张纵辉

教授

香港中文大学(深圳)

教育背景

教育经历：

  • 2003/02-2008/08: 台湾新竹清华大学 通信工程 博士学位（全日制）
  • 2006/09-2008/02：美国明尼苏达大学双城分校 电子与计算机工程交换博士生
  • 1999/09-2003/02：台湾新竹清华大学，电机工程 本科学位（全日制）

 

工作经历：

  • 2025/09-至今：深圳河套学院，双聘教授
  • 2025/02-至今：香港中文大学（深圳）人工智能学院 教授兼副院长
  • 2024/07-2025/01，香港中文大学（深圳）理工学院 教授兼副院长（教育）
  • 2022/07-2024/06：香港中文大学（深圳）理工学院 副教授兼副院长（教育）
  • 2018/08-2024/06：香港中文大学（深圳）理工学院 终身副教授
  • 2015/08-2018/07：香港中文大学（深圳）理工学院 助理教授
  • 2012/04 -至今：深圳大数据研究院网络系统优化中心 副院长
  • 2012/07 -至今：中国广东省大数据计算重点实验室 副主任
  • 2011/09-2012/08：美国加州大学戴维斯分校 博士后研究员(与Anna Scaglione教授合作）
  • 2008/08-2012/08：台湾新竹国立清华大学 博士后研究员(与祁忠勇教授合作）
  • 2007/09-2008/02：美国明尼苏达大学双城分校 博士研究员（与罗智泉教授合作）
研究领域
分布式优化方法、大规模移动网络优化、AI+移动网络、通信网络世界模型、AI-RAN
邮箱
tsunghuichang@slai.edu.cn
个人简介

张纵辉，国家高层次青年人才，国际电气与电子工程师学会会士（IEEE Fellow），亚太人工智能学会会士（AAIA Fellow），现为香港中文大学（深圳）人工智能学院教授、副院长、深圳市大数据研究院研究员、广东省大数据计算基础理论与方法重点实验室副主任。目前与过去分别担任多个国际信号处理顶级期刊资深编委和编委，IEEE信号处理协会（SPS）通信网络信号处理技术委员会副主席、感知通信一体化工作组发起人与首届主席和IEEE SPS 董事会亚太区独立主席、IEEE SPS会士评选委员会委员。张教授专注于面向无线通信、机器学习的关键信号处理和优化方法的基础研究，近年来主持和参与包括科技部国家重点研发计划、自然科学基金重点项目、面上项目、广东省重点项目、深圳市杰出青年项目以及华为、中兴等企业的横向项目10余项。获得2015年IEEE通信学会亚太区杰出青年学者奖、2018年、2021年IEEE信号处理协会最佳论文奖、2024年香港中文大学（深圳）杰出科研奖，以及多个华为公司颁发的技术成果转化奖和优秀技术合作项目奖。

学术著作

代表性论文（近5-10年，按影响力排序）：

  1. Y. -F. Liu, T.-H. Chang, M. Hong, Z. Wu, A. M.-C. So and E. Jorsweick, "A Survey of Recent Advances in Optimization Methods for Wireless Communications," in IEEE Journal on Selected Areas in Communications, vol. 42, no. 11, pp. 2992-3031, Nov. 2024
  2. Y. Wang, Y. Xu, Q. Shi and T. -H. Chang, "Quantized Federated Learning Under Transmission Delay and Outage Constraints," in IEEE Journal on Selected Areas in Communications, vol. 40, no. 1, pp. 323-341, Jan. 2022
  3. Y. Xu, E. G. Larsson, E. A. Jorswieck, X. Li, S. Jin and T. -H. Chang, "Distributed Signal Processing for Extremely Large-Scale Antenna Array Systems: State-of-the-Art and Future Directions," in IEEE Journal of Selected Topics in Signal Processing, vol. 19, no. 2, pp. 304-330, March 2025
  4. Z. Tang, D. Rybin and T.-H. Chang,“Zeroth-order optimization meets human feedback: Provable learning via ranking oracles,”ICLR, 2024
  5. Z. Tang, Y. Wang and T.-H. Chang, “z-SignFedavg: A unified stochastic sign-based compression for federated learning,”AAAI, 2024
  6. Y. Wang, Q. Shi and T. -H. Chang, "Why Batch Normalization Damage Federated Learning on Non-IID Data?," in IEEE Transactions on Neural Networks and Learning Systems, vol. 36, no. 1, pp. 1692-1706, Jan. 2025
  7. T. -H. Chang, M. Hong, H. -T. Wai, X. Zhang and S. Lu, "Distributed Learning in the Nonconvex World: From batch data to streaming and beyond," in IEEE Signal Processing Magazine, vol. 37, no. 3, pp. 26-38, May 2020

 

科研奖励：

  1. 2024年：华为无线网络产品线优秀技术合作项目奖，华为技术有限公司
  2. 2024年：杰出科研奖，香港中文大学（深圳）
  3. 2024年：技术合作成功转化一等奖，华为技术有限公司
  4. 2023年：电气电子工程师学会会士，电气电子工程师学会
  5. 2022年：技术合作成功转化二等奖，华为技术有限公司
  6. 2021年：卓越科研奖，香港中文大学（深圳）理工学院
  7. 2021年：IEEE信号处理学会最佳论文奖，IEEE信号处理学会
  8. 2018年：IEEE信号处理学会最佳论文奖，IEEE信号处理学会
  9. 2015年：IEEE亚太区杰出青年研究员奖，IEEE通信学会
  10. 2014年：青年学者研究奖，国立台湾科技大学大学