<code id="kwfd7"><dd id="kwfd7"></dd></code>
<th id="kwfd7"></th>
  • <code id="kwfd7"><menu id="kwfd7"></menu></code>
    <th id="kwfd7"><address id="kwfd7"></address></th>

    <optgroup id="kwfd7"><xmp id="kwfd7">
  • <code id="kwfd7"><thead id="kwfd7"></thead></code>

        <code id="kwfd7"></code>

        進化優化與知識共融的軟件智能測試方法,面向復雜環境時序數據變化趨勢跟蹤的深度學習

        發布者:計算機信息發布時間:2019-11-15瀏覽次數:13

        報告題目一進化優化與知識共融的軟件智能測試方法

        報告人鞏敦衛 教授

        單位:中國礦業大學信息與控制工程學院

        報告時間:20191119日(星期二)下午3

        報告地點:翡翠科教樓A1104會議室


        報告人簡介:

           中國礦業大學信息與控制工程學院教授,控制科學與工程學科博士生導師,智能優化與控制研究團隊負責人。研究方向為智能軟件工程、復雜優化問題進化求解、智能感知與控制、智能數據處理與解析。教育部“新世紀優秀人才支持計劃”、江蘇省“333高層次人才培養工程”和“六大人才高峰”高層次人才入選者,甘肅省“飛天學者”講座教授。為江蘇省自動化學會常務理事、副秘書長,中國計算機學會機器學習專業委員會、軟件工程專業委員會委員,中國人工智能學會智能空天系統專業委員會委員,中國自動化學會大數據專業委員會委員,中國仿真學會智能仿真優化與調度專業委員會委員,國家自然科學基金委員會信息學部會評專家,《控制與決策》編委。獲江蘇省教學成果二等獎1項(排名第2),指導的學生獲國際大學生數學建模競賽一等獎3項、二等獎7項,江蘇省優秀碩士學位論文4篇。主持國家“973”計劃子課題1項,國家重點研發計劃子課題1項,國家自然科學基金6項,省部級科研項目8項;獲高等學??茖W研究優秀成果二等獎、江蘇省科學技術二等獎、中國電子學會電子信息科學技術二等獎各1項(均排名第1);獲授權發明專利15項;出版專著8部;發表IEEE TEVC、TCYB等頂級期刊在內的JCR一、二區期刊論文60余篇,2篇論文入選ESI1%高被引論文。


        報告摘要:

           軟件測試是保證軟件質量的重要手段。測試過程中,進化優化與知識共融能夠提高測試效率。報告針對串行程序變異測試,給出通過占優關系約減變異體和進化生成測試數據,提高變異測試效率的方法;針對并行程序覆蓋測試,給出通過選擇高性能調度序列和進化生成測試數據,提高覆蓋測試效率的方法。最后,指出需要進一步研究的問題。



        報告題目二:面向復雜環境時序數據變化趨勢跟蹤的深度學習

        報告人:孫曉燕 教授

        單位:中國礦業大學信息與控制工程學院

        報告時間:20191119日(星期二)下午4

        報告地點:翡翠科教樓A1104會議室


        報告人簡介:

           中國礦業大學信息與控制工程學院教授,控制科學與工程學科博士生導師。研究方向為復雜系統智能優化與控制、大規模數據機器學習、能源互聯網與區域綜合能源優化等。江蘇省優秀共產黨員、江蘇省六大高峰人才、中國礦業大學優秀青年骨干教師、中青年學術帶頭人。為國際間重大合作項目會評專家,國家自然科學基金函審專家;江蘇省自動化學會智能優化與應用專委會秘書長;中國礦業大學女教授聯誼會秘書長;中國礦業大學歐美同學聯合會理事;IEEE 計算智能學會會員;《Soft Computing》編委、Intelligent Systems Applications Technical Committee 委員。在科學出版社出版專著2部,在TEVC、TCYB、TNNLS等高水平學術期刊發表學術論文50余篇,其中,被SCI、EI等檢索40余篇;授權發明專利2項;獲省部級獎勵2項;主持國家自然科學基金項目3項,省部級項目4項,作為核心成員,參與省部級以上項目近10項。


        報告摘要:

           復雜環境感知與安全預警對于安全生產和健康生活具有重要意義,隨著檢測技術的發展和監測方法的提高,可感知各類環境變化的實時時序數據信息,基于歷史信息的時序分析已有豐碩的研究成果。然而,在實際問題中,融合多源感知信息的環境變化趨勢分析往往更具有實際意義,但是,工業領域相關研究成果還較少。針對上述問題,基于當前深度學習的成果,我們研究了工業時序數據的趨勢定義方法、融合智能優化的長短期記憶網絡的趨勢跟蹤分析、考慮多源數據和隱私保護的聯邦深度學習趨勢特征抽取和跟蹤策略,以及針對多源數據異構特性的異構低通訊代價的聯邦深度學習機制等。將所提算法應用于煤礦井下電磁輻射數據的變化趨勢跟蹤中,說明其有效性。


        国民彩票在线登录app