EN
旧版
导航
学院概况
学院简介
党政班子
组织架构
数学系
物理系
深海高端装备系统研究...
师资队伍
数学
物理学
党建工作
党务公开
理论学习
制度规定
党建动态
典型宣传
思想强音
我为抗疫出份力
人才培养
本科生教育
学科特色
培养计划
课程思政
研究生教育
学科
导师
培养方案
课程介绍
通知公告
国际交流
创新创业
科学研究
科研团队
非线性偏微分方程及应...
低维物理系统与先进光...
科研数据
科研政策
友情链接
招生就业
硕士招生
博士招生
就业信息
学生工作
学生事务
学工风采
党建团建
相关文件
安全专栏
工作动态
规章制度
安全资料
相关下载
下载中心
学院文件
资料下载
学术报告
当前位置:
首页
学术与创新竞赛
学术报告
2024-09-12
研究生数学建模竞赛讲座一
2024-09-12
研究生数学建模竞赛讲座一
一、主讲老师:王宾国兰州大学数学与统计学院教授二、讲座题目:数学建模竞赛与案例分析三、讲座时间:2024年9月13日上午9:30四、讲座地点:线下一教100;线上直播链接:报告前welink群通知专家介绍:王宾国,理学博士,兰州大学数学与统计学院教授。甘肃省数学会秘书长,CSIAM第五届数学模型专业委员会委员,全国大学生数学建模竞赛甘肃赛区组委会副主任。美国“数学评论”评论员。主要从事非自治情形下传染病模型动力学行为研究。相关结果发表在J. Dyn. Diff. Equ.,J. Dyn. Equ.,J. Math.Biol., European Journal of Applied Mathematics,Zeitschrift fuer Angewandte Mathematik und Physik,Discrete and Continuous Dynamical Systems A,Discrete and Continuous Dynamical Systems B,Nonlinear Dynamics上。主持国家自然科学基金天元基金、国家自然科学基金青年基金、甘肃省青年基金
2022-03-01
智能驾驶中的多传感器融合技术学术报告
2022-03-01
智能驾驶中的多传感器融合技术学术报告
李雪松博士目前是无人驾驶汽车方面的高级工程师,主要从事无人驾驶汽车的感知算法研究;在进入工业界前,他于2020在澳大利亚的新南威尔士大学获得博士学位,博士课题是智能机器人的物体检测方法;其学士和硕士学位分别于2013年和2016在武汉理工大学完成。他的研究课题主要包含:物体检测,SLAM,优化算法,深度学习,和机器人学。Dr. Xuesong Li is currently an advanced engineer, working on autonomous driving. Before entering into industry, he was a Ph.D. student in Mechatronic Engineering in University of New South Wales (Sydney) in 2016, and obtained the PhD degree in October 2022. The PhD thesis is about object detection for intelligent robots. His bachelor and
2022-03-01
融合物理信息的长短时记忆神经网络齿轮箱故障监测学术报告
2022-03-01
融合物理信息的长短时记忆神经网络齿轮箱故障监测学术报告
摘要:在机电装备预测与健康管理(PHM)领域,带标签监测数据承载着反映装备服役性能退化与预测维护的关键信息。通常,设备健康状况下的服役数据很容易采集,但实际中故障状态下的数据却鲜少采集,带标签监测数据不完整成为PHM发展的瓶颈问题。长短时记忆神经网络(LSTM)是构建状态监测数据时间序列表征的理想模型。然而,基于最小化泛化误差的超参数LSTM不能很好地区分设备健康与故障状态。为解决上述难题,提出了融合物理信息的LSTM超参数选择方法。核心思想是根据故障引起何种状态监测特征的物理知识,仿真故障特征信号并添加到监测数据中,得到理想状态下的故障退化数据,进而利用最大化“理想故障”和健康状态之间的数据特征差异,进行超参数选择与优化。本讲座以齿轮裂纹与磨损两种常见的故障检测作为案例,讨论了上述方法的理论可行性与工程实用性,为PHM领域提供故障检测新方法。陈岳剑,同济大学铁道与城市轨道交通研究员助理教授,硕士研究生导师,上海市领军人才获得者,博士毕业于加拿大阿尔伯特大学机械工程。研究方向包括时间序列分析、机器学习、信号处理等理论方法及其在旋转机械故障诊断的应用。陈博士目前已在Mechanical
2021-12-23
关于举办上海理工大学物理研究生学术论坛 暨学术月活动的通知
2021-12-23
关于举办上海理工大学物理研究生学术论坛 暨学术月活动的通知
