吴文俊人工智能科学技术奖
INNOVATION TEAM
创新团队
首页 > 创新团队 > 正文

不确定非线性系统建模理论与智能学习方法

2019年01月11日   来源:中国人工智能学会     

53757

宋士吉,清华大学自动化系教授、博士生导师。2000年以来在清华大学自动化系和国家CIMS工程技术研究中心从事教学与科研工作。1986年获得哈尔滨师范大学数学专业学士学位,1989、1996年获得哈尔滨工业大学基础数学专业硕士学位和博士学位;1996至2000年,分别在中国海洋大学物理海洋专业和东南大学控制理论与应用专业先后两次完成博士后研究。长期致力于生产制造复杂工艺过程的建模与随机优化及智能调度方法、机器学习理论方法及其应用、水下机器人智能控制与探测技术等方向研究,在国内外重要学术期刊会议发表论文240

  专家简介

  宋士吉,男,1965年5月生,黑龙江省富锦市人,清华大学自动化系教授、博士生导师。2000年以来在清华大学自动化系和国家CIMS工程技术研究中心从事教学与科研工作。1986年获得哈尔滨师范大学数学专业学士学位,1989、1996年获得哈尔滨工业大学基础数学专业硕士学位和博士学位;1996至2000年,分别在中国海洋大学物理海洋专业和东南大学控制理论与应用专业先后两次完成博士后研究。长期致力于生产制造复杂工艺过程的建模与随机优化及智能调度方法、机器学习理论方法及其应用、水下机器人智能控制与探测技术等方向研究,在国内外重要学术期刊会议发表论文240余篇,其中IEEE Transactions 系列期刊长文、国际著名期刊等SCI检索论文120余篇;担任《IEEE Transactions on Systems, Man, and Cybernetics:Systems》编委,国际期刊《The Scientific World Journal - Operationas Resarch》编委;《Artificial Intelligence and Robotics Research》副主编,《Mathematics Review》评论员;曾任《中国科学-信息科学》与《自动化学报》等期刊编委。

  近五年来,主持国家自然科学基金重大科学仪器研制项目、铁联合基金重点项目、面上项目、科技部863项目、教育部博士点基金、中国大洋矿产资源研究开发协会专项等累计20余项。 先后获得江苏省自然科学一等奖、中国自动化学会教学成果一等奖、教育部高等学校自然科学二等奖奖、英国皇家工程授予的 “Distinguished Visiting Fellowship”奖。

  项目简介

  不确定非线性系统模型通常由含有不确定参数/不确定性变量的动力学方程及不确定外部干扰构成,非线性系统变量之间具有较强的耦合性,建模与精确求解一般具有很大的理论难度和挑战性。

  利用复杂系统模型的数学分析方法/分解协调技术/逐次逼近技术等,可实现对不确定性非线性系统模型的精确或近似求解,但是对于不确定非线性系统模型的分析求解技术,很难有一般性规律可循。

  二十余年来,本项目研究团队宋士吉教授、黄高博士、陈德刚教授、王熙照教授和吴澄院士,长期致力于人工智能技术和系统工程应用技术等研究领域,在不确定非线性系统建模理论与智能学习方法研究方面获得了一些关键性突破,重要科学发现如下:

  1、模糊微分系统解的适定性与渐近性:提出了模糊集值函数微分方程研究的系统性方法,建立了模糊集值函数的微分方程理论,证明了模糊微分方程Cauchy 问题和全局问题解的适定性及渐近行为等一系列结论。在国际上率先攻克了模糊集值函数微分方程理论分析与求解的瓶颈技术问题。

  2、全蕴涵模糊推理机制与模糊规则的启发式生成方法:提出了反向全蕴涵模糊推理机制,提出了在正(反)向两种推理机制下的模糊取式(FMP)和模糊拒取式(FMT)最优解的数学解析表式。提出模糊上(下)近似和模糊知识约简的概念,设计了一种从初始模糊数据中学习模糊规则的启发式算法。提出了一种类似于粗集核产生决策树的启发式算法,提出了生成加权模糊规则的高精度分类算法。

  3、取值于实数值、缺失值和集值数据集的特征选择方法:考虑到数据集中特征与决策标签的不一致性,针对取实值、缺失值和集值的数据集,建立了特征选择的理论方法,具有直观可解释性,通过构造辨识矩阵设计了快速收敛的特征选择方法。

  4、基于极限学习机或随机机会约束模型的智能学习方法:提出基于流形正则化的无监督极限学习机算法和半监督极限学习机算法;从半监督学习的多聚类特性出发,提出了基于随机机会约束模型的高效半监督学习算法;同时提出了基于机会约束模型的监督学习算法。较之已有的无监督学习、半监督和监督学习算法,本项目提出的算法或提升了计算精度及效率,或拓展了能够解决的机器学习问题类型。

  上述成果已成功用于解决工业系统的智能优化控制与设备健康管理问题。

  项目的8篇代表性论文,SCI他引802次,其中2篇为ESI高被引论文,单篇最高SCI他引222次,最高影响因子为8.29,Google学术他引1888次;项目的20篇主要论文,SCI他引1089次,最高影响因子为12.29,Google学术他引2595次。

  近年来,项目团队各主要完成人先后获得了英国皇家工程院杰出访问会士奖(2009)、国际计算机视觉顶级会议(IEEE CVPR)最佳论文奖(2017)、2016年和2017年Elsevier学术论文高被引中国学者荣誉、全国百篇最具国际影响力学术论文(2015)。

  实验室简介

  国家CIMS工程技术研究成立于1992年,是获科技部批准组建的第一批国家级工程研究中心。中心依托在清华大学,集中了清华自动化系、精密仪器系、机械系、计算机系等学科的技术优势和人员优势。

  自组建以来,中心按照科技部的要求,发挥了“三个中心”的作用,即:教育培训中心、应用推广中心、科学研究中心。中心拥有290余人的高水平、经验丰富的专家及研究、开发、实施队伍,吴澄院士担任中心主任。中心具有提供全方位的智能制造技术支持、工程实施、咨询培训能力;不同行业、不同规模企业信息化诊断、咨询、规划、设计;机器人化装备设计(机器换人工程);企业应用软件系统研究与开发、实施;大数据及决策支持系统开发、实施;各种类型、不同层次的企业信息化专业人才及项目管理人才的培训。

  通过承担国家科技计划、自然科学基金、清华大学学科建设计划、企业信息化等研究及应用课题,解决我国CIMS技术方面所需要的关键技术,并使各项技术成果工程化、实用化,带动和指导企业推广应用CIMS和企业信息化技术。中心自组建以来共完成科技研究项目、课题310多项,工程应用项目190 多项,获得国家奖励40项。在国家实施“以信息化带动工业化”的战略实践中发挥了示范和带动作用。

组织机构

主管单位
中华人民共和国科学技术部
国家科学技术奖励工作办公室
主办单位
中国人工智能学会

奖励资质