研究生学术讲座心得体会.docx

学术讲座心得体会进入研究生院已近三年，在这三年的时间里，我参加了很多的学术讲座，让我受益颇多。通过这些讲座，我了解到各个领域的最新发展概况，充实了多方面的知识，拓宽了我的眼界，让我能够跟上科学发展的步伐。首先是台湾华梵大学副校长简江儒教授，2014年10月16日，来自台湾华梵大学的简江儒教授首先给我介绍了他的工作单位-台湾华梵大学，随后又幽默地比较了青岛科技大学与台湾华梵大学的区别。接着进入正题给我们做了一篇名为Trajectory Tracking of Piezoelectric Actuator using Iterative Learning Control with Zero-Phase Filtering的报告，即使用迭代学习控制和零相位滤波器对压电致动器的轨迹进行跟踪。他讲到迭代学习控制（iterative learning control，简称ILC）由Uchiyama于1978年首先提出。它是指不断重复一个同样轨迹的控制尝试，并以此修正控制律，以得到非常好的控制效果的控制方法。迭代学习控制是学习控制的一个重要分支,是一种新的学习控制战略。它通过反复应用先前试验得到的信息来获得能够产生期望输出轨迹的控制输入，以此来改善控制质量。与传统的控制方法不同的是，迭代学习控制能以非常简单的方式处理不确定度相当高的动态系统，且仅需较少的先验知识和计算量，同时适应性强，易于实现；更主要的是，它不依赖于动态系统的精确数学模型，是一种以迭代产生优化输入信号，使系统输出尽可能逼近理想值的算法。它的研究对那些有着非线性、复杂性、难以建模以及高精度轨迹控制问题有着非常重要的意义。他提出了将输入信号序列反转后通过滤波器,然后将所得结果逆转后再次通过滤波器的RRF滤波方法。还提出通过时间反转法直接构造零相位数字滤波器方法。通过仿真实验对零相位数字滤波方法给予验证。指出零相位数字滤波器的设计方法。使数字信号处理中滤波器引起的相位失真问题得到很好的解决，并且现场展示了他的仿真结果，取得的成绩。第二个报告2014年11月11日，我们科大的大牛泰山学者迟泰山池荣虎老师的On the Adaptive Iterative Learning Control for Discrete-time Systems报告使我收获良多。这篇报告主要讲的是使用自适应迭代学习对离散时间系统进行控制。从简江儒教授的报告中我了解了迭代学习控制理论。从池老师的报告中可以了解到，自适应是指处理和分析过程中,根据处理数据的数据特征自动调整处理方法、处理顺序、处理参数、边界条件或约束条件,使其与所处理数据的统计分布特征、结构特征相适应,以取得最佳的处理效果。自适应控制可以看作是一个能根据环境变化智能调节自身特性的反馈控制系统以使系统能按照一些设定的标准工作在最优状态。而离散时间系统有两种描述方法:输入-输出描述法和状态变量描述法。输入-输出描述法着眼于系统的输入和输出信号之间的关系，并不关心系统内部的工作状态。状态变量描述法不仅可以给出输入和输出信号之间的关系，还可提供系统内部变量的情况。离散时间系统还可分成线性和非线性两种。同时具有叠加性和齐次性（均匀性）的系统，通常称为线性离散系统。对于多输入、多输出系统，这种方法有其优点。系统的数学模型的求解，大体上可分为时间域方法和变换域方法。前者直接分析作为时间变量的输入和输出信号之间的关系，即利用差分方程式研究系统的时间特性。变换域方法则将时间变量转换成相应变换域中的变量函数。应用Z变换求解差分方程就是人们熟知的一种变换域方法。在变换域中进行计算较为简便，因此应用较广。离散时间系统的优点在于精度高，便于实现大规模集成；重量轻、体积小；灵活，通用性。迟老师准尊教诲我们要谨记科研的任务，为实现科教兴国而努力，迟老师不仅科研能力强，品行也深深感动着我们。第三个报告由知网的工作人员做，主要是针对研究生期间需要对知网有一个全面的了解。中国知网，是国家知识基础设施（National Knowledge Infrastructure，NKI）的概念，由世界银行于1998年提出。CNKI工程是以实现全社会知识资源传播共享与增值利用为目标的信息化建设项目，由清华大学、清华同方发起，始建于1999年6月。在党和国家领导以及教育部、中宣部、科技部、新闻出版总署、国家版权局、国家发改委的大力支持下，在全国学术界、教育界、出版界、图书情报界等社会各界的密切配合和清华大学的直接领导下，CNKI工程集团经过多年努力，采用自主开发并具有国际领先水平的数字图书馆技术，建成了世界上全文信息量规模最大的CNKI数字图书馆，并正式启动建设中国知识资源总库及CNKI网格资源共享平台，通过产业化运作，为全社会知识资源高效共享提供最丰富的知识信息资源和最有效的知识传播与数字化学习平台。（一般评定职称所说的中国期刊网，是中国知网）提供以下检索服务：文献搜索，精确完整的搜索结果、独具特色的文献排序与聚类，是您科研的得力助手 学术定义写论文需要引用权威的术语定义怎么办？CNKI学术定义搜索帮您轻松解决。