许岳兵，男，汉族，1980年10月生，湖南岳阳人，中共党员，副教授，工学博士，硕士研究生导师，双师型教师，衡阳市领军人才。2019年10月毕业于湖南大学控制科学与工程专业，获工学博士学位，研究方向为机器学习、机器视觉、嵌入式及工业应用。

2009年9月至今在衡阳师范学院物理与电子工程学院任教，承担本科生《单片机应用技术》、《嵌入式开发与应用》，硕士生《电网络理论》等课程的教学工作。多次荣获全国/省大学生电子设计竞赛优秀指导教师、优秀研究生导师、“十佳授课教师”、“A类课教师”、本科毕业论文（设计）优秀指导教师、优秀班主任等。2019年第一完成人获校教学成果三等奖1项。

主持省自然科学基金面上项目、省教育厅重点项目、省教育厅优秀青年项目、省教学改革研究项目和企业委托项目等多项。发表论文20余篇，SCI/EI收录10余篇。参编教材3部。获授权国家专利5项，计算机软件著作权6项。指导国家级、省级大学生创新训练项目、省大学生创业实践项目等多项。指导本科生参加全国/省大学生电子设计竞赛，获全国一、二等奖各1项，省级奖励30余项，其中省一等奖8项。指导硕士生参加“华为杯”中国研究生人工智能创新大赛获全国三等奖1项，参加“兆易创新杯”中国研究生电子设计竞赛获二、三等奖各1项。

联系邮箱：yuebingxu@hnu.edu.cn。

课题组招收电子信息工程硕士研究生，欢迎电子信息、计算机、自动化、数学等相关专业，具有学科竞赛、实验室经历的同学们报考！

主持科、教研项目：

[1]     湖南省教育厅重点项目，“基于数据驱动的供水管网漏损管控关键技术及应用研究”，项目编号：24A0514，在研。

[2]     湖南省自然科学基金面上项目，“基于深度强化学习的城市供水管网智能调度方法与应用研究”，项目编号：2020JJ4151，已结题。

[3]     湖南省教育厅优秀青年项目，“基于深度学习的城市供水管网漏损建模与预测研究”，项目编号：20B077，已结题。

[4]     湖南省普通高等学校教学改革研究项目，“新工科背景下微型计算机原理课程教学改革研究”，湘教通[2018]436号，已结题。

[5]     智能信息处理与应用湖南省重点实验室开放基金项目，“基于深度学习的城市供水量预测方法研究”，项目编号：2017IIPAYB04，已结题。

科研论文：

[1]     Y. Zhao, Y. Xu*, J. Ye, et al. Urban Water Supply Forecasting Based on CNN-LSTM-AM Spatiotemporal Deep Learning Model. IEEE Access, 2023, 11, pp. 144204-144212.

[2]     Y. Zhao, Y. Xu*, X. Zhang, et al. Urban Daily Water Supply Forecasting Based on the LSTM-AM Model. The 9th International Conference on Big Data and Information Analytics (BigDIA), Haikou, China, 2023, pp. 124-129.

[3]     Y. Xu*, J. Zhang, Z. Long, et al. Daily urban water demand forecasting based on chaotic theory and continuous deep belief neural network. Neural Processing Letters, 2018.

[4]     Y. Xu*, J. Zhang, Z. Long, et al. A novel dual-scale deep belief network method for daily urban water demand forecasting. Energies 2018, 11(5), 1068.

[5]     Y. Xu*, J. Zhang, Z. Long, et al. A new hybrid approach for short-term water demand time series forecasting. The 13th World Congress on Intelligent Control and Automation (WCICA), Changsha, China, 2018, pp. 534-539.

[6]     Y. Xu*, J. Zhang, Z. Long, et al. Hourly Urban Water Demand Forecasting Using the Continuous Deep Belief Echo State Network. Water 2019, 11(2), 351.