刘志刚 - 东北石油大学 - 计算机与信息技术学院

个人简介

刘志刚，男，1979年出生，博士，副教授，硕士生导师，新加坡国立大学访问学者，IEEE、CCF会员。多年来，一贯秉承“用心做事、用情与人”的教学宗旨，先后为研究生、本科生主讲“计算机视觉”、“软件体系结构”、“软件工程”、“计算机网络与通信”、“Java高级程序设计”等多门课程，出版专业教材2部，获东北石油大学“青年教师赛课优秀奖”、“优秀共产党员”、“优秀教师”等荣誉称号，先后指导多名学生参与国家、省级大学生创新、全国程序设计大赛、校级挑战杯等实践创新课题的研究，学生评教成绩优秀。科研方面，专注于机器学习（深度学习）理论、计算机视觉应用、软件体系结构的研究，先后主持和参与国家、省部级、厅局级课题20余项，中石油股份公司、中石油勘探研究院、大庆油田的横向协作课题23项，申请国家发明专利3项。近5年来，先后以第1作者在《Neurocomputing》、《AppliedIntelligence》、《控制与决策》、《中国石油大学学报》等国内外重要期刊发表学术论文20余篇，其中SCI/EI论文14篇。获中国石油和化学工业联合会科学技术奖三等奖1项、省自然科学技术学术成果三等奖1项，中国石油教育学会教学成果奖1项、东北石油大学教学成果奖1项。三、主要科研项目： [1]黑龙江省自然科学基金，复杂监控场景下的行人检测与重识别关键方法研究，2020-2023，负责人； [2]黑龙江省自然科学基金，符号网络中基于结构平衡理论的预测模型及预测方法研究，2019-2021，主要参与人； [3]黑龙江省自然科学基金，基于神经网络的系统仿真理论及优化算法研究，2006-2011，主要参与人； [4]黑龙江省教育厅科学研究项目，混合蛙跳算法改进的关键技术及应用研究，2014-2016，主要参与人； [5]黑龙江省教育厅科学研究项目，量子神经网络模型及算法研究，2010-2013，主要参与人； [6]大庆市科技计划项目，基于深度学习的智能监控行人检测与重识别关键方法研究，2019/11-2021/05，负责人； [7]东北石油大学优秀中青年科研创新团队(计算机视觉智能处理)，2019-2021； [8]东北石油大学国基培育重点项目，极限学习过程神经网络模型算法及页岩油测井评价应用，2017-2020，负责人； [9]东北石油大学引导性创新基金，基于计算智能模型的机采井故障诊断技术研究与应用，2018-2021，主要参与人； [10]国家级大学生创新项目，Android手机校园移动秘书，2012-2013； [11]黑龙江省大学生创新项目，基于人工智能的花卉识别系统的研究与实现，2018–2019； [12]黑龙江省教育厅规划课题，面向创新实践能力培养的计算机类专业“特殊课程”结构转型，2013-2015，负责人； [13]黑龙江省教育厅规划课题，面向大学生核心素养培养的“翻转课堂”教学模式研究与实践，2016-2019，负责人； [14]黑龙江省教育厅规划课题，高校创新创业教育质量评价体系构建研究，2017-2019，负责人； [15]安达庆新油田公司，抽油机井结蜡和动液面分析系统，2017-2018，主要参与人； [16]大庆钻探集团，移动终端现场数据采集及远程传输及技术服务，2014-2015，负责人； [17]中国石油化工股份有限公司，油气管道标准与科技信息管理系统，2014-2015，主要参与人； [18]中石油勘探研究院，标准实施效果评价模型研制，2014-2014，主要参与人； [19]中石油勘探研究院，测井-地震联合反演算法软件，2013-2014，主要参与人； [20]大庆勘探开发研究院，勘探协同工作门户整合升级，2013-2014，负责人； [21]大庆油田采油一厂，注入井表活剂增注方案编制与评价系统，2013-2014，负责人。

研究领域

[1]机器学习理论：包括深度学习（Deep Learning）、生成对抗学习（Generative Adversarial Learning）、极限学习机（Extreme Learning Machine）等； [2]计算机视觉应用研究：智能环境感知（Intelligent Environment Perception）； [3]油田智能应用研究：智能测井评价、智能故障诊断（Intelligent Fault Diagnosis）等。

近期论文

查看导师最新文章（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

[1]ADCM:AttentionDropoutConvolutionalModule.Neurocomputing,2020.(SCI-2区,IF：4.072) [2]MR-CNN:AMulti-scaleRegion-basedConvolutionalNeuralNetworkforSmallTrafficSignRecognition,IEEEAccess.2019.(SCI-2区，IF:3.557） [3]SmallTrafficSignDetectionfromLargeImage.AppliedIntelligence,2019.(SCI-3区,IF:1.983) [4]一种混合优化的结构自适应极限过程神经网络及应用．控制与决策，2018.（EI：20184406012373） [5]基于量子衍生布谷鸟的脊波过程神经网络及TOC预测．控制与决策，2017.（EI：20172903946313） [6]基于ELM-PNN算法的第24周太阳黑子预测预报．控制与决策，2017.（EI：20173504103583） [7]基于QPSO和极限学习的离散过程神经网络及学习算法．控制与决策，2016.（EI：20165103149972） [8]基于离散过程神经网络的页岩油气储层有机碳含量预测．中国石油大学学报，2017.（EI：20172103686446） [9]一种极限学习脊波过程神经网络研究及应用．电子科技大学学报，2019.（EI：20192106970799） [10]网络工程师备考教程，哈尔滨工程大学出版社，2012，主编； [11]Python程序设计，华中科技大学出版社，2018，副主编。