Đại học Bách Khoa Hà nội
ĐẠI HỌC BÁCH KHOA HÀ NỘI
VI
Trang chủPGS. TS. Hoàng Mạnh Thắng
Hoàng Mạnh Thắng
Thông tin cá nhân
Giảng viên cao cấp
Phó Giáo Sư
Tiến sỹ
Trường Điện - Điện tử
PTN NC Xử lý tín hiệu, thông tin và nội dung đa phương tiện
thang.hoangmanh@hust.edu.vn

Phòng E.802, Nhà C7

Link Google Scholar
Link Scopus
Link ORCID
Scopus H-Index17

Hoàng Mạnh Thắng nhận bằng Kỹ thuật điện tử và Thạc sĩ điện tử - viễn thông tại Trường Điện - Điện tử (trước đây là Khoa Điện tử-Viễn thông), Đại học Bách khoa Hà Nội (HUST) lần lượt vào các năm 1998 và 2001. Ông nhận bằng Tiến sĩ chuyên ngành Kỹ thuật Điện tại Đại học Công nghệ Nagaoka (Nhật Bản) vào năm 2007 và từng là nghiên cứu viên sau tiến sĩ tại trường này. Ông là giảng viên ngành Điện tử - Viễn thông tại HUST từ năm 1998 và được bổ nhiệm làm Phó Giáo sư tại HUST từ năm 2011. Ông từng là nghiên cứu viên khách mời tại Đại học Vrije Brussels (Bỉ) năm 1999, Đại học Klagenfurt (Áo) năm 2009, Đại học Bangor (Anh) năm 2012, và Polytech de Nantes (Pháp) vào các năm 2012, 2017 và 2023. Ông cũng từng là nghiên cứu viên tại Khoa Khoa học Thông tin và Kỹ thuật, Đại học Canberra (Úc) từ tháng 6 năm 2013 đến tháng 5 năm 2014. Các hướng nghiên cứu của ông tập trung vào khoa học phi tuyến và các ứng dụng của lĩnh vực này trong kỹ thuật thông tin.

Hướng nghiên cứu

Hướng nghiên cứu đang thực hiện:

- Mạng phức và ứng dụng trong nhận dạng mẫu (PPGs, EEGs,...)

- Bộ lọc (KF, EKF, UKF, PF, etc) và ứng dụng trong các bài toán thực tiễn (hình thành ảnh, UAV, định vị, bám đối tượng,...)

Lĩnh vực nghiên cứu chính
Kỹ thuật điện và điện tử, Điện - Điện tử
Lĩnh vực nghiên cứu khác
Khoa học máy tính và thông tin, Kỹ thuật điện và điện tử, Điện - Điện tử
PGS. TS. Hoàng Mạnh Thắng
Công bố khoa học
A Multi-Task Framework for Simultaneous SOH and RUL Estimation Using Partial Charging Segments and Transfer Learning
A Multi-Task Framework for Simultaneous SOH and RUL Estimation Using Partial Charging Segments and Transfer Learning
Tạp chí/Proceedings:
2026 The 10th International Conference on Green Energy and Applications (ICGEA) (10.1109/ICGEA69553.2026.11642853)
DOI:
https://ieeexplore.ieee.org/document/11642853
Tác giả:
Vu Trinh Tu; Manh-Duong Hoang; Thang Manh Hoang
Lĩnh vực nghiên cứu:
Năng lượng và môi trường bền vững, Công nghệ dữ liệu, AI và hệ thống thông minh
Loại công bố:
Hội nghị quốc tế (trong index Scopus)
Thời gian:
08/2026
Prediction of State of Health and Remaining Useful Life for Li-Ion Battery Using Ensemble Learning
Prediction of State of Health and Remaining Useful Life for Li-Ion Battery Using Ensemble Learning
Tạp chí/Proceedings:
2026 10th International Conference on Green Energy and Applications (ICGEA) (10.1109/ICGEA69553.2026.11642834)
DOI:
https://ieeexplore.ieee.org/document/11642834
Tác giả:
Tu Vu Trinh, Thang Manh Hoang
Lĩnh vực nghiên cứu:
Năng lượng và môi trường bền vững, Công nghệ dữ liệu, AI và hệ thống thông minh
Loại công bố:
Hội nghị quốc tế (trong index Scopus)
Thời gian:
08/2026
Đề tài nghiên cứu
Nghiên cứu và phát triển hệ thống tự động nhận dạng, phân tích và tìm kiếm công thức toán học từ ảnh, ứng dụng trong các hệ thống hỏi đáp cho học sinh và sinh viên.
Nghiên cứu và phát triển hệ thống tự động nhận dạng, phân tích và tìm kiếm công thức toán học từ ảnh, ứng dụng trong các hệ thống hỏi đáp cho học sinh và sinh viên.
Mã số đề tài:
Cấp đề tài:Nhiệm vụ Bộ GDĐT
Chủ nhiệm đề tài:PGS. TS. Lê Thị Lan
Thành viên:Lê Thị Lan, Bùi Hải Phong, Hoàng Mạnh Thắng, Bùi Thu Thủy, Hoàng Văn Nam, Đỗ Thị Ngọc Diệp, Bùi Thị Nhi
Thời gian:01/01/2021 - 09/06/2023
Trạng thái:Đã nghiệm thu
Mục tiêu chung: Mục tiêu chung của đề tài là nghiên cứu và xây dựng phần mềm cho phép tự động phân tích và tìm kiếm công thức toán học từ ảnh. Hệ thống sẽ được tích hợp và triển khai trong ứng dụng hỏi đáp cho học sinh và sinh viên. Mục tiêu cụ thể: - Phát triển phương pháp tự động phát hiện và nhận dạng công thức toán từ ảnh chụp bằng thiết bị di dộng của người dùng. - Phát triển phương pháp so sánh vàxác định tương tự (similarity) của các công thức. - Xây dựng phần mềm cho phép tự động phát hiện, nhận dạng và xác định sự tương tự của các công thức toán.
Nâng cao độ chính xác của phương pháp phát hiện và nhận dạng tự động công thức toán học từ ảnh tài liệu của ngành khoa học máy tính
Nâng cao độ chính xác của phương pháp phát hiện và nhận dạng tự động công thức toán học từ ảnh tài liệu của ngành khoa học máy tính
Mã số đề tài:T2020-SAHEP-008
Cấp đề tài:Nhiệm vụ Cơ sở phân cấp
Chủ nhiệm đề tài:PGS. TS. Lê Thị Lan
Thành viên:Lê Thị Lan, Bùi Hải Phong, Hoàng Mạnh Thắng
Thời gian:01/09/2020 - 13/01/2022
Trạng thái:Đã nghiệm thu
Học viên sau đại học
Nghiên cứu kỹ thuật bảo mật, ứng dụng trong hệ thống quản trị dữ liệu y tế
Loại đồ án: Luận án tiến sĩ
Sinh viên: Trần Quang Độ
GV hướng dẫn: Tạ Thị Kim Huệ
Loại đồ án: Luận án tiến sĩ
Sinh viên: Đoàn Thị Quế
GV hướng dẫn: Hoàng Mạnh Thắng
Học phần giảng dạy
Thiết kế hệ thống số
Mã học phần: EE2130
Số tín chỉ: 3
ĐIỆN TỬ SỐ
Mã học phần: ET3220
Số tín chỉ: 3