郭津津

研究方向：神经网络、神经动力学、机器人运动规划与控制

办公邮箱：guojinjin@gpnu.edu.cn

个人简介：

郭津津，女，博士，广东技术师范大学计算机科学学院校聘副教授，硕士生导师。主要从事递归神经网络时变问题求解、数值计算与优化、机器人运动规划与控制等方面的相关研究，以第一作者身份在IEEE Transactions on Systems, Man, and Cybernetics: Systems、IEEE Transactions on Industrial Informatics和IEEE Transactions on Industrial Electronics等国际期刊和会议上发表学术论文10余篇。

教育背景：

2018.08-2022.06：中山大学，计算机科学与技术专业，工学博士学位。

2016.08-2018.06：中山大学，控制工程专业，工程硕士学位。

2012.09-2016.06：南昌大学，测控技术与仪器专业，工学学士学位。

主讲课程：计算机网络、深度学习算法实训。

代表性科研项目：

1. 广东省自然科学基金区域联合基金-青年基金项目，基于直接离散技术的递归神经网络算法研究及应用，2023-11-01至2026-10-31，10万元，在研，主持。

2. 国家自然科学基金面上项目，基于自适应离散混合神经动力学优化的异构机器人统一智能控制研究，2025-01-01至2028-12-31，50万元，在研，参与。

代表性论文:

1.Guo J, Xiao Z,Guo J, Hu X, Qiu B*. Different-layer control of robotic manipulators based on a novel direct-discretization RNN algorithm, Neurocomputing, 2025, 620: 1-9.（SCI收录）

2. Qiu B, Guo J, Mao M, Tan N*. A fuzzy-enhanced robust DZNN model for future multi-constrained nonlinear optimization with robotic manipulator control[J]. IEEE Transactions on Fuzzy Systems, 2024, 32(1): 160-173.（SCI收录）

3. Guo J, Tan N,  Zhang Y*. General ELLRFS-DAZN algorithm for solving future linear equation system under various noises[J]. Neurocomputing, 2023, 515: 145-156.（SCI收录）

4. Qiu B, Guo J, Yang S, Yu P, Tan N*. A novel discretized ZNN model for velocity-layer weighted multi-criteria optimization of robotic manipulators with multiple constraints[J]. IEEE Transactions on Industrial Informatics, 2023, 19(5): 6717-6728.（SCI收录）

5. Guo J, Zhang Y*. Stepsize interval confirmation of general four-step DTZN algorithm illustrated with future quadratic programming and tracking control of manipulators[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2021, 51(3): 1662-1670.（SCI收录）

6. Guo J, Qiu B, Zhang Y*. Future different-layer linear equation and bounded inequality solved by combining Adams-Bashforth methods with CZNN model[J]. IEEE Transactions on Industrial Electronics, 2021, 68(2): 1515-1524.（SCI收录）

7. Guo J, Qiu B, Chen J, Zhang Y*. Solving future different-layer nonlinear and linear equation system using new eight-node DZNN model[J]. IEEE Transactions on Industrial Informatics, 2020, 16(4): 2280-2289.（SCI收录）

8. Guo J, Qiu B, Hu C, Zhang Y*. Discrete-time nonlinear optimization via zeroing neural dynamics based on explicit linear multi-step methods for tracking control of robot manipulators[J]. Neurocomputing, 2020, 412: 477-485.（SCI收录）

9. Guo J, Zhang Y, Qiu B*. Tracking control of ship course system using new six-step ZeaD (Zhang et al Discretization) formula with high precision[J]. Filomat, 2020, 34(15): 5059-5071.（SCI收录）

10. Qiu B, Li Z, Li K, Guo J*. A fuzzy-power direct-discretization RNN algorithm for solving discrete multilayer dynamic systems with robotic applications. in: Proceedings of International Conference on Intelligent Robotics and Automatic Control, 124-129, 2024.（EI收录）

11. Qiu B, Li K, Li Z, Guo J*. An adaptive direct-discretized RNN with fuzzy factor for handling future distinct-layer inequality and equation system applied to robot manipulator control. in: Proceedings of International Conference on Intelligent Robotics and Automatic Control, 519-524, 2024.（EI收录）

主要授权发明专利：

1. 一种冗余度机械臂的不同层运动控制方法，ZL202310891721.5，发明专利，2024-12-27

2. 一种移动目标定位方法、装置、设备及介质，ZL202011435948.1，发明专利，2022-09-16

3. 一种应用于悬挂负载直升机的新型离散全镇定控制方法，ZL201710703039.3，发明专利，2020-11-10 

软件著作权类

1. 宠物帮手系统V1.0，2024SR0927171，软件著作权，2024-07-03

2. 校园活动平台V1.0，2024SR1876713，软件著作权，2024-11-22

其他成果：

Zhang Time Discretization (ZTD) Formulas and Applications, Boca Raton: CRC Press, 2024.（专著）