研究领域

信息论、机器学习、高维数据统计。

个人简介

从事信息论、机器学习及高维数据统计之间的跨学科研究。致力于将信息论的理念与方法运用到机器学习和网络安全等实际问题中，刻画其性能的理论极限并提出可行算法。在IEEE期刊及旗舰会议上发表论文40篇，包括IEEE Transactions on Information Theory 10篇。参与香港政府资助的GRF项目和ITF项目、新加坡政府资助的NRF项目、北京跟踪与通信技术研究所资助的网络编码项目。

学习经历

2015–2020，香港中文大学，信息工程系，博士

2011–2014，北京邮电大学，信息与通信工程学院，硕士

2007–2011，北京邮电大学，经济管理学院，学士

工作经历

2021–2024，新加坡国立大学，计算机系，研究员

2014–2015，香港中文大学，网络编码研究所，研究助理

科研成果

Q. Cao and Q. Zhou, “Zero-error capacity of the chemical residual channel,” IEEE Trans. Inf. Theory, vol. 70, no. 2, pp. 854–864, Feb. 2024.

X. Cheng, S. Jaggi, and Q. Zhou, “Generalized group testing,” IEEE Trans. Inf. Theory, vol. 69, no. 3, pp. 1413–1451, Mar. 2023.

Q. Zhou and C. Chan, “Secret key generation for minimally connected hypergraphical sources,” IEEE Trans. Inf. Theory, vol. 66, no. 7, pp. 4226–4244, Jul. 2020.

C. Chan, M. Mukherjee, N. Kashyap, and Q. Zhou, “Upper bounds via lamination on the constrained secrecy capacity of hypergraphical sources,” IEEE Trans. Inf. Theory, vol. 65, no. 8, pp. 5080–5093, Aug. 2019.

C. Chan, A. Al-Bashabsheh, Q. Zhou, T. Kaced, and T. Liu, “Info-clustering: A mathematical theory for data clustering,” IEEE Trans. Molecular, Biol., Multi-Scale Commun., vol. 2, no. 1, pp. 64–91, Jun. 2016.