燕山大学机电专业前沿讲座心得体会

燕山大学机电专业前沿讲座心得体会（9篇）

1.燕山大学机电专业前沿讲座心得体会 篇一

近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是存在大量数据，可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用，包括商务管理，生产控制，市场分析，工程设计和科学探索等。

机器学习和数据挖掘这些年一直是计算机应用方面研究的重点和热点，首先要了解什么是数据挖掘，简单地说，数据挖掘是从大量数据中提取或“挖掘”知识。我一直对这方面的知识颇感兴趣，这学期学院开设的学术前沿讲座的课程，很有幸听到了文益民教授对于自己在机器学习和数据挖掘方面研究的讲座，让我对这些知识有了深入浅出的理解，受益匪浅。

12月5号，文益民教授做了题为“大规模数据的分类”的讲座，在讲座的最开始，文教授提到了戈登・德莱顿《学习的革命》一书，皆在指导我们如何积累知识如何思考如何学习如何去做研究，具有抛砖引玉的指导意义。在这之后，又对了解机器学习和数据挖掘首先要了解的知识做了简要的说明，比如对于问题的分类是分为线性问题和非线性问题;比如聚类的含义是将物理或抽象对象的集合分成由类似的对象组成的多个类的过程;比如对于这个世界上计算机的分类可以只分成工人(maker)和思考者(thinker)两类。至此正式进入问题的讨论。

对于这次讲座，文教授从四个方面进行了讲授。第一，实际应用中的大规模数据分类问题。第二，大规模数据给机器学习带来的挑战。第三，大规模数据分类算法的研究。第四，展望发展前景。文教授主要是在第三点中做了很多工作也取得了可喜的成绩。

在机器学习的实际应用中，大规模数据分类问题一般会应用在以下几个方面，在高速高精度的工业图像检测方面，在专利分类方面，在生物信息数据快速增长方面，在支持向量机参数选择方面。

大规模数据给机器学习带来的问题有：1、算法一般不是收敛太慢就是难以收敛，训练时间过长。2、海量数据无法一次装入内存。3、算法可靠性得不到保证。4、已经训练好的学习器遇到心得训练样本时需要重新训练。

在最重要的部分，文教授提到了几个重要的研究方法，包括算法，这里面包含有：1、基于并行计算的算法，2、以并行计算方法求解工作集方法中每个迭代步中二次规划的子问题，3、Meta-learning，最小最大模块化支持向量机以及快速模块化支持向量机，4、Cluster-SVM，Cluster-based-SVM，Cascade-SVM。文教授在第三和第四点中都有自己的工作和贡献，在第三点中，他提出了分类面拼接算法，在第四点中，提出了分层并行支持向量机训练算法。对于分类面拼接算法我进行了比较仔细的了解，并下载阅读了文教授于2009年3月份在湖南大学学报上发表的论文“基于分类面的快速模块化支持向量机研究”，对于分类面拼接算法有了初步的研究，下面说说我对这个算法的理解。

信息采集和信息处理技术的快速发展导致了诸如公共健康数据、信用交易数据、国家经济普查数据、网络文本数据和地理信息数据等大规模数据集的产生。由于训练时间很长和空间需求很大，现有的大多数机器学习算法很难被直接用于大规模数据的机器学习。

这个算法是针对大多数现有的机器学习算法处理大规模问题时需要的训练时间很长和存储空间很大的难点而提出的，英文名是psfnrSVMs，

在训练阶段，psfm2SVMs采用一簇平行超平面对大规模问题实施软划分，然后针对每个子问题并行训练支持向量机。在测试阶段，测试样本坐落于哪个子问题所在空间中，就由该子问题训练的支持向量机给出判别结果。在4个大规模问题上的实验表明:与采取硬划分的快速模块化支持向量机(fm2SVMs)相比，软划分能够使psfm2SVMs得到更加光滑的分类面，因而ps2fm2SVMs的泛化能力较高。在不增加训练时间的条件下，psfm2SVMs减少了由于训练集分割导致的分类器泛化能力下降。

支持向量机方法的本质是在训练集的一个高维像空间中寻找最大间隔分类超平面，这个分类超平面对应于训练集所在空间的一个光滑曲面。如果采用训练集分割的方法，将这个光滑曲面分段求出，然后进行连接，就可以得到这个光滑曲面的近似曲面。

