张仕光(1975.3-), 男, 理学博士、副教授、硕士生导师。主要从事机器学习、噪声特性回归建模、人工智能通识教育等相关领域的研究，先后在Neural networks、Neurocomputing、南京大学学报等权威期刊发表学术论文30余篇，并担任Neurocomputing、Journal of Intelligent ＆Fuzzy 等国际期刊审稿人，授权国家发明专利5项，登记软件著作权10余项。主持结项河南省自然科学面上基金项目1项、省高校重点科研项目3项，参与结项国家自然科学基金项目4项、河南省级科研基金项目2项、河南省高等学校重点科研项目2项；主持结项山东省自然科学面上基金项目1项，主持在研山东省社科基金统计学项目1项、山东省本科高校教学改革重点项目1项，第一参与在研山东省本科高校教学改革重点项目1项。承担高等代数、概率论与数理统计、离散数学、人工智能概论等课程，指导学生参加数学建模、睿抗机器人开发者大赛等项目，并多次获省级及以上奖励。荣获河北省“三三三人才工程”第三层次人才称号，任中国人工智能学会会员、中国运筹学会会员、山东省人工智能学会人工智能通识教育专委会委员。在2012年3月—2013年12月期间，以联合培养博士生身份在天津大学智能与计算学部机器学习与数据挖掘团队进行学术访问。
联系方式:
电子邮件：sg201106@163.com
办公地点：信息工程学院 博识楼二楼信管教研室。
二、主持参与教科研项目
（一）主持教研项目
1.山东省本科教学改革研究重点项目：构建面向未来的大学计算机通识课程：融合计算思维与AI技术（Z2024432），2025.2.21-2028.2.21。
2.山东管理学院教学改革研究项目：产学合作背景下融合新一代信息技术及赋能教育的大学信息技术课程建设与实践（YJG2023-10），2024.1.1-2025.12.30。
（二）主持科研项目
1.山东省自然科学基金面上项目：复杂噪声特性的孪生回归模型研究及在风速预报中的应用(ZR2022MF242),2023.1.1-2025.12.31。
2.山东省社会科学规划研究项目：贝叶斯框架下孪生回归建模及其在山东海上风能中的应用研究（25CTJJ02），2025.8.5-2027.12.31。
3.河南省自然科学基金面上项目：考虑噪声特性的回归建模及其在风速预报中的应用(182300410130)，2018.1.1-2019.12.31。
4.河南省高等学校重点研究项目：基于混合噪声特性建模的风速预报方法研究(17A5200380),2016.10.1-2018.12.31。
5.河南省高等学校重点研究项目：考虑混合噪声特性的双回归模型及在风速预报中的应用(21A520020),2021.1.1-2022.12.30。
6.河北省高等学校重点研究项目：分块矩阵的广义逆理论及应用(Z2010188),
2010.10.1-2014.10.31。
（三）主要参与教科研项目：
1.山东省本科教学改革研究项目：劳动教育与创新创业教育协同育人路径探索与实践——以计算机类专业为例（2022190），2023.1.1-2024.12.30, 第1参与者。
2.国家自然科学基金项目：粗糙回归模型与算法研究（61502335），2019.3 结项，第2参与者。
3.国家自然科学青年基金项目：无穷维Hamilton算子单值扩张性研究, 2020.4 结项,第2参与者。
4.国家自然科学基金项目：知识不确定性度量的粒计算模型及其应用研究（61772176），2019.3结项，第3参与者。
5.国家自然科学基金项目：面向低质数据的粒计算与特征选择研究（62076089），2025.3结项，第3参与者。
三、完成的主要教科研成果
（一）教研论文
[1]Zhang Shiguang; Xiaonan Fang；Feng Yuan；Ting Zhou. The reform and practice of college computer basic courses towards computational thinking and empowerment education under the background of new liberal arts, ITME 2023, 220-223. EI检索
[2]Yuan Feng; Zhang Shiguang. Exploring the collaborative education path of labor education and innovation and entrepreneurship education in computer majors, ITME 2023, 298-301. EI检索
[3]Zhang Shiguang; Xiaonan Fang；Feng Yuan；Ting Zhou. The construction and practice of information technology courses that integrate new generation of information technology and empowering education，ITME 2024, 485-487. EI检索
（二）科研论文
[1]Zhang Shiguang; Hu Qinghua; etc. Kernel ridge regression for a general a noise model with its application, Neurocomputing, 2015, 149: 836-846.
[2]Hu Qinghua; Zhang Shiguang; etc. Short-term wind speed or power forecasting with heteroscedastic support vector regression, IEEE Transactions on sustainable energy, 2016, 7(1): 241-249.
[3]Zhang Shiguang; Zhou Ting. Kernel ridge regression model based on Beta-noise and its application in short-term wind speed forecasting, Symmetry, 2019, 11(2) (282): 1-11.
[4]Zhang Shiguang*; Zhou Ting; etc. nu-Support vector regression model based on Gauss-Laplace mixture noise characteristic for wind speed prediction, Entropy 2019, 21(11) (1056): 1-18.
