框架，并成功应用于低秩矩阵分解模型和CP分解模型。该模型在多光谱图像、高光谱图像去噪上表现优异，可以有效地刻画遥感高光谱成像过程中产生的死线噪声和带状噪声等。相关工作发表于机器学习权威期刊Pattern Recognition和IEEE TGRS上。

       个人教师主页：//teacher.rbavwuma.com/shuangxu.html