|  首页   |  学院概述   |  学科建设   |  人才培养   |  科学研究   |  师资队伍   |  党群工作   |  学生工作   |  信息资源   |  English   |
您的位置:学科建设 >> 学术氛围

20170616学术讲座

 
20170616学术讲座
 
时间:2017年6月16日(星期五)上午10:00
地点:望江基础教学楼B座206
主讲人:邱才明博士,第十一批国家千人计划“致远”讲席教授,IEEE Fellow,上海交通大学讲席教授,大数据工程技术研究中心主任,美国田纳西理工大学终身教授。
题目:基于随机矩阵和深度学习的电网系统状态认知
 
讲座摘要: 数据是一种资源,是工程系统的机理本质以及运行态势的外在表现。数据驱动,相比于模型驱动,更适合认知一个逻辑较复杂、而数据易获取的系统,典型应用领域如量子、天文、通信、交通、电力等。
大数据部分追溯统计学历史,探求“大”数据模型下的适用统计方法和工具。进一步,通过建立数据模型—设置模型指标—指标工程解释等三个步骤挖掘实时/历史数据中所蕴含的有效信息,并设计了一系列工程应用,如异常检测(anomaly detection),异常诱因/地点锁定(correlation analysis),稳定性分析(stability analysis),态势评估(state estimation)和可视化(3D Map)等。最终,形成一套基于高维统计量的系统认知(situation awareness)方案(methodology)。
通过大数据部分,我们可将高维原始数据预处理成Ring Law、M-PLaw、LES等谱相关的图/指标。这些基于统计量的图/指标在形成过程中信息丢失较少,即对系统具有更强的表征力;但另一方面,它们并不具备明确的工程概念,需要对其进行工程解读。而深度学习则是一种非常好的工具。
深度学习可以让计算机从过往的经验(历史数据)中进行学习,将实际中的问题分层化处理,每一层的统计量对应着一个简单的现实特征。从而将一个复杂的实际问题变得层次化和简单化。这些简化后的问题就可以由计算机直接处理分析。
 
主讲人介绍: 邱才明博士,第十一批国家千人计划“致远”讲席教授,IEEE Fellow,上海交通大学讲席教授,大数据工程技术研究中心主任,美国田纳西理工大学终身教授。拥有8项国际专利,发表100余篇SCI期刊论文和150余篇会议论文,参与制定标准和技术报告共计40余项。邱才明教授于2005年担任IEEE Trans. Veh. Tech.关于UWB的Special Session Editor;于2006年担任IEEE JSAC关于UWB的特刊的Associate Editor;于2007年担任IEEE无线通信传感器会议的Special Session Editor等,且担任新泽西无线通信中心的工业咨询委员会成员。被授予中国电子科技大学杰出校友,被记入美国侯爵名人录。
邱才明教授的研究领域为工程大数据分析、智能电网等,近年来潜心研究大数据基础理论,先后撰写了四本大数据工程应用方面的专著,构建了工程领域大数据应用的理论框架。
 
 

发布时间:2017/06/14    

[ 返回 ]

学院地址:四川大学望江校区基础教学大楼 A座二楼
学院电话:028-85405614
版权所有:四川大学电气信息学院
技术支持:成都千蚁科技有限公司