该算法使用平行超平面簇对训练集实施软划分，使得拼接后的分类面相比fm2SVMs得到的分类面更光滑，更接近最优分类曲面。因而，psfm2SVMs的泛化能力比fm2SVMs的泛化能力要高。在并行条件下，两者的训练时间和测试时间相同。在多核计算技术快速发展的今天，本文提出的算法，提供了一种可行的并行机器学习框架，对于研制高速高精度的机器学习算法具有一定的借鉴意义。未来计划研究随机向量w的方向对psfm2SVMs泛化能力的影响，并将该算法用于高速高精度工业图像检测。

这就是我的心得体会，在讲座的最后，文教授还对机器学习和数据挖掘的未来进行了展望，诸如现在流行的云计算，还有动态数据流学习，例外的发现，学习更复杂的函数，粒计算等等，都是今后发展的的热点。听完这个讲座，我感到责任重大，即使是一个点，也还有很多方面值得拓展和探索，作为研究生，研究是我们主要的工作，想要取得满意的结果和优异的成绩，我们所要做的就是倍加努力，汲取现有的知识，在新的领域开拓新的研究道路，积极探索，永不止步。

2.机设专业前沿讲座---题目 篇二

1《数控机床产品的创新策略》-周利平

2《高速水射流精密加工技术》

3《CAD/CAPP发展概况》-计算机集成制造（CIM）

-精益生产（Cecm Production）

-智能制造系统（Intelligent Manufacturing System）-《改变世界的机器》-精益生产

4《 冲压过程中的力学问题及成型过程模拟》-刘渝

5《PLC在运动控制中的应用》-秦付军

6《计算机辅助工程优化、分析与集成》

7《重大装备数字化设计制造》

论文要求：

1）标题（小三，粗体，宋体）2）摘要（小五，粗体，宋体）：内容（小五，宋体）3）关键字（小五，粗体，宋体）：内容（小五，宋体）4）标题、摘要、关键字的英文翻译 5）正文 6）结束语

3.学科前沿讲座心得 篇三

08营销一班

汤申萍

0806100117 在科学技术和信息技术的带动下，经济全球化的进程逐步加快，企业面临的竞争已演变为价值链与价值链之间的竞争，为了提高供应链管理对我绩效，要做到拥有高效运行机制的同时建立一个科学合理的供应链及其管理系统。因此，供应链优化势在必行。

今天企业面临的最大挑战之一，就是要对从未有过的需求变数做出快速的反应。很多原因导致了产品和技术的生命周期缩短，企业间的竞争压力也导致产品的频繁变化。为了应对这个挑战，企业需要集中力量做到比以前更敏捷，以便在更短的时间内对产量和种类的变化做出反应。一条快速的供应链能够是企业更加快速的发展。

供应链的定义是：供应链是围绕核心企业，将供应商、制造商、分销商、零售商，直至最终客户连成一个整体的功能网链结构，通过对信息流、物流，资金流的控制，从采购原材料开始，制成中间产品以及最终产品，最后由销售网络把产品送到消费者手中。供应链管理的基本概念使供应商、制造商、分销商、零售商和最终 用户形成整体的功能网链；包括所有加盟企业（节点企业）；从原材料供应开始，直至最终产品；通过供应商到用户的物料链、信息链和资金链，实现增值链，即使相关企业都有收益（多赢）。

首先，供应链管理把产品在满足客户需求的过程中对成本有影响的各个成员单位都考虑在内了，包括从原材料供应商、制造商到仓库再经过配送中心到渠道商。不过，实际上在供应链分析中，有必要考虑供应商的供应商以及顾客的顾客，因为它们对供应链的业绩也是有影响的。

其次，供应链管理的目的在于追求整个供应链的整体效率和整个系统费用的有效性，总是力图使系统总成本降至最低。因此，供应链管理的重点不在于简单地使某个供应链成员的运输成本达到最小或减少库存，而在于通过采用系统方法来协调供应链成员以使整个供应链总成本最低，使整个供应链系统处于最流畅的运作中。

