个人简介
梁堉，男，博士，硕士研究生导师。分别于2017年和2022年在北京航空航天大学太阳成集团tyc7111cc获得工学学士和博士学位，先后赴美国亚利桑那州立大学及英国剑桥大学访学交流。担任中国计算机学会智能机器人专委会执行委员，国家智慧教育平台数据创新应用活动专家委员会成员，Applied Sciences期刊客座编辑及多个国际会议/期刊审稿人。入选北京交叉科学学会青年人才托举工程。
主要研究方向为人工智能、深度学习、人机交互、多模态学习、教育信息技术等领域，具体工作涉及智能图像与视频检测、多源信号分析及应用、认知建模与智能导学等。主持国家/北京市自然科学基金、国家/工信部重点实验室课题、北京市博士后科研项目等多项国家及省部级财政科研项目，承担多项国家电网等企事业单位委托技术开发项目。已在AAAI、ICDE、IJCAI等国际会议及IEEE TLT、Pattern Recognition、Neurocomputing等权威期刊上发表30余篇高水平学术论文，授权多项专利及软著，参编近10项国家/团体/行业标准，编写论文集及专著各一部。获中国发明协会发明创业奖成果奖二等奖、太阳成集团教育教学成果奖二等奖、教师教学创新大赛二等奖等荣誉。
个人主页：https://yuliang-homepage.github.io
教育简历
l 2022年毕业于北京航空航天大学太阳成集团tyc7111cc软件开发环境国家重点实验室/沈元荣誉学院，获软件工程工学博士学位（硕博连读）
l 2017年毕业于北京航空航天大学太阳成集团tyc7111cc，获计算机科学与技术工学学士学位
工作履历
l 2022.11-至今，太阳成集团tyc7111cc（原信息学部）
学术兼职
l 中国计算机学会智能机器人专业委员会（CCF TCIR）执行委员
l 国家智慧教育平台数据创新应用活动专家委员会成员
l Applied Sciences期刊客座编辑（Guest Editor）
l AAAI、SIGKDD、ICCV、IJCAI等会议审稿人及程序委员会成员（PC Member）
l IEEE TAFFC、ASOC、IJIN等期刊审稿人
课程教学
l 本科生教学：《算法设计与分析》（春季）、《软件需求分析与建模》（秋季）、《新生研讨课》（秋季）
主要科研项目
[1] 国家自然科学基金项目，多模态教育认知大模型驱动的个性化学习研究，62507001，2026/01-2028/12，30万，主持
[2] 北京市自然科学基金项目，融合多模态人机交互与大语言模型的自适应学习研究，4254091，2025/01-2026/12，20万，主持
[3] 人才大数据智能分析与评测工信部重点实验室课题，多模态交互协同大模型赋能的产教融合智慧教育研究，MIITECKT25001，2025/06-2025/12，主持
[4] 国家电网公司总部科技项目课题，基于双飞翼垂直起降无人机的高速巡航下光电成像与图像处理技术研究，5500-202322539A-3-2-ZN，2023/10-2025/12，190万，主持
[5] 北京市博士后科研项目，多模态融合的学习者认知过程建模研究，2023-ZZ-97，2023/05-2024/11，4万，主持
[6] 软件开发环境国家重点实验室课题，面向学生的代码智能修复与编程能力评估方法研究，SKLSDE-2022KF-10，2022/11-2023/10，5万，主持
[7] 北京市自然科学基金-顺义联合基金项目，基于粒度对齐和区域蒸馏的跨模态视觉注意力高效提升方法研究，L247034，2024/10-2027/09，50万元，参与
[8] 国家重点研发计划项目，智能服务适配理论与关键技术，2018YFB1402800，2019/01-2022/12，2191万，参与
[9] 国家重点研发计划项目课题，个性化教育资源融合与推荐关键技术，2018YFB1004502，2018/05-2021/04，356万，参与
[10] 国家自然科学基金重点项目，大规模在线协同学习的机理与方法研究，61532004，2017/09-2020/12，334万，参与
荣誉和获奖
l 2025年获评中国发明协会发明创业奖成果奖二等奖（2/6）
l 2025年获评太阳成集团教育教学成果奖二等奖（1/5）
l 2025年获评第五届太阳成集团教师教学创新大赛二等奖（4/4）
l 2023、2024年获评太阳成集团年度考核优秀（嘉奖）教职工
l 2023年获评太阳成集团第十七期青年教师教学能力培训优秀学员
主要论著
[1] Liang Y, Wu W, Li Y, editors. Artificial Intelligence Technologies for Education: Advancements, Challenges, and Impacts[M], 2025. ISBN: 978-3-7258-5037-2 / 978-3-7258-5038-9.
[2] AIDevOps: 智能微服务开发、运维原理与实践[M], 机械工业出版社, 2022. ISBN: 9787111708650.
[3] Zhao X, Wang D, Bai S, Wang S, Gao Y, Liang Y, et al. Inversed Pyramid Network with Spatial-adapted and Task-oriented Tuning for few-shot learning[J]. Pattern Recognition, 2025, 164: 111415.
[4] Liang Y, Zhang C, An S, et al. FetchEEG: A hybrid approach combining feature extraction and temporal-channel joint attention for EEG-based emotion classification[J]. Journal of Neural Engineering, 2024, 21(3): 036011.
[5] He D, Li Y, Chen L, Liang Y, et al. A two-stage image enhancement and dynamic feature aggregation framework for gastroscopy image segmentation[J]. Neurocomputing, 2024, 601: 128228.
[6] Peng T, Liang Y*, Wu W, et al. CLGT: A graph transformer for student performance prediction in collaborative learning[C]//The 37th AAAI Conference on Artificial Intelligence. AAAI Press, 2023, 37(13): 15947-15954.
[7] Li Y, Qiu J, Yang R, Zhu T, Sheng H, Gui S; Liang Y*. Intelligent tutoring for large-scale personalized programming learning based on knowledge graph [C]//2023 IEEE Frontiers in Education Conference. IEEE, 2023: 1-5.
[8] Han Y, Wu W, Liang Y, et al. Peer grading eliciting truthfulness based on autograder[J]. IEEE Transactions on Learning Technologies, 2023, 16(3): 353–363.
[9] Liang Y, Peng T, Pu Y, et al. HELP-DKT: An interpretable cognitive model of how students learn programming based on deep knowledge tracing[J]. Scientific Reports, 2022,12(1): 1-11.
[10] Liang Y, Wu W, Wu L, et al. Inferring how novice students learn to code: Integrating automated program repair with cognitive model [C]//Conference on Big Data. Springer, Singapore, 2019: 46-56.
全部论著详见：https://scholar.google.com/citations?user=Ky7Ekn0AAAAJ
