![](/__local/D/2A/F5/AEDB8E1ABC94754C8CB6744972A_C4150E74_7CD0.png?e=.png)
|
姓名:杨刚 籍贯:河南南阳 出生:1983年1月 政治面貌:中共党员 学历:博士 职称:副教授 联系地址:江西省南昌市永利app(330013) 电话:0791-87046270 / 15270010323 电子邮件:hankyang@yeah.net |
个人简历:
2013年7月—至今,永利手机版网址,yl6809永利,教师;
2016年3月—2018年3月,Wayne State University(美国),工学院,博士后;
2009年9月—2013年7月,北京工业大学,模式识别与智能系统专业,工学博士;
2006年9月—2009年7月,广东工业大学,控制理论与控制工程专业,工学硕士。
研究方向:
复杂系统建模、控制及优化,神经计算理论及其应用等相关领域。
主讲课程:
(硕士生课程)线性系统理论、自适应控制、最优控制等
(本科生课程)自动控制原理、计算机仿真、信号与系统、MATLAB语言及其应用等。
科研及成果:
主持承担国家自然科学基金项目、江西省教育厅科研项目、江西省交通运输厅科技项目各1项;作为骨干成员参与国家“973”计划前期研究专项1项、国家自然科学基金8项(其中重大、重点、面上各1项)、江西省自然科学基金等项目多项。
主要科研项目:
[1]. 稀土萃取分离过程的自组织特征学习及参数优化研究,国家自然科学基金项目,2017-2020,主持。
[2]. 面向智能交通的交通流自组织交互预测,江西省交通运输厅科技项目,2015-2016,主持。
[3]. 溶解氧的认知神经网络可拓控制策略研究,江西省教育厅青年科学基金项目,2014-2015,主持。
[4]. 复杂环境下重大耗能设备运行工况智能识别方法,国家自然科学基金重大项目,2020-2024,参与。
[5]. 基于多模式融合的稀土萃取过程组分含量检测,国家自然科学基金项目,2019-2022,参与。
[6]. 多组分稀土萃取分离过程优化控制关键技术及应用,国家自然科学基金重点项目,2018-2022,参与。
[7]. 稀土萃取分离全流程协同优化控制方法研究,“973”前期研究专项,2014-2016,参与。
[8]. 基于元胞自动机的动态多目标优化算法在地下轨道交通无线信道检测问题中的研究,国家自然科学基金项目,2016-2018,参与。
[9]. 基于操作条件反射和内发动机的机器人认知机制研究,江西省自然科学基金项目,2016-2017,参与。
[10]. 以系统为核心的控制类研究生创新能力培养模式研究与实践,江西省学位与研究生公司产品改革研究重点项目,2020-2021,参与。
代表性论文:
[1]. 杨刚#, 陈鹏, 戴丽珍*, 杨辉.一种基于池计算的宽度学习系统[J]. 控制与决策, 2020. (在线发表)
[2]. 戴丽珍#, 付涛, 杨刚*, 杨辉, 徐芳萍. 一种改进灰狼算法优化LSSVM的交通流量预测[J], 小型微型计算机系统. 2020. (录用待发表)
[3]. 杨刚#, 王乐, 戴丽珍*, 杨辉. 基于连接自组织发育的稀疏跨越-侧抑制神经网络设计 [J]. 自动化学报, 2019, 45(04): 808-818..
[4]. 杨刚#,王乐,戴丽珍*,杨辉,陆荣秀. 基于AQPSO的RBF神经网络自组织学习[J]. 控制与决策, 2018, 33(09): 1631-1636.
[5]. 杨刚#, 王乐, 戴丽珍*, 徐芳萍. 自适应权重粒子群优化LS-SVM的交通流预测 [J]. 控制工程, 2017, 24(09): 1838-1843.
[6]. 杨刚#*, 戴丽珍, 杨辉, 乔俊飞. 跨越-侧抑制神经网络序列学习BOD特征建模. 信息与控制, 2015, 44(5): 577-584, 591.
[7]. Yang G#, Qiao J F. A fast and efficient two-phase sequential learning algorithm for spatial architecture neural network. Applied Soft Computing, 2014, 25: 129-138.
[8]. 戴丽珍#, 杨刚*, 阮晓钢. 基于AOCA仿生学习模型的两轮机器人自主平衡学习研究. 自动化学报, 2014, 40(9): 1951-1957.
[9]. 杨刚#, 乔俊飞*. 跨越-侧抑制神经网络分析及其应用. 上海交通大学学报, 2014, 48(7): 965-970.
[10]. 杨刚#*, 乔俊飞, 薄迎春, 韩红桂. 一种基于大脑皮层结构的侧抑制神经网络. 控制与决策, 2013, 28(11): 1702-1706.
[11]. Yang G*, Qiao J, Bo Y. Research on artificial neural networks with spatial architecture based on span connection and lateral inhibition mechanism. International Journal of Computational Science and Engineering, 2011, 6(1-2): 86-95.
[12]. Yang G#, Wang L, Chen W, Dai L* and Yang H. A Neuron-Significance-Index-based Self-Organization Pruning Algorithm for S-LINN [J]. IFAC-PapersOnLine, 2017, 50(1): 14976-14981.
[13]. Yang G#, Yang H, Dai L*, Time-series prediction modelling based on an efficient self-organization learning neural network, 9th IFAC Symposium on Advanced Control of Chemical Processes, ADCHEM 2015, Whistler, British Columbia, Canada, 2015.6.7-2015.6.10
[14]. Yang G#*, Qiao J, Li W, Chai W, The effect of lateral inhibitory connections in spatial architecture neural network, 10th International Symposium on Neural Networks, ISNN 2013, 311-318, Dalian, China, 2013.7.4-2013.7.6