[5]Zhang Shiguang*; Liu chao; Zhou Ting*; etc. Twin Least squares support sector regression of heteroscedastic Gaussian noise model, IEEE Access, 2020, 8: 94076-94088.
[6]Zhang Shiguang*; Zhou Ting*; etc. LSSVR model of G-L mixed noise-characteristic with its applications, Entropy 2020, 22(6)(629): 1-19.
[7]Zhang Shiguang*; Liu chao*; etc. Twin least square support vector regression model based on Gauss-Laplace mixed noise feature with its application in wind speed prediction, Entropy 2020, 22(10)(1102): 1-18.
[8]张仕光*; 周婷*; 刘超; 李源. 高斯噪声特性区间 v-支持向量回归机, 山西大学学报(自然科学版), 2020, 43(4): 894-898.
[9]张仕光; 郭迪; 冯歌; 刘洁晶*. 基于截断2-范数损失函数的鲁棒极限学习机, 山西大学学报(自然科学版), 2022,45(1): 51-60.
[10]Zhang Shiguang; Feng Ge*; etc. Twin Support Vector Regression Model Based on Heteroscedastic Gaussian Noise and Its Application. IEEE ACCESS,2022(10)：111738- 111748.
[11]Zhang Shiguang; Yuan Qiuyun; etc. Twin proximal least squares support vector regression machine based on heteroscedastic Gaussian noise. Journal of Intelligent ＆Fuzzy system, 2023,44(2): 1727-1741.
[12]Zhang Shiguang; Yuan Qiuyun; etc. Twin proximal least squares support vector regression machine based on heteroscedastic Gaussian noise. Journal of Intelligent ＆Fuzzy system, 2023,45: 11059–11073.
[13]Zhou Ting; Zhang Shiguang. Proximal LSSVR of Gauss-Laplacian With Mixed-Noise-Characteristics and Its Applications for Short-Term Wind-Speed Forecasting. IEEE ACCESS,2025(13)：56946 -56957.
（三）出版学术专著
[1]张仕光; 周婷. 基于噪声特性的回归模型研究，西安：西北工业大学出版社，2023.11。
（四）完成国家发明专利
[1]胡清华*; 张仕光. beta 噪声核岭回归技术的短期风速预报方法, 2016-1-6, 中 国, ZL 201310006821.1。（授权）
[2]胡清华*; 张仕光; 米据生; 谢宗霞. 基于噪声支持向量回归技术的短期风速 预报方法, 2017-2-8, 中国, ZL 201310218957.9。（授权）
[3]张仕光*; 孙林; 王世勋; 周婷等. 基于 G#L 混合噪声特性核岭回归技术的风速预报方法及装置, 2018-12-18,中国, ZL201610863444.7。（授权）
[4]张仕光*; 周婷; 王伟; 陈光周等. 基于G-L混合噪声特性v-支持向量回归机的风速预报方法, 2021-12-3,中国, ZL 201810169866.3。（授权）
[5]孙林*; 刘尚旺; 张仕光; 李进明等. 基于 BP 和 RBF 神经网络的图像水印嵌入、提取方法与装置, 2018-10-26, 中国, ZL201510764203.2。 （授权）
[6]周婷; 袁秋云；张仕光*. 异方差噪声孪生近端核岭回归技术的风速预报方法及装置，中国，202310730265.6。（受理）
（五）登记软件著作权
[1]张仕光; 周婷; 刘超. 基于Gauss-Laplace混合噪声特性v-支持向量回归技术的风速预报系统V1.0, 2018.9.30 中国, 2018SR1004608.
[2]张仕光; 郭燎原; 冯文文等. 基于BP神经网络、SVC技术的高校贫困生评定系统V1.0, 2019.4.2 中国, 2019SR0513338.
[3]张仕光; 周婷. 基于PLSSVR-GLM技术的风速预报系统V1.0，2025.8.27 中国, 2025SR1633484。
四、指导学生竞赛成果
1.2025年指导学生荣获“睿抗机器人开发者大赛（RAICOM）全国总决赛” 编程技能竞赛项目三等奖。
2.2024年指导四组学生参加全国大学生数学建模竞赛，二组荣获山东赛区（本科组）三等奖，二组获山东赛区（专科组）三等奖。
3.2024年指导学生荣获“睿抗机器人开发者大赛（RAICOM）全国总决赛” 编程技能竞赛项目三等奖。
4.2023年指导一组学生参加全国大学生数学建模竞赛，荣获山东赛区（本科组）三等奖。
5.2010年10月指导一组学生参加全国大学生数学建模竞赛，荣获河北赛区（本科组）一等奖。
五、获得荣誉
1.2021年6月获河南师范大学研究生优秀指导教师。
2.2015年7月获首届高校数学微课程教学设计竞赛河北分赛区二等奖。
3.2015年8月获首届全国高校数学微课程教学设计竞赛华北赛区二等奖。
4.2014年12月获河北省“三三三人才工程”第三层次人选。
5.010年获河北省衡水人事局“嘉奖”奖励。
机器学习团队学生招募：长期招收理工类本科生，欢迎对机器学习、回归建模、人工智能赋能等相关领域前沿问题感兴趣，想参与科研、竞赛的同学加入课题组，联系方式：sg201106@163.com。