第三，供应链管理是围绕把供应商、制造商、仓库、配送中心和渠道商有机结合成一体这个问题来展开的，因此它包括企业许多层次上的活动，包括战略层次、战术层次和作业层次等。

尽管在实际的物流管理中，只有通过供应链的有机整合，企业才能显著地降低成本和提高服务水平，但是在实践中供应链的整合是非常困难的，这是因为：首先，供应链中的不同成员存在着不同的、相互冲突的目标。比如，供应商一般希望制造商进行稳定数量的大量采购，而交货期可以灵活变动；与供应商愿望相反，尽管大多数制造商愿意实施长期生产运转，但它们必须顾及顾客的需求及其变化并作出积极响应，这就要求制造商灵活地选择采购策略。因此，供应商的目标与制造商追求灵活性的目标之间就不可避免地存在矛盾。

供应链是一个动态的系统，随时间而不断地变化。事实上，不仅顾客需求和供应商能力随时间而变化，而且供应链成员之间的关系也会随时间而变化。比如，随着顾客购买力的提高，供应商和制造商均面临着更大的压力来生产更多品种更具个性化的高质量产品，进而最终生产定制化的产品。

在听讲座的时候老师讲得很认真，我也带着解决以下五个问题尝试着学习。包括物流管理与供应链管理的关系处理，物流企业和生产制造企业物流的视觉差异、物流管理战略和战术问题的区分与协调、反映物流领域的最新研究与实践成果及理论性与实用性相合共五个问题。

学习的过程可以分为两个阶段，一从被动地听老师授课，起初就觉得讲座理论性太强，而可感性又不高，难以更好的理解书中的理论，没法更好地学习知识点，二对课本上所提到的案例加上老师的讲解后，案例具体的指出存在的相关问题，并提出的对应的解决措施，我对课程理论的学习进入了半知半解的状态，有了一定的认识、了解、感悟，通过听讲座我对书本的理论又有了进一步的认识，可感悟有了进一步的提升。对比自己本学期所学到的知识及能力，感觉自己再具体提出相关解决措施的时候，没办法更好的调研、分析，得出解决的方案，理论与实际的两者结合不够，没办法列出更为具体且行的方式以解决问题，提出方案的可操作性都有待提升。

自己学习方面的转变由只是老师讲解，转变到了自己主动去了解、学习。通过自己上网下载相关案例，学习更多的东西。这就是我这学期有学习进步的地方。

不足之处：由于是第一次听这一类的讲座，自己没办法去了解到哪些途径与方法能够更好的解决我们的问题。通过本学期的学习，我明显的感觉到了，在看待问题，分析、解决具体问题方面的能力，明显不足，心态上有些急切，很想学习相关方面的具体解决问题的知识，进一步提升自己。

在进一步学习的方面，我希望老师能再强化学生在这方面的意识，旨在合适的时候指出学生的不足和问题，让学生更好的意识到问题，有何途径去更好的解决问题，灌输树立学生们树立这方面的意识或习惯。

学生和老师的沟通不足，导致学生上课没办法更好的与老师所讲解的内容，能有知识。思想或思维上的碰撞，擦出思维碰撞的火花。在讲座之前，老师能先提前跟下节课有关的案例，课后让学生更好的在课前提出相关的问题，讲座上引导学生更好的在课前思考提出相关的问题，讲座上引导学生广泛地参与到思考与讨论中出现了什么问题，为什么会出现问题，怎么去解决问题，为什么要这么去解决问题，如何具体的提出相关可行具体的方案去落实。这样子就能更好地让学生对理论与运用有更深地认识了。

4.学科前沿讲座学习心得 篇四

在开头必须注明：班级、学号、专业等个人信息。

总结开头需对照凭证自查写明参加各类前沿讲座的次数，如：参加学术讲座8次，包括：名师讲坛2次，学术沙龙2次......；学期教育讲座8次，包括院士校园行1次、安全教育1次，心理教育1次，职业生涯规划沙龙1次......。

大学里开设的课程总是异彩纷呈，可以无限地满足我们学生求知欲和好奇心，似乎无论我们对哪一方面感兴趣，总可以在琳琅满目的课程条目中找到自己的归宿。然而，本学期我院开设的学科前沿讲座，却在众多的课程中独领风骚，展现出了其独特的魅力，其专业性、尖端性，在学术领域给我们打开了新的窗户，使我们眼前一亮。

