康雁飞

北京航空航天大学经济管理学院      
“卓越百人计划”副教授、博士生导师 
地址：北京市海淀区学院路37号新主楼A931 

邮件：yanfeikang@buaa.edu.cn 
主页：http://yanfei.site 
欢迎对我的研究领域感兴趣的同学与我邮件联系！

教育背景

  • 2010.09 – 2014.08 博士 澳大利亚莫纳什大学
  • 2009.09 – 2010.07 统计学研究生 中国人民大学
  • 2005.09 – 2009.07 统计学本科 山东财经大学

研究兴趣

统计计算；统计预测；时间序列分析；大数据与机器学习

工作经历

  • 2016.11 – 今 北京航空航天大学 经济管理学院 副教授、硕士生导师、博士生导师
  • 2015.08 – 2016.08 百度大数据部 大数据高级研发工程师
  • 2014.08 – 2015.07 澳大利亚莫纳什大学 博士后

科研项目

  • 2018年 – 2020年，国家自然科学基金青年项目：基于实例空间的时间序列预测研究，负责人
  • 2017年 – 2019年，北京航空航天大学“卓越百人计划”启动项目，负责人
  • 2017年 – 2018 年， 北京航空航天大学基本科研业务项目：大数据理论及应用研究，主要参与者
  • 2014年 – 2015年，Stress-testing algorithms: generating new test instances to elicit insights, funded by Australian Research Council，主要参与者（博士后主要工作）

工作论文

  1. Yanfei Kang, Evangelos Spiliotis, Fotios Petropoulos, Nikolaos Athiniotis, Feng Li, Vassilios Assimakopoulos (2019). Déjà vu: forecasting with similarity. Working paper.
  2. Thiyanga Talagala, Feng Li, Yanfei Kang (2019). FFORMPP: Feature-based forecast model performance prediction. Working paper.
  3. Xiaoqian Wang, Yanfei Kang, Fotios Petropoulos, Feng Li (2019). Que será será? The uncertainty estimation of feature-based time series forecasts. Working paper.
  5. Xixi Li, Yanfei Kang, Feng Li (2019). Forecasting with time series imaging. Working paper.
  6. Yanfei Kang, Rob J Hyndman, Feng Li (2018). GRATIS: GeneRAting TIme Series with diverse and controllable characteristics. Working paper. R package. Shiny app.

学术论文

  1. Yitian Chen, Yanfei Kang*, Yixiong Chen, Zizhuo Wang (2020). Probabilistic Forecasting with Temporal Convolutional Neural Network, Neurocomputing, forthcoming, doi:10.1016/j.neucom.2020.03.011. Online.
  2. Feng Li, Yanfei Kang* (2018). Improving forecasting performance using covariate-dependent copula models, International Journal of Forecasting 34(3): 456-476, doi:10.1016/j.ijforecast.2018.01.007. Online.
  3. Yanfei Kang*, Rob J. Hyndman, Kate Smith-Miles. (2017). Visualising Forecasting Algorithm Performance using Time Series Instance Space. International Journal of Forecasting 33(2): 345–358, doi: 10.1016/j.ijforecast.2016.09.004. Online.
  4. Yanfei Kang, Danijel Belusic, Kate Smith-Miles. (2015). Classes of Structures in the Stable Atmospheric Boundary Layer. Quarterly Journal of the Royal Meteorological Society 141(691): 2057–2069, doi: 10.1002/qj.2501. Online.
  5. Yanfei Kang. (2015). Detection, classification and analysis of events in turbulence time series. Bulletin of the Australian Mathematical Society 91(3): 521-522, doi: 10.1017/S0004972715000106. Online.
  6. Yanfei Kang, Danijel Belusic, Kate Smith-Miles. (2014). Detecting and classifying events in noisy time series. Journal of the Atmospheric Sciences 71(3): 1090–1104, doi: 10.1175/JAS-D-13-0182.1. Online.
  7. Yanfei Kang, Danijel Belusic, Kate Smith-Miles. (2014). A note on the relationship between turbulent coherent structures and phase correlation. Chaos: An Interdisciplinary Journal of Nonlinear Science 24(2) 023114: 1-6, doi: 10.1063/1.4875260. Online.
  8. Yanfei Kang, Danijel Belusic, Kate Smith-Miles. (2013). How to extract meaningful shapes from noisy time-series subsequences? In: Proceedings of the 2013 IEEE Symposium on Computational Intelligence and Data Mining (CIDM). IEEE, pp. 65–72, doi: 10.1109/CIDM.2013.6597219. Online.
  9. Yanfei Kang. (2012). Real-time change detection in time series based on growing feature quantization. In: Proceedings of the 2012 International Joint Conference on Neural Networks (IJCNN). IEEE, pp. 1–6, doi: 10.1109/IJCNN.2012.6252381. Online.

学术兼职

  • 美国国家自然科学基金（NSF）匿名评审人
  • International Journal of Forecasting, Journal of Statistical Software, Proceedings of the Royal Society A 等国际期刊审稿人

学术会议报告

  • 2019年蒙特卡罗方法会议（The 2019 Conference on Monte Carlo Methods），澳大利亚
  • 2019年国际预测大会（The 2019 International Symposium on Forecasting），分会场主席，希腊
  • 2017年国际预测大会（The 2017 International Symposium on Forecasting），分会场主席，澳大利亚
  • 2017年计量经济学与统计学国际会议（The 2017 International Conference on Econometrics and Statistics），邀请报告，中国香港
  • 2016年国际贝叶斯大会（International Society for Bayesian Analysis World Meeting 2016），分组报告，意大利
  • 2014年地球数学会议（The 2014 Conference – Mathematics of Planet Earth），邀请报告，澳大利亚
  • 2013年IEEE计算机智能与数据挖掘大会（The 2013 IEEE Symposium on Computational Intelligence and Data Mining），分组报告，新加坡
  • 2012年IEEE神经网络大会（The 2012 International Joint Conference on Neural Networks），邀请报告，澳大利亚

合作者