【講座題目】物理啟發(fā)可解釋網(wǎng)絡及其在智能運維中的應用
【時 間】2023年10月21日 上午：10:00-11:00
【地 點】保定校區(qū) 教八樓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】
嚴如強，西安交通大學教授、博士生導師、高端裝備研究院國際機械中心主任，2007年5月畢業(yè)于美國馬薩諸塞大學阿默斯特分校(University of Massachusetts, Amherst)機械與工業(yè)工程系，獲機械工程專業(yè)博士學位。從事重大裝備智能運維相關的理論方法與工程應用研究，主持科技部重點研發(fā)計劃項目和基金委自然科學基金重點項目等。國際電氣與電子工程師協(xié)會會士(IEEE Fellow)、美國機械工程師協(xié)會會士(ASME Fellow)、享受國務院政府特殊津貼、國家**入選者、獲2020年陜西省技術發(fā)明一等獎(第一完成人)、2020年教育部自然科學一等獎(第二完成人)、2019年IEEE儀器與測量學會科技獎(Technical Award)和2022年IEEE儀器與測量學會杰出服務獎(Distinguished Service Award), 牽頭制定IEEE國際標準1項，在IEEE和ASME會刊、機械工程學報等發(fā)表期刊論文百余篇，撰寫和主編出版英文專著各1部。目前為IEEE儀器與測量學會Distinguished Lecturer，擔任國際期刊《IEEE Transactions on Instrumentation and Measurement》主編，《機械工程學報》英文版、《儀器儀表學報》和《中國科學技術大學學報》編委。
【報告內容簡介】
隨著大數(shù)據(jù)和物聯(lián)網(wǎng)的快速發(fā)展，數(shù)據(jù)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(yè)中的廣泛應用。事實上，在DL興起之前，物理驅動方法作為一種依賴因果關系從第一性原理建立物理規(guī)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準確。作為觀察物理世界的兩種范式，數(shù)據(jù)驅動和物理驅動的方法并不是對立的，它們具有一致的洞察力。因此，將物理模型集成到DL中，即物理啟發(fā)的深度學習（PIDL），是實現(xiàn)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，并討論了PIDL在磨損狀態(tài)評估中的一個應用。