【講座題目】物理啟發可解釋網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 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月畢業于美國馬薩諸塞大學阿默斯特分校(University of Massachusetts, Amherst)機械與工業工程系，獲機械工程專業博士學位。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會會士(IEEE Fellow)、美國機械工程師協會會士(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，物理驅動方法作為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準確。作為觀察物理世界的兩種范式，數據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，并討論了PIDL在磨損狀態評估中的一個應用。