关于美国伊利诺伊大学厄巴纳-香槟分校邵晨晖助理教授学术报告...
admin (2017/7/4 9:22:57) 浏览:691 评论:0
报告人：邵晨晖
时间：2017年7月5日（星期三）下午15:00
地点：浙江大学玉泉校区教一103会议室
欢迎各位理事、会员及相关科研工作者积极参加！
报告人简介：
邵晨晖，现为美国伊利诺伊大学厄巴纳-香槟分校（University ofIllinois at Urbana-Champaign, UIUC）机械科学与工程系助理教授。邵博士2009年本科毕业于中国科学技术大学自动化系，2016年于美国密西根大学机械工程系获博士学位。他的研究兴趣主要包括数字化和智能制造，制造领域大数据分析方法，制造系统的控制与自动化。邵博士曾获ASME International Manufacturing Science and EngineeringConference(MSEC) 最佳论文奖、IISETransactions最佳应用论文奖、IIE Transactions Feature Article、美国National Center for SupercomputingApplications的Scholar-in-Residence等奖项。
报告摘要：
时空过程广泛存在于制造领域，例如超声波金属焊接中的工具表面磨损过程和高精度切削加工工艺中产品表面的时空变化。时空过程的高分辨率描述与监测对于制造工艺的质量控制来说至关重要。近年来3D传感技术的快速发展使得大规模时空数据的测量与采集变得可能。然而，一些关键问题严重制约着时空数据的高效采集和分析。例如，高分辨率时空数据的采集成本仍然较高；缺少适用于时空数据的多源数据融合建模方法；高效监测时空过程的变化较为困难。该报告将着重讨论时空过程的描述和监测中的两个问题。首先，我们将介绍一个新的动态采样测量方法。该方法使用一个灵活的设计标准，从而可以同时考虑测量成本和预测精度。在同样的测量成本投入条件下，与传统方法相比，该方法可显著提高时空过程的预测精度。其次，我们将讨论一个新的空间模型。该模型通过融合物理模型和多任务学习模型，可高效准确地描述和预测表面的空间变化模式。和传统的空间模型，如kriging方法和数据驱动的机器学习模型相比，我们的方法可以显著提升预测精度。
时间：2017年7月5日（星期三）下午15:00
地点：浙江大学玉泉校区教一103会议室
欢迎各位理事、会员及相关科研工作者积极参加！
报告人简介：
邵晨晖，现为美国伊利诺伊大学厄巴纳-香槟分校（University ofIllinois at Urbana-Champaign, UIUC）机械科学与工程系助理教授。邵博士2009年本科毕业于中国科学技术大学自动化系，2016年于美国密西根大学机械工程系获博士学位。他的研究兴趣主要包括数字化和智能制造，制造领域大数据分析方法，制造系统的控制与自动化。邵博士曾获ASME International Manufacturing Science and EngineeringConference(MSEC) 最佳论文奖、IISETransactions最佳应用论文奖、IIE Transactions Feature Article、美国National Center for SupercomputingApplications的Scholar-in-Residence等奖项。
报告摘要：
时空过程广泛存在于制造领域，例如超声波金属焊接中的工具表面磨损过程和高精度切削加工工艺中产品表面的时空变化。时空过程的高分辨率描述与监测对于制造工艺的质量控制来说至关重要。近年来3D传感技术的快速发展使得大规模时空数据的测量与采集变得可能。然而，一些关键问题严重制约着时空数据的高效采集和分析。例如，高分辨率时空数据的采集成本仍然较高；缺少适用于时空数据的多源数据融合建模方法；高效监测时空过程的变化较为困难。该报告将着重讨论时空过程的描述和监测中的两个问题。首先，我们将介绍一个新的动态采样测量方法。该方法使用一个灵活的设计标准，从而可以同时考虑测量成本和预测精度。在同样的测量成本投入条件下，与传统方法相比，该方法可显著提高时空过程的预测精度。其次，我们将讨论一个新的空间模型。该模型通过融合物理模型和多任务学习模型，可高效准确地描述和预测表面的空间变化模式。和传统的空间模型，如kriging方法和数据驱动的机器学习模型相比，我们的方法可以显著提升预测精度。
相关内容：