中國武漢理工大學工程碩士(車輛工程)，2004年；
2007年，中國香港中文大學工程學博士(自動化和計算機輔助工程)。人工神經網絡。
計算神經科學國家自然科學基金(青年):基於KKT條件的優化遞歸神經網絡簇設計(2009-2011)；
國家自然科學基金(面上):基於稀疏編碼模型的深度學習神經網絡(2013-2016)研究工作聚焦於計算機科學和認知神經科學的交叉方向，研究方向包括人工神經網絡和計算神經科學。壹方面，我對揭開大腦的奧秘很感興趣，尤其是大腦處理感覺信息和決策信息的機制。使用的主要工具是分層計算模型和貝葉斯理論。我們也在嘗試用功能磁共振成像(fMRI)結合機器學習來探索大腦的工作機制。另壹方面，我對大腦啟發的計算方法感興趣。研究重點是設計遞歸神經網絡來解決優化相關問題。我們正在嘗試結合更多認知神經科學的知識，提高深度學習模型在物體識別和檢測方面的準確性和效率。
對大腦視覺腹側通路的信息處理機制已經做了壹些工作，建立了壹系列的層次模型來解釋通路各層(包括V1、V2、IT等區域)神經元的反應特征。兩個典型的任務是改進HMAX模型，增加稀疏性和反饋連接，可以更好地解釋壹系列神經科學數據。相關結果分別發表在PLoS ONE (2014)和Neural computing(2010)上。
關於大腦啟發的計算方法，近十年來，大部分工作集中在遞歸神經網絡求解優化問題的理論和方法上，深入挖掘已有模型的特點，設計出壹系列新的模型，相關成果發表在多個IEEE期刊上。在深度學習方面也做了壹些工作。在IJCNN2013德國交通標誌檢測比賽中，利用卷積神經網絡獲得了兩種標誌的第二名和第四名。除了目標識別和檢測之外，圖像的顯著區域檢測也是壹個受關註的應用。參考心理學中的壹個理論，逆層次理論，構造壹個層次模型，可以很好的預測圖像中人眼的註視點。這壹成果被計算機視覺的重要會議CVPR 14接受。教育部自然科學壹等獎(排名第三):神經動力學優化模型及其應用(2012)
清華大學優秀博士後(2009年)
ICONIP 2012:最佳論文獎(2012) [1] P. Qi，X. Hu，“通過對圖像強度的外積建模來學習自然圖像中的非線性統計規律”，神經計算(已接受)
[2] X .胡，j .張，p .齊，b .張，“用分層K-means模型模擬神經元的響應特性”，神經計算，第134卷，第198-205頁，2014。
[3] X .胡，j .張，j .李，b .張，“稀疏-正則化HMAX用於視覺識別”，壹，第9卷，第1號，第1-12頁，2014。
[4] X .胡，j .王，“用連續時間和離散時間改進的對偶網絡解決指派問題”，IEEE神經網絡與學習系統匯刊，第23卷第5期，第821-827頁，2012。
[5] X .胡，b .張，“基於經驗依賴學習的記憶與識別的高斯吸引子網絡”，神經計算，第22卷第5期，第1333-1357，2010頁。
[6] X .胡，c .孫，b .張，“求解約束最小壹乘偏差問題的遞歸神經網絡設計”，IEEE神經網絡匯刊，第21卷，第7期，第1073-1086頁，2010年7月。
[7] X .胡，B .張，“求解變分不等式及相關優化問題的替代遞歸神經網絡”，IEEE系統、人與控制論匯刊-B部分，第39卷，第6期，第1640-1645頁，2009年12月。
[8] X. Hu和B. Zhang，“求解凸二次規劃問題的新型遞歸神經網絡及其在k-贏家通吃問題中的應用”，IEEE神經網絡學報，第20卷，第4期，第654-664頁，2009年4月