<thead id="7vlv5"><ruby id="7vlv5"></ruby></thead>
<cite id="7vlv5"></cite><thead id="7vlv5"><dl id="7vlv5"><th id="7vlv5"></th></dl></thead>
<thead id="7vlv5"><ruby id="7vlv5"></ruby></thead>
<ins id="7vlv5"></ins>
<cite id="7vlv5"><dl id="7vlv5"></dl></cite>
<var id="7vlv5"></var>
<menuitem id="7vlv5"></menuitem>
<listing id="7vlv5"></listing><thead id="7vlv5"><dl id="7vlv5"></dl></thead>
<listing id="7vlv5"><del id="7vlv5"></del></listing>

清華大學|信息學院|國家實驗室|English Version

美國康奈爾大學童朗教授應邀來訪并作學術報告

520日上午,應信研院軌道交通中心的邀請,美國康奈爾大學終身教授、IEEE FELLOW童朗博士來訪我院,并在FIT1-315會議室作了題為“Learning the Unobservable: A machine learning approach to high-resolution state estimation”的學術報告。

a_副本.jpg

報告中,童朗教授提出了一種機器學習方法:在測量數據有限導致的系統不可觀測情況下進行狀態進行估計;在傳感器失效、傳感器數據缺失或者數據被惡意篡改的情況下,可觀測的系統可能會變得不可觀測。如:在電力系統中,在只有少量快速時間尺度的傳感器時,需要通過有限的相位測量單元對電力傳輸系統中的高分辨率狀態進行估計。針對這樣的應用場景,在很少的計算成本下實現最優狀態估計,深度學習技術提供了一個具有很大前景的解決方案。

報告會由軌道交通中心主任葉昊教授主持,來自信研院、自動化系的近四十余名師生聽取了報告會。與會教師與童朗教授就復雜工程系統故障診斷、預測維護、優化控制與決策等方向合作研究進行了深入的討論。

 

報告人簡介:

Lang Tong received his Bachelor degree in Automation from Tsinghua University and a Ph.D. degree from the University of Notre Dame.  Currently, he is the Irwin and Joan Jacobs Professor of Engineering and the site director of Power Systems Engineering Research Center (PSERC) at Cornell University. His current research focuses on optimization, signal processing, and machine learning in energy, power, and transportation systems.  A Fellow of IEEE, he is the 2018 Fulbright Distinguished Chair in Alternative Energy


【發布時間:2019-05-24】【瀏覽次數:285】
如何玩秒速赛车赢