物理研究生学术论坛暨学术月活动由bat365在线平台物理系发起,物理教工党支部和研究生物理党支部联合举办。论坛秉承“分享经验,开拓思维”的宗旨,为我校在读物理研究生拓宽研究视野、提升创新能力、洞悉学术前沿及促进优秀科研成果交流而搭建学术交流平台。促进研究生的学风建设,建立学术道德、学术规范,营造良好的学术氛围。一、论坛组织形式本次论坛为PPT+口头报告形式,PPT需研究生自行准备。论坛报告时间为:15-20分钟/每人,专家点评和提问时间:5分钟。二、首期论坛时间和地点时间:2021年12月31日(周五上午9:00)地点:待定三、奖项设置论坛组委会将邀请专家对报告进行点评并根据提交的学术资料和论坛报告情况进行打分,设立物理研究生学术论坛一等奖1-2名,二等奖2-4名,三等奖4-6名,并颁发证书。四、论坛交流要求每位参与论坛的研究生需提交学术论文摘要和相关学术资料,由论坛学术指导委员会评审专家组进行评审,从中评选优秀稿件作论坛口头报告。提交的论文及论坛期间产生的学术成果不用于任何商业用途,入选的优秀稿件需提交论文全文。若稿件涉及保密内容,请作者特别说明。五、来稿要求提交论文要求:接受在校期间
2021-11-24
2021年上海理工大学“尚理”物理讲坛(第4场)
2021-11-24
2021年上海理工大学“尚理”物理讲坛(第4场)
本次讲坛由bat365在线平台物理系主办,邀请国内物理学、光电子物理领域的知名专家学者分享最新前沿动态,推进相关领域的技术创新,促进我校物理学科的发展,引领创新人才的培养。本次讲坛为物理学科“研究生学术活动月”的活动之一。【讲坛时间】2021年11月26日13:00【内容安排】详见以下附件【会议链接】https://meeting.tencent.com/dm/ix0omymRblSv(腾讯会议)【会议ID】388 587 212
2021-11-15
2021年上海理工大学“尚理”物理讲坛(第3场)
2021-11-15
2021年上海理工大学“尚理”物理讲坛(第3场)
本次讲坛由bat365在线平台物理系主办,邀请国内物理学、光电子物理领域的知名专家学者分享最新前沿动态,推进相关领域的技术创新,促进我校物理学科的发展,引领创新人才的培养。本次讲坛为物理学科“研究生学术活动月”的活动之一。【讲坛时间】2021年11月19日13:00【内容安排】详见以下附件【会议链接】https://meeting.tencent.com/dm/8GR9jgNxVsUk(腾讯会议)【会议ID】491 139 651
2021-11-10
2021年上海理工大学“尚理”物理讲坛(第2场)
2021-11-10
2021年上海理工大学“尚理”物理讲坛(第2场)
本次讲坛由bat365在线平台物理系主办,邀请国内物理学、光电子物理领域的知名专家学者分享最新前沿动态,推进相关领域的技术创新,促进我校物理学科的发展,引领创新人才的培养。本次讲坛为物理学科“研究生学术活动月”的活动之一。【讲坛时间】2021年11月12日13:00【内容安排】详见以下附件【会议链接】https://meeting.tencent.com/dm/ciFHKGhMSqmX(腾讯会议)【会议ID】688 671 007
2021-11-09
Review of Distributed Statistical Inference(分布式统计分析)报告通知
2021-11-09
Review of Distributed Statistical Inference(分布式统计分析)报告通知
报告人:张日权,华东师范大学,统计学院时间:2021年11月12日下午13:30-14:30地点:学院2楼212会议室题 目:Review of Distributed Statistical Inference(分布式统计分析)摘 要:The rapid emergence of massive datasets in various fields poses a serious challenge to traditional statistical methods. Meanwhile, it provides opportunities for researchers to develop novel algorithms. Inspired by the idea of divide-and-conquer, various distributed frameworks for statistical estimation and inference have been proposed. They were developed to deal with large-sca
2021-11-09
关于“Quantile difference estimation with censoring indicators missing at random”报告通知
2021-11-09
关于“Quantile difference estimation with censoring indicators missing at random”报告通知