学科前沿是指某一学科中最能代表该学科发展趋势制约该学科当前发展的关键性科学问题、难题及相应的学说。在短短一年的时间里，我们有幸参加学习了各种学术讲座和教育讲座。这无疑全是精华中的萃取，而对于我们学生而言，则更是一场知识盛宴，带给我们完全优于课本，来自时代尖端的知识风暴。下面我将就自己这一学年的所学，谈谈自己我简单的想法。

在这十六次精彩纷呈的讲座中，给我留下最深刻的印象就是校医院开设的急救知识安全培训讲座。

主讲老师理论联系实践，深入浅出地向同学们讲解了灾难的分类、急救的基本程序、创伤救护的基本技术以及心肺复苏的实施方法。讲座现场，老师与学生们形成良好互动，由学生扮演受伤者，现场演示了不同伤情下创伤救护的止血包扎方式，并利用模拟人手把手地教同学们如何进行心肺复苏操作,对胸外按压的部位、频率、深度和气道开放消除异物的方法以及人工呼吸的要点进行了详细讲解。同学们听得非常投入，反响热烈并积极参与，几名同学代表在老师的指导下先后进行了现场练习。

此次讲座内容丰富精彩，达到了预期效果。通过学习和演练，同学们对急救知识有了更加全面的了解，同时也掌握了一些基本急救技能，增强了同学们的自我保护意识。极大的提升了自己的急救能力。

既然上学了，免不了面对就业问题，在3月27号，潘显钟老师给我们带来了一场就业指导讲座。潘显钟老师主要从学校理念的各项数据入手，包括研究生毕业初期的待遇情况，近几年毕业生的留京比例，以及继续深造与直接就业的差异等等，深入浅出的为我们剖析当前的就业形势。

一个人如果想实现他的目标，需要付出很多的努力，他在开始之前需要有很多的准备工作。所以我们不能够在面临就业抉择之时才去确定自己的人生目标，应该尽早做出打算，给自己定一个符合自己能力范围内的目标。职业生涯规划的训练有助于全面提高大学生的综合素质，避免学习的盲目性和被动性；规划个人的职业生涯，可以使职业目标和实施策略能了然于心中，并便于从宏观上予以调整和掌控，能让大学生在职业探索和发展中少走弯路，节省时间和精力；同时，职业生涯规划还能对大学生起到内在的激励作用，使大学生产生学习、实践的动力，激发自己不断为实现各阶段目标和终极目标而进取。

大学生首先要认识到生涯规划的重要意义，职业生涯规划将伴随我们的大半生，拥有明确的职业生涯规划才能实现完美人生。因此，职业生涯规划具有特别重要的意义。人的成功或许就在于那一分钟的坚持，一分钟之后你或许就是那个成功者，但是如果那一分钟你没有继续坚持而是选择放弃，那你注定是失败的，潘老师用实例向我们证明，没有人天生愚笨，也没有人注定一事无成，一个人的成功与否在于他对一件事情的热爱程度，决定于你对目标的坚持。每个人的潜力都是无穷的，只要你足够自信，相信自己，并锁定目标坚持不懈，那你就是最后的成功者。

5.科技技术前沿讲座心得体会 篇五

我从事于上海博泰悦臻电子设备有限公司，工作任务是车载娱乐终端的软件功能评测。在2010年我公司为上汽集团推出全时在线inkanet系统，除了传统车机的导航、娱乐功能，还增加了实时路况、一键通导航，并能通过语音指令来拨打电话、查股票、收短信、在线聊天。真正实现了互联网与汽车相结合。

车联网给所有人带来无限的想像空间，车联网技术是指利用先进的传感技术、网络技术、计算技术及控制等技术，对道路和交通进行全面感知，实现多个系统间大范围、大容量数据的交互，对每一辆汽车进行交通全程控制，对每一条道路进行交通全时空控制，以提供交通效率和交通安全为主的网络与应用。

