个人简介
贺楠，博士，讲师，现为北京工业大学tyc86太阳集团计算机科学与技术系教师。中国计算机学会会员，2023年于北京理工大学获工学博士学位，随后于清华大学从事博士后研究工作。在站期间主持中国博士后科学基金，并入选国家资助博士后研究人员计划等多项人才项目。
主要研究方向涵盖边缘智能、大小模型协同训练与推理、边缘资源分配，及其在车联网等数智化服务场景中的应用。作为负责人或核心成员参与多项国家级及省部级科研项目，包括科技部科技创新2030—“新一代人工智能”重大项目、国家自然科学基金、北京市自然科学基金及中国博士后科学基金等。科研成果曾获中国电子学会物联网委员会优秀论文奖、吉林省优秀硕士学位论文等荣誉。在TPDS、TSC、NETWORK、MM等计算机网络与人工智能领域知名期刊及会议上发表学术论文10余篇，申请/授权国家发明专利6项。
教育简历
2019/9–2023/6，北京理工大学 tyc86太阳集团，博士
2016/9–2019/6，吉林大学 软件学院，硕士
2012/9–2016/6，合肥工业大学 tyc86太阳集团，学士
工作履历
2025/9–今，北京工业大学 tyc86太阳集团 体系结构研究所，讲师
2023/7–2025/8，清华大学 计算机系，博士后
研究方向
主要从事边缘智能、大小模型协同训练与推理、边缘资源分配领域研究工作，主要研究方向如下：
[1] 边缘计算：在系统层面构建轻量级边缘云模型，实现任务部署与激励机制设计，并开展系统性能优化及平台框架开发。在理论层面，运用组合优化、深度强化学习等算法，实现资源的高效调度与分配；进一步引入模型量化、知识蒸馏与联邦学习等方法，提升边缘侧模型的推理效率与隐私保护能力。
[2] 网络功能虚拟化、软件定义网络等新型网络架构：探索基于软件定义网络的网络功能虚拟化资源分发与请求处理系统，研发优化的路由算法、资源自动控制策略及故障检测与恢复机制，并推动多协议与通信技术在下一代网络架构中的融合应用。结合联邦学习机制，实现分布式网络智能与隐私敏感型资源调度。
[3] 人工智能算法及物联网开发与应用：优化并改进深度强化学习、图神经网络等算法，并引入模型量化与知识蒸馏技术，以提升模型在资源受限环境中的适应性与泛化能力。开发基于人工智能的物联网应用系统，如智能交通等，推动算法研究向实际系统的高效转化。
科研项目
1. 中国博士后科学基金，面向异构物联网环境的智能端云协同关键技术研究，2024/07‑2025/7，主持
2. 国家资助博士后研究人员计划，视频物联网中端云协同模型学习与进化方法研究， 2024/07‑2025/7，主持
3. 跨场域的学习场景建模与推荐技术，科技创新2030‑“新一代人工智能”重大项目，2022/01‑2026/12，参加
4. 清华交叉研究院灵境项目，面向远程沉浸式 3D 重构、显示与交互的信息传输技术，2024/01‑2025/12，参加
5. 国家自然科学基金面上项目，面向边缘计算的视频资源优化部署与调度问题研究，2022/01‑2025/12，参加
6. 国家自然科学基金面上项目，网络功能虚拟化环境下资源优化调度问题研究，2019/01‑2021/12，参加
7. 军事科学院项目，基于软件定义的智能化私有云平台，2020/07‑2021/06，参加
代表性研究成果
科研专著：
1. Song Yang, Nan He, Fan Li and Xiaoming Fu, Resource Allocation in Network Function Virtualization: Problems, Models and Algorithms, Springer, ISBN: 978-981-19-4814-5, September 2022.（科研专著）
学术论文：
1. Nan He, Yiming Chen, Zheng Jiang, Lianchen Jia, Song Yang, Lifeng Sun, DynFed: Enhancing Federated Learning with Dynamic Quantization and Knowledge Distillation for Heterogeneous Clients, ACM MM, 2025. (CCF A类推荐会议)
2. Nan He , Song Yang, Fan Li, Yu Wang, and Xiaoming Fu, Incentive Mechanism for Resource Trading in Video Analytic Services Using Reinforcement Learning, IEEE Transactions on Services Computing, vol. 17, no. 6, pp. 3803‑3816, 2024. (CCF A类推荐期刊)
3. Nan He, Song Yang, Fan Li, Yu Wang, and Xiaoming Fu, Leveraging Deep Reinforcement Learning with Attention Mechanism for Virtual Network Function Placement and Routing, IEEE Transactions on Parallel and Distributed Systems, vol. 34, no. 4, pp. 1186‑1201, 2023. (CCF A类推荐期刊)
4. Nan He , Song Yang, Fan Li, and Xu Chen, Intimacy-based Resource Allocation for Network Slicing in 5G via Deep Reinforcement Learning, IEEE NETWORK, vol. 35, no. 6, pp. 111–118, 2021.（中科院一区）
5. Nan He , Song Yang, Fan Li, Stojan Trajanovski, Fernando A. Kuipers, and Xiaoming Fu, ADDPG: Attention mechanism-based deep reinforcement learning for NFV, IEEE IWQoS, pp. 1–10, 2021. (CCF B类推荐会议)
6.Yiming Chen, Nan He, and Lifeng Sun, FedTG: Text‑guided Federated Domain Generalization, ICASSP,2025. (CCF B类推荐会议)
7. Kaiyi Li, Nan He, and Lifeng Sun, Multimodal Network with Instruction‑Aware Memory Module for Classroom Learning Activity Recognition, MIPR, 2025.
8.Yiming Chen, Nan He , and Lifeng Sun. FedAWA: Aggregation Weight Adjustment in Federated Domain Generalization, IEEE International Conference on Image Processing (ICIP), 2024
9. Song Yang, Nan He, Fan Li, Stojan Trajanovski, Xu Chen, Yu Wang, and Xiaoming Fu, Survivable task allocation in cloud radio access networks with mobile edge computing, IEEE Internet of Things Journal, vol. 8, no. 2, pp. 1095–1108, 2020.（中科院一区）
10. Jian Wang, Nan He, Fang Mei, Daxin Tian, and Yuming Ge, Optimization and noncooperative game of anonymity updating in vehicular networks, Ad Hoc Networks, vol. 88, pp. 81–97, 2019. (CCF B类推荐期刊)
获奖与荣誉
1. 中国电子学会物联网委员会优秀学术论文（2023）。
2. 吉林省优秀硕士学位论文（2020）。
学术兼职
长期担任多个IEEE、ACM Trans系列汇刊的审稿人与领域顶级学术会议的程序委员会委员，如IEEE TPDS、TNSE等期刊，以及MM、AAAI、INFOCOM等会议。