报告人:梁汉营时间:2021年11月12日下午14:30-15:30地点:学院2楼212会议室一、报告题目Quantile difference estimation with censoring indicators missing at random报告摘要In this talk, we propose estimator of distribution function when the data are right-censored and the censoring indicators are missing at random, and then establish their strong representations and asymptotic normality. Further, based on empirical likelihood method, we define maximum empirical likelihood estimators and smoothed log-likelihood ratios of two-sample qua
2021-11-03
关于举办2021年上海理工大学“尚理”物理讲坛暨物理学科“研究生学术活动月”活动的通知
2021-11-03
关于举办2021年上海理工大学“尚理”物理讲坛暨物理学科“研究生学术活动月”活动的通知
上海理工大学“尚理”物理讲坛定于2021年11月采用线上线下相结合的方式举行。本次讲坛由bat365在线平台物理系主办,邀请国内物理学、光电子物理领域的知名专家学者分享最新前沿动态,推进相关领域的技术创新,促进我校物理学科的发展,引领创新人才的培养。本次讲坛为物理学科“研究生学术活动月”的活动之一。【活动启动暨首场讲坛时间】2021年11月5日13:30【内容安排】1. 院长致辞;2. 首场讲坛(详见以下附件)【会议链接】https://meeting.tencent.com/dw/Tm62rcK3snSD(腾讯会议)【会议ID】781 315 810
2021-11-01
淮阴工学院华洪波教授学术报告
2021-11-01
淮阴工学院华洪波教授学术报告
报告题目:Relating the total domination number and the annihilation number of some graphs报告人:华洪波,淮阴工学院数bat365在线平台教授报告时间:2021 年 11 月 02 日(星期二)上午 09: 00腾讯会议:548590295报告摘要:The total domination number $\gamma_{t}(G)$ of a graph $G$ is the cardinality of a smallest vertex subset $D $ of $V(G)$ such that each vertex of $G$ has at least one neighbor in $D$. The annihilation number $a(G)$ of $G$ is the largest integer $k$ such that there exist $k$ different vertices in $G$ with degree sum of at most the size of $G$
2021-10-29
中国科学院数学与系统科学研究院周川研究员学术报告
2021-10-29
中国科学院数学与系统科学研究院周川研究员学术报告
报告题目:Graph Neural Network: An Introduction and Some Recent Works报告人:周川,中国科学院数学与系统科学研究院周川研究员报告时间:2021 年 10 月 29 日(星期五)下午 18: 00 腾讯会议:815 741 454 报告摘要: Learning with graph structured data, such as social, biological, and financial networks, requires effective representation of their graph structure. Recently, there has been a surge of interest in Graph Neural Network (GNN) approaches for graph representation learning. GNN generalizes neural network (CNN) from low-dimensional regular grids, where i
每页
12
记录
总共
30
记录
第一页
<<上一页
下一页>>
尾页
页码
2
/
3
跳转到
bat365在线平台网站 - App Store©版权所有