微信里点“发现”，扫一下
二维码便可将本文分享至朋友圈
演讲摘要：智能制造是离散制造行业实现大规模个性化定制的重要路径，而基于海量工业数据的多维有效信息提取与智能融合决策是发挥其独特优势的基础与关键。为此，本报告将聚焦于离散型智能制造系统下多源异构数据的噪声干扰、信息隐藏、局部小样本与数据隐私安全等问题，探讨解决这些问题的新兴热点技术，包括基于 AI 的工业数据清洗、基于“数据 + 机理”的特征提取、基于小样本的迁移学习、基于个性化联邦学习的多源融合决策等。最后，展望了面向智能制造的信息融合感知与决策技术仍然面临的挑战性问题。
讲者简介：陈博，浙江工业大学教授，博士生导师，主要研究方向为信息融合理论及应用、工业大数据分析、信息物理系统安全，获得中国自动化学优秀博士学位论文奖和浙江省杰出青年科学基金项目资助， 先后入选浙江省级人才项目、国家青年人才项目、浙江省高等学校“院士结对培养青年人才计划”项目。在控制领域顶尖期刊 IEEE TAC 和 Automatica 上发表/ 录用学术论文 25 篇 ( 一作 / 通讯 19 篇 , 含长文 3 篇 )，其它 IEEE 汇刊论文 33 篇，授权发明专利 15 项，出版英文专著 1 部，主持国家基金、浙江省杰青、浙江省领雁攻关计划、宁波 2025 重大专项等项目 7 项。研究成果获得教育部高等学校自然科学一等奖、中国自动化学会自然科学二等奖和 2023 年度浙江省青年科技工作者优秀论文奖。
CCF第39届中国计算机应用大会
智能互联时代下智能制造的融合方法及前沿技术
京公网安备11010802032778号