运城学院计算机课,主讲教师

当前位置:首页 >> 教学队伍 >> 主讲教师 >>

教学队伍

主讲教师

作者:

发布时间:2014-06-01 17:59:51

阅读:

bc33b40b5a65ba4203972e066403f17f.png

刘俊俏, 1973年生,博士, 副教授, 2014年毕业于宁夏大学土木与水利工程学院。运城学院重点建设课程---复变函数与积分变换主讲教师。主讲课程有:《数学分析专题选讲》、《复变函数论》、《复变函数与积分变换》及《数学物理方程》等。主要从事新型材料多场耦合力学计算的研究。在国内外重要学术期刊上发表论文近7篇。主持(或参与)科研和教研项目4项。

获奖情况

1. 2002年被评为闻喜中学县级模范教师;

2. 2005年获宁夏大学优秀科研成果奖;

3. 2007年获运城学院院级优秀科研成果奖;

4. 2008年获运城学院院级优秀科研成果奖;

5. 2007年指导学生参加全国大学生数学建模竞赛,获山西省一等奖;

6. 2008年指导学生参加全国大学生数学建模竞赛,获山西省一等奖;

7.2009年指导学生参加全国大学生数学建模竞赛,获山西省二等奖;

8.2010年指导学生参加全国大学生数学建模竞赛,获山西省一等奖;

9.2011年指导学生参加全国大学生数学建模竞赛,获山西省二等奖;

10.2012年参加全国研究生数学建模竞赛,获全国二等奖.

承担的科研(或教研)项目

1. 弹性波在功能梯度材料中的散射,运城学院科研项目,(No.20050212),2005.12-2008.12,项目主持人;

2. 功能梯度材料热弹性问题研究,运城学院科研项目,(No.20060304),2006.12-2009.12,项目参与人;

3. 复变函数与积分变换课程建设项目, 运城学院重点课程建设项目,2008-2010, 项目参与人;

4. 适应新课程要求的高中数学教师知识结构研究, 山西省教育科学“十一五”规划项目(No. GH-08014),2008.10-2010.12,项目参与人。

5.线性方程组在力学中的应用,运城学院科研项目,(No. JC-20090080),2009-2012项目主持人;

6. 准晶力学中周期问题的复变函数边值问题和积分方法,国家自然科学基金项目, 项目批准号:11362018,2013.1-2016.1

主要发表论文

1. 刘俊俏, 李星. SH波在正交各向异性功能梯度无限长条中心裂缝处的散射. 固体力学学报, 2006, 27(4): 369-373.

2.刘俊俏, 李星.一类带 边界条件的非线性RH问题的解法. 宁夏大学学报, 2004,25(3):212-215.

3. 刘俊俏,王彩凤,董淑转. 指数型功能梯度材料平面问题应力场通解. 数学的实践与认识, 2007, 37(21):74-77.

4. 刘俊俏,王彩凤,董淑转.功能梯度材料平面I型裂纹尖端应力场分析. 运城学院学报, 2007, 5:19-20.

5.刘俊俏, 李星. SH波在正交各向异性功能梯度材料直裂纹处的散射. 临沂师范学院学报,2006,130(3);16-19.

6.刘俊俏.含复指数函数对偶积分方程的数值解法. 运城学院学报,2005,23(5)23-25.

7. 刘俊俏,王彩凤. 无限大平面孔洞下直裂纹的第一基本问题的数解法. 运城学院学报,2006,5:6-8.

8.王彩凤,刘俊俏,董淑转. Riemann 边值问题数值解法[J].运城学院学报,2008,26(5):8-10.

9.董淑转,刘俊俏,王彩凤. 各向异性功能梯度材料反平面弹性断裂力学分析[J].运城学院学报,2008,26(5):6-7.

10.Li X., Liu JQ.. Scattering of the SH wave from a crack in a piezoelectric subsrate bonded to a half-space of functionally graded materials[J].

Acta Mechnica, 2009, 208:299- 308.

11.姚喜妍,刘俊俏,王彩凤。复变函数和积分变换教学中的实践与创新[J].运城学院学报,2009,27(2):5-8.

12.董淑转,任运平,刘俊俏.具有脉冲收获的捕食系统的周期解[J].数学的实践与认识,2009,39(17):91-96.

13.刘俊俏,段惠琴,李星.SH波在压电材料条中垂直界面裂纹处的散射[J].固体力学学报,2010,31(4):385-391.

14.刘俊俏,段惠琴,董淑转.指数型功能梯度材料平面问题热应力通解[J].数学的实践与认识,2010,40(19):100-103.

15.刘俊俏,李星.压电压磁材料中周期裂纹对SH波的散射[J].工程数学学报,2011,28(4):470-474.

16.Miao FuSheng, Liu JunQiao, Li Xing. Cracked elastic substrate strip with functionally graded coating under thermal-mechanical loading[J]. Journal of Southeast

University  (English Edition),2012,vol.28(No.4):451-456

17.刘俊俏,苗福生,李星.二维各向异性功能梯度材料热传导的边界元分析[J].西安交通大学学报(自然科学版),2013,47(5):77-81.

18.JunQiao Liu. Xing Li. Peiyuan Liu. Thermal stresses factors of orthotropic graded layers with a finite line bond[J]. Arch Appl. Mech.,2013, 83:939-954.

19、刘俊俏,苗福生,李星。带功能梯度材料压电底层中周期裂纹对SH波的散射[J].固体力学学报,2014,35(1):15-20.

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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