时间:2022年11月25日15:00-16:30
报告地点:腾讯会议 719-360-914
时间 |
议题 |
报告题目 |
报告人 |
15:00 |
开幕词 |
15:05 |
学术报告一 |
面向旋转机械故障诊断的聚类技术研究 |
杨雨晴 |
15:45 |
学术报告二 |
基于图神经网络的机器学习方法 |
王 杰 |
16:30 |
散会 |
汇报人简介:
(1)杨雨晴:
杨雨晴,女,博士,讲师。于2018年至2022年于威廉希尔中文网站平台攻读并获得博士学位,系统学习和积累了数据挖掘的相关背景和方法知识,现威廉希尔中文网站平台william威廉亚洲官方教师,主要从事数据挖掘与并行计算、机器学习及应用、天体光谱数据分析和研究工作。先后参与了多项国家自然科学基金项目和山西省重大研究课题,发表学术论文10余篇,其中ESI高被引1篇,SCI一区4篇,SCI三区4篇;以第一发明人授权发明专利2项。
![](/__local/C/F1/EA/C5F9FE7FEEE7617C07BD9F58A1E_4FEC678E_EBF0.png)
报告题目:面向旋转机械故障诊断的聚类技术研究
报告摘要:
旋转机械是现代化机械设备的重要组成,在工业中占据重要地位。随着工业进程的不断推进,旋转机械的智能化水平显著提高、内部结构更加精密复杂,加之其长期所处的恶劣的工作环境,使得旋转机械中转子、轴承等核心零部件发生损耗的几率也增加了,如果没有及时发现并处理上述核心部件所发生的故障,将可能造成无法挽回的损失。因此,旋转机械的故障诊断和健康管理备受关注。本报告从旋转机械运行状态数据特征分析出发,简单总结了旋转机械故障诊断面临的主要难题,并从聚类分析的角度出发,着重对旋转机械运行状态数据的预处理、诊断模型构建等进行了介绍。
(2)王杰:
王杰,博士,2022年6月毕业于山西大学计算机科学与技术专业,主要研究方向为图神经网络与半监督学习,相关研究论文在IEEE TNNLS、PR等期刊发表。
![](/__local/4/66/4C/13DB3EFED49148E64D4D4F037C6_A78E325B_12771.png)
报告题目:基于图神经网络的机器学习方法
报告摘要:
图数据给现有的机器学习技术带来了前所未有的挑战,探索面向图数据的机器学习新理论与新方法已成为机器学习和数据挖掘领域关注的重要问题之一。现阶段,基于图神经网络的机器学习方法面临着深度加深模型退化和监督信息过度依赖等挑战。本报告首先介绍图机器学习的相关背景、主要方法及应用前景;其次对基于图神经网络的机器学习的最新研究进展进行阐述;最后对未来研究工作进行展望。