.png){kind=icon}
邓晓刚 (Xiaogang Deng)
H指数:40
被引数:5,823
个人简介
教授，博士，硕士生导师。2006年获重庆大学机械设计及理论博士学位。现任重庆市石油天然气学会理事、机械与智能制造学院党总支委员，机电教工支部书记。加拿大滑铁卢大学访问学者，澳大利亚皇家墨尔本理工大学访问学者，重庆工商大学科技开发总公司博士后工作站出站。担任3份中文核心CSCD收录期刊审稿人和国家自然科学基金面上/青年项目评审专家。长期从事流体传动与控制方面的研究工作。近年来主持国家自然科学基金1项，重庆市自然科学基金2项，重庆市博士后基金1项，与长安工业、中航工业等公司合作产学研项目多项。在国内外期刊会议上发表论文10余篇，SCI/EI收录期刊论文5篇。授权国家发明专利4项。
教育背景
2006.12
重庆大学 博士 机械设计及理论
工作经历
暂无内容
荣誉奖项
暂无内容
一种具有一致边界闭合法和增强分辨率性质的新型高阶格式
通过结合交叉注意力融合时空并行变换器与增强型集成自适应分类策略对空气处理单元进行故障诊断
ISA Transactions
IF6.5
从孤子解析猜想到孤子类相干结构的研究进展
机翼-机身构型计算流体力学分析：进展与挑战
基于对比学习和概率解释的自监督深度随机配置网络用于复杂工业故障检测
IEEE Sensors Journal
IF4.5
基于网格的物理信息图框架，用于参数化不可压缩流模拟，并带有有限差分物理约束
通过具有自适应注意力和对比记忆的探针-回忆深度SVDD实现化工过程的演化故障检测
YOLO-HL：一种用于工业托盘的检测模型
一种用于工业软测量的高效自动化深度时空特征学习框架
GPUDirectIO: 简化从NVMe到GPU的CFD I/O路径，实现高性能仿真
基于ESN的多源迁移学习化学过程时间序列预测
National Science Review
IF17.1
一种两层时序随机配置广义学习系统，用于复杂工业软测量
一种一致性增强的双加权广域学习系统，用于水泥泵故障的有效诊断
零样本学习增强的语义感知工业过程故障检测慢特征分析
关于无条件最优高阶激波捕捉格式的Z型非线性权重
一种适用于复杂工业故障检测的敏感高效的多预测特征提取与融合方法
