浙工商计算机学院教师,浙工商计算机与信息工程学院导师介绍:刘东升

姓名:刘东升

性别:男

出生年月:1974年11月18日

职称:副教授

所在学院:计算机与信息工程学院

个人简介:  刘东升,男,1974年11月18日,副教授,浙江工商大学 “管理科学工程研究所”副所长,浙江省高等学校重点创新团队“电子商务与物流优化”研究团队核心成员,浙江省“新世纪151人才工程”培养人员,管理科学与工程专业博士,研究方向为移动电子商务、智能信息处理。

2009-2010年加拿大麦克马斯特大学公派访问学者。发表学术论文20多篇,其中SCI/EI收录9篇。1项成果获商业部科技进步一等奖,1项成果获浙江省科技进步一等奖,2项成果获浙江省科技进步二等奖。

承担和参加的主要科研工作:  [1]2009-2011,复杂环境下的企业与移动工作者业务协同支持模型, 浙江省自然科学基金项目(Y1090617), 项目主持人.

[2]2007-2009, 网络动态商业数据流的协同知识发现机制研究, 国家自然科学基金项目(70671094), 技术负责人.

[3]2006-2008, 分布式数据挖掘与连锁商业企业经营分析与决策研究, 国家社会科学基金项目(05BTJ019), 第2负责人.

[4]2005-2007, 面向电子商业的语义信息搜索与挖掘研究, 浙江省自然科学基金项目(M603149), 项目主要参与者.

[5]2003-2005, 大型零售企业综合电子商务平台与客户关系管理系统的开发及应用示范, 浙江省重大科技攻关项目(2003C11032), 第2负责人.

[6]2006-2008, 行业电子商务联盟竞争力研究, 浙江省哲学社会科学规划项目(06CGGL29YBB), 项目主持人.

[7]2009-2011, 基于概念漂移特征发现的数据流挖掘方法研究, 浙江省自然科学基金重大项目(Z1091224), 第2负责人.

[8]2007-2009, 面向分布异构海量商业数据的数据挖掘系统研究与开发, 浙江省重大科技攻关项目(2008C14061), 子课题负责人.

[9]2004-2006, 基于Agent的I3EDI模型研究, 浙江省重大科技攻关项目(602141), 项目主要参与者.

近期发表或录用的相关论著:  [1]Dongsheng Liu, Improved Genetic Algorithm Based on Simulated Annealing and Quantum Computing Strategy for Mining Association Rules[J], International Journal of Computers.(Accepted on Feb 2, 2010, In Production)

[2]Dongsheng Liu, Chunhua Ju, Wei Chen,An Improved Authentication Method Towards Wireless Mesh M-commerce Network [J], International Journal of Information & Computational Science.(Accepted on Dec 12, 2009, In Production)

[3]Dongsheng Liu, Chunhua Ju, Mobile Worker Information Support Based Context in Manufacturing Companies[J], International Journal of AMR. Trans Tech Publications, Switzerland, 2010, 102(2), pp:813-816.

[4]Dongsheng Liu, Chunhua Ju, Customer Churn Analysis Model of Manufacturing Industry[J], International Journal of Advanced Materials Research,2009,69(2) ,pp:675-680.

[5]Dongsheng Liu, Wei Chen, A Combined Method of Web Page De-duplication Based on Web Pages Reshipment Statement[J], International Journal of Computational Information Systems,2009,5(3) ,pp: 1495-1502.

[6]琚春华,刘东升.基于属性多叉树-贝叶斯网络的分布式客户分类模型[J].管理世界,(2009已录用).

[7]刘东升,连锁商业客户关系管理. 航空工业出版社(北京),2008,12.

[8]刘东升,杨亚涛.无线Mesh网络多服务器门限认证系统构建[J].中山大学学报,2008,47(6):100−103.(EI)

[9]刘东升,琚春华,陈威.基于粗糙集和支持向量机的客户价值分类研究[J].广西师范大学学报, 2009,27(1): 97-100.

[10琚春华,梅铮,刘东升.一种基于粗糙等价类的商业数据预处理方法[J].小型微型计算机系统, 2009,5: 955-958.]

[11]刘东升.基于agent的分布式决策树挖掘模型[J].计算机应用与软件,2005,22(10):49−51.

[12]刘东升, 周怡.大型零售企业综合电子商务平台与客户服务系统.科学出版社(北京),2006,12.

[13]Dongsheng Liu, Distributed Customer Classification Model Based On Improved Bayesian Network. Proceedings of 2008 International Symposium on Computational Intelligence and Design (ISCID 2008) ,245-249,2008.10.

[14]Dongsheng Liu, Research on Customer Value Classification Based on Improved Support Vector Machine. Proceedings of CyberWorld2008 (CW2008), 696-672,2008.09.

[15]Dongsheng Liu, Iterative Aggregation of Bayesian Networks incorporating prior knowledge. Wuhan International Conference on e-Business ( WHICEB2006) ,2667-2672,2006.08.

获奖情况:  [1] 2008年,面向电子商务的核心技术软件,全国商业科技进步一等奖, 主持人.

[2] 2008年,电子商务技术支撑体系研究与应用,浙江省科技进步一等奖

[3] 2006年,现代商贸信息系统关键技术研究与应用,浙江省科技进步二等奖.

[4] 2004年,商贸集成与综合应用系统,浙江省科技进步二等奖.

[5] 2009年,面向区域经济发展的电子商务OAA创新人才培养模式, 浙江省教学成果一等奖.

[6] 2009年,面向纺织行业的协同商务智能与物流优化平台,全国大学生挑战杯一等奖,优秀指导教师。

*如果发现导师信息存在错误或者偏差,欢迎随时与我们联系,以便进行更新完善。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值