逄珊

逄珊 讲师

Email：pangshanpp@163.com

教育经历：

2005.09-2009.04：海军航空工程学院测试计量技术及仪器专业学习，获硕士学位

1999.09-2003.07：南京邮电大学电子信息工程专业学习，获学士学位

工作经历：

2025.03-至今：鲁东大学集成电路学院，讲师

2009.10-2025.02：鲁东大学信息与电气工程学院，讲师

2003.06-2009.09：鲁东大学现代教育技术教学部，讲师

研究领域：

基于深度迁移学习的设备故障诊断技术

大语言模型训练及推理优化技术

基于深度学习的目标检测与识别

承担研究课题：

[1] 基于深度降噪极限学习机的复杂设备故障诊断技术研究（ZR2016FQ19），2016.11-2019.06，山东省自然科学基金，主持

[2]基于多目标量子粒子群的流程工业节能降耗技术（2011YD04049），2011.10-2013.5，,山东省科技计划项目，主持

研究生培养：

学术论文：

[1] Shan Pang. Stacked maximum independence autoencoders: A domain generalization approach for fault diagnosis under various working conditions[J]. Mechanical Systems and Signal Processing, 2024, 208: 111035.

[2] Shan Pang, Xinyi Yang, Xiaofeng Zhang, et al. Fault diagnosis of rotating machinery components with deep ELM ensemble induced by real-valued output-based diversity metric[J]. Mechanical Systems and Signal Processing, 2021, 159: 107821.

[3] Shan Pang, Jinlin Wang, Xinyi Yang, et al. Detecting rotating machinery faults under different working conditions with cross-domain negative correlated ensemble algorithm[J]. Measurement, 2021,184: 109951.

[4] Shan Pang, Xinyi Yang, Xiaofeng Zhang, et al. Fault diagnosis of rotating machinery with ensemble kernel extreme learning machine based on fused multi-domain features[J]. ISA Transactions, 2020.98, 320-337.

[5] Shan Pang, Xinyi Yang, A cross-domain stacked denoising autoencoders for rotating machinery fault diagnosis under different working conditions[J]. IEEE Access, 2019.7, 77277-77292.

[6] 逄珊，孙玉娟，张小峰，一种基于深度迁移学习的旋转机械故障诊断方法，发明专利授权，201810634598.8