数字搜索，“一切用数字说话”，CNKI数字搜索让您的工作、生活、学习和研究变得简单而明白 学术趋势 关注学术热点，展示学术发展历程，发现经典文献，尽在CNKI学术趋势翻译助手。文献、术语中英互译的好帮手，词汇句子段落应有尽有 新概念。和您分享我们自动发现学术新概念。图形搜索，各专业珍贵的学术图片，研究成果和复杂流程的直观展现 表格搜索 各专业珍贵的学术图表，为您汇总、对比各类信息数据提供方便。专业主题，168个专业主题数字图书馆，各领域学者均有属于自己的专业知识搜索引擎大众热点特色热点话题，帮您了解大众关心的热点知识。学术资源，全面的学术资源网站导航 红楼梦 三国演义水浒传。学术统计分析，对学术文献进行绩效评价及统计分析。第四个报告2015年7月2日，黄彪教授作了名为Sparse Parameter Regression and Bayesian Interpretation的报告，即稀疏系数的回归和贝叶斯解释。稀疏表示最重要的思想即是，在一个足够大的训练样本空间内，对于一个类别的物体，可以大致的由训练样本中同类的样本子空间线性表示，因此在当该物体有整个样本空间表示时，其表示的系数是稀疏的。这是稀疏表示思想最重要的一个假设，当然这也是之后进一步分析的基础。其优点是建立的模型简单，容易理解，容易操作；较以前的方法，对图像的识别是从整体的方面来把握的，但是NN，NS等方法更有局限性，像NN是一对一的进行匹配，计算欧氏距离，NS虽然利用分块的思想增加了对图像局部特征的匹配，但是仍然不能从整体上进行把握，对图像只是一个距离上的相似度。而稀疏表示的方法，是对所有的训练样本集进行抽取，获得一个相关系数，通过这个相关系数进行分类；特征提取的个数相对于特征提取的方法更为重要。通过实验，用PCA、DownSample、Randomsample等方法提取特征，在低维还是不稳定的，但是较高维就显得不那么重要了，这当然与预期是相符的，获得原始图像的信息越多，对于识别越有效。贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是：1、已知类条件概率密度参数表达式和先验概率。2、利用贝叶斯公式转换成后验概率。3、根据后验概率大小进行决策分类。并且我在这个报告上有幸向黄彪老师提问问题，我提问的是：如果将公式中小级别的成分忽略，会不会跟蝴蝶效应的基本思想相悖。黄彪教授作了认真的解答：他指出，并不是对小级别成分忽略，而是减少他们的影响。这令我茅塞顿开，非常开心。2015年7月14日，智能交通系统数据挖掘技术研究与应用联合实验室揭牌仪式的报告在第一会议室举行。智能交通系统(Intelligent Traffic System，简称ITS)又称智能运输系统(Intelligent Transportation System)，是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。智能交通系统(Intelligent Traffic Systems, ITS)的前身是智能车辆道路系统(Intelligent Vehicle Highway System, IVHS)。智能交通系统将先进的信息技术、数据通信技术、传感器技术、电子控制技术以及计算机技术等有效地综合运用于整个交通运输管理体系，从而建立起一种大范围内、全方位发挥作用的，实时、准确、高效的综合运输和管理系统。智能交通系统的应用范围主要包括机场、车站客流疏导系统，城市交通智能调度系统，高速公路智能调度系统，运营车辆调度管理系统，机动车自动控制系统等。智能交通系统世界上应用最为广泛的地区是日本，如日本的ITS系统相当完备和成熟，其次美国、欧洲等地区也普遍应用。中国的智能交通系统发展迅速，在北京、上海、广州等大城市已经建设了先进的智能交通系统;其中，北京建立了道路交通控制、公共交通指挥与调度、高速公路管理和紧急事件管理的4大ITS系统;广州建立了交通信息共用主平台、物流信息平台和静态交通管理系统的3大ITS系统。随着智能交通系统技术的发展，智能交通系统将在交通运输行业得到越来越广泛的运用。目前的中国ITS体系框架(第二版)的基本情况如下:用户服务包括9 个服务领域、47 项服务、179项子服务;逻辑框架包括10个功能领域、57 项功能、101项子功能、406个过程、161 张数据流图;物理框架包括 10个系统、38个子系统、150个系统模块、51张物理框架流图;应用系统包括58 个应用系统。2016年11月22日，丁峰老师的最小二乘辨识方法与论文写作的报告告诉了我们什么是最小二乘法的应用。最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。对给定数据点(Xi，Yi)(i=0,1，m），在取定的函数类 中，求p(x），使误差的平方和E2最小，E2=p(Xi)-Yi2。从几何意义上讲，就是寻求与给定点 (Xi，Yi)(i=0,1，m）的距离平方和为最小的曲线y=p(x）。函数p(x）称为拟合函数或最小二乘解，求拟合函数p(x）的方法称为曲线拟合的最小二乘法。总而言之，演讲者们的讲解条理清