个人简介：黎倩，女，河南商丘人，博士，副教授，硕导。
Email邮箱：qianli@ncu.edu.cn(欢迎对人工智能领域感兴趣的同学联系报考)
教育背景：
2017年9月-2020年12月，重庆大学， 控制理论与控制工程，博士
2014年9月-2017年7月，重庆大学，控制科学与工程，硕士
工作经历：
2022年1月~至今，金沙威尼斯欢乐娱人城金沙威尼斯欢乐娱人城，讲师/副教授
2021年1月~2021年12月，金沙威尼斯欢乐娱人城信息工程学院，讲师
主要研究方向：
人工智能、神经网络算法设计及其应用、时间序列预测、智能控制
代表性科研项目：
[1] 国家自然科学基金委员会, 地区科学基金项目, 62163026, 基于多尺度信息融合的多任务回声状态网络太阳辐照度预测研究, 2022-01-01 至 2025-12-31, 36万元, 在研, 主持
[2] 江西省自然科学基金, 青年基金, 20224BAB212018 , 多优化策略协调下的卷积神经网络太阳辐照度预测研究, 2023-01-01 至 2025-12-31, 10万元, 在研, 主持
[3] 重庆市教育委员会，研究生科研创新基金，CYB18064，基于粒子群优化和时空模式回声状态网络的光伏发电预测关键技术，2018-10 至 2020-10，1万元，已结题，主持
[4] 国家自然科学基金委员会，青年基金，61803054，大型建筑改造过程中多尺度多目标智能优化关键技术研究，2019-01至2021-12，25万元，已结题，重点参与
[5] 国家自然科学基金委员会，面上项目，61473051，面向机器人的Spiking神经网络小储备池计算理论及其应用研究，2015-01至2018-12，80万元，已结题，重点参与
代表性论文：
[1] Q. Li, Z. Wu, X. Xia. Estimate and characterize PV power at demand-side hybrid system [J]. Applied Energy, 2018, 218: 66-77. (IF 8.426,1区TOP期刊)
[2] Q. Li, Z. Wu, R. Ling, L. Feng, K. Liu. Multi-reservoir echo state computing for solar irradiance prediction: a fast yet efficient deep learning approach [J]. Applied soft computing, 2020, 95: 106481. (IF 6.725, 1区TOP期刊)
[3] Q. Li, Z. Wu, H. Zhang. Spatio-temporal modeling with enhanced flexibility and robustness of solar irradiance prediction: A chain-structure echo state network approach [J]. Journal of cleaner production, 2020, 261: 121151. (IF 9.297, 1区TOP期刊)
[4] Z. Wu, Q. Li*, H. Zhang. Chain-structure echo state network with stochastic optimization: methodology and application [J]. IEEE Transactions on Neural Networks and Learning Systems, 2022, 33(5): 1974-1985. (IF 10.4, 1区TOP期刊)
[5] P. Xiong, X. Zhou, Li Q*, A. Song, P. X. Liu. Path prediction of flexible needles based on Fokker-Planck equation and disjunctive Kriging model [J]. Journal of Southeast University (English Edition), 2022, 38(2): 118-125.
[6] Z. Wu, Q. Li, W. Wu, M. Zhao. Crowdsourcing model for energy efficiency retrofit and mixed-integer equilibrium analysis [J]. IEEE Transactions on Industrial Informatics, 2020, 16(7):4512-4524. (IF 11.648, 1区TOP期刊)
[7] Z. Wu, Q. Li, X. Xia. Multi-timescale forecast of solar irradiance based on multi-task learning and echo state network approaches [J]. IEEE Transactions on Industrial Informatics, 2021, 17(1): 300-310. (IF 11.648, 1区TOP期刊)
[8] F. Xue, Q. Li, X. Li. Reservoir Computing with Both Neuronal Intrinsic Plasticity and Multi-Clustered Structure [J]. Cognitive Computation, 2017, 9(3): 400-410.
[9] N. Ao, M. Zhao, Q. Li, S. Qu, Z. Wu. Network characteristics for neighborhood field algorithms [J]. Neural Computing and Application, 2020, 32: 12061-12078.
[10] Q. Li, Z. Wu, R. Ling, M. Tan. Echo state network-based spatio-temporal model for solar irradiance estimation[C]. Energy Procedia, 2019, 158: 3808-3813.
[11] Q. Li, Y. Chen, Z. Wu. Echo state network-based visibility graph method for nonlinear time series prediction[C]. 30th Chinese Control and Decision Conference, 2018, 1854-1859.
[12] F. Xue, Q. Li, X. Li, H. Zhou. The application of SHESN on financial time series prediction[C]. International Conference on Information Science and Control Engineering, 2016, 692-696.
[13]国家发明专利：一种基于多簇ESN神经网络的光伏发电功率预测方法. 发明人：伍洲, 黎倩, 毛明轩. 专利号：CN201810352268.X，已授权.