學習宣傳貫徹黨的二十大精神專題 “十四五”規劃專題 保定校區 English

物理啓發可解釋網絡及其在智能運維中的應用

來源:發布時間:2023-10-16

【讲座题目】物理啓發可解釋網絡及其在智能運維中的應用

【时  间】2023年10月21日    上午:10:00-11:00

【地  点】保定校區 教八楼406

【主講人】嚴如強,西安交通大學,教授/博士生導師

【主講人簡介】

严如强,西安交通大学教授、博士生导师、高端装备研究院国际机械中心主任,2007年5月毕业于美国马萨诸塞大学阿默斯特分校(University of Massachusetts, Amherst)机械与工业工程系,获机械工程专业博士学位。从事重大装备智能运维相关的理论方法与工程应用研究,主持科技部重点研发计划项目和基金委自然科学基金重点项目等。国际电气与电子工程师协会会士(IEEE Fellow)、美国机械工程师协会会士(ASME Fellow)、享受国务院政府特殊津贴、国家**入选者、获2020年陕西省技术发明一等奖(第一完成人)、2020年教育部自然科学一等奖(第二完成人)、2019年IEEE仪器与测量学会科技奖(Technical Award)和2022年IEEE仪器与测量学会杰出服务奖(Distinguished Service Award), 牵头制定IEEE国际标准1项,在IEEE和ASME会刊、机械工程学报等发表期刊论文百余篇,撰写和主编出版英文专著各1部。目前为IEEE仪器与测量学会Distinguished Lecturer,担任国际期刊《IEEE Transactions on Instrumentation and Measurement》主编,《机械工程学报》英文版、《仪器仪表学报》和《中国科学技术大学学报》编委。

【報告內容簡介】

隨著大數據和物聯網的快速發展,數據驅動技術,尤其是深度學習(DL),在智能運維中變得越來越重要。然而,基于DL的模型所具有的“黑盒”特性嚴重阻礙了其在風險敏感型工業中的廣泛應用。事實上,在DL興起之前,物理驅動方法作爲一種依賴因果關系從第一性原理建立物理規律的白盒模型,也是一種流行的方法,但往往建立的模型不夠准確。作爲觀察物理世界的兩種範式,數據驅動和物理驅動的方法並不是對立的,它們具有一致的洞察力。因此,將物理模型集成到DL中,即物理啓發的深度學習(PIDL),是實現智能運維的一條自然而有前途的科學途徑。本次講座主要旨在強調PIDL在智能運維中的重要性,並討論了PIDL在磨損狀態評估中的一個應用。

sitemap网站地图