在2013年的上海车展博览会上，上汽集团推出了inkanet第三代系统，奔驰、宝马、沃尔沃、日产、福特、丰田等也已全面进入智能行车系统，吉利的G-Netlink、比亚迪（BYD）的“i”系统、华晨的E-drive也纷纷加入这一波的车联网大潮。

车联网的热度一直在增加，不但被汽车业界看好，甚至吸引其他行业逐步渗透到车联网行业来。车联网正在颠覆传统的汽车工业。Google在2010年宣布制造无人驾驶汽车，规模化生产已指日可待；苹果在今年宣布了iOS in the car计划，本田、现代起亚、宝马等汽车公司已与其合作。

车联网产品的形态随着技术的发展也呈多样化。车机自带通讯模块会增加硬件成本及通讯成本，通过MirrorLink技术使车主在车上时可以用手机实现联网，既可以降低车机本身的成本和服务成本，又可以实现车联网的一些功能，并能将车主不在线的时间吸引到互联网上来，通过互联网开发出不同的增值服务。另外OBD加手机APP的产品形态也已非常流行，此类产品的价格便宜、免安装，只需手机下载一款手机软件，通过蓝牙或者其他连接技术将车辆信息发送到手机端，实现远程诊断。

6.自动化科学前沿讲座心得 篇六

由于时间限制和我们有限的知识水平，老师们都从大处着眼，为我们大概介绍了他们的研究方向和内容，同时还简单向我们介绍这些研究将来的实际意义，以及和我们模具锻压专业的联系。总体来说，也许理论上逻辑上的很专业的知识，我们没有学到多少，但老师们利用不到两个小时的时间，就基本上将一个新的领域在我们的脑海中勾勒了出来，使我们这些只知在学校死啃书本的同学也有机会现实了一回，真正了解到与百姓的生活有直接联系的科学研究。

各位老师不仅在学术领域给我们打开了新的窗户，使我们眼前一亮，也为我们介绍他们在工作学习中切身的体会及经验，提前向我们预警就业道路及工作生涯可能遇到的问题。 还记得当时有个老师在讲课前放了一段用纯英文介绍的视频，我记得当时老师说那个视频是他在欧美开一个会议时的开场视频，我很有感触，不仅是对专业上的，还有对英语上的，那个视频里的英语我大部分听不懂，原来自己的英语水平这么的有限，中国在走向世界，专业上已有相当的技术，语言上岂能落下?

赵长财老师，系燕山大学机械工程学院教授、博士生导师，现任燕山大学产业集团副董事长、中国机械工程学会高级会员...职务。同时兼任沈阳重型机器集团公司、天津天锻压力机有限公司...多家企业特聘技术顾问。曾获得了秦皇岛市“三育人”先进个人、秦皇岛市“人民满意公仆”...荣誉称号。拥有这么多成就的他给我们讲授课程，坐在下面听课的我感到很自豪，很自豪。在这次课上他简单介绍了金属管材成形新工艺及理论，管、板类零件内高压成形新工艺及其理论研究，液压机现代设计理论研究中一些前沿上的东西，由于世界能源的紧张和环保问题的日趋严重,汽车工业面临着严峻的挑战:一方面是提高燃气的热效率,减少废气排放;另一方面是减轻汽车自身重量,提高行驶速度,降低能耗。这两方面要求促使人们不得不改进传统工艺,创造出适应新经济时代要求的新工艺。在汽车工业中管材液压成形作为一个非常重要的成形技术已得到了广泛应用,主要用于生产汽车动力系统、排气系统、汽车底盘以及一些结构件。汽车用排气管件大多为形状比较复杂、轴线有很大变化的零件。传统成形工艺除铸造成形外,主要采用冲压两个半壳而后组焊成形,或采用管坯进行数控弯曲、扩管、缩管加工而后组焊成形。这样制造的零件模具费用高、生产周期长、成本高,不适应当前汽车行业在减轻自重、降低成本、提高市场竞争力等方面的要求。而采用内高压技术制造排气管件可以较精确地控制零件的尺寸精度,便于在后续工序中与其他零件进行装配,且能够进一步减轻系统重量,减少焊缝数量,内表面光滑,排气阻力小,使成形后的产品质量和寿命得到进一步提高。听不太懂，但乐于听他为我们讲解那些专业在实际中的应用，喜于他与他的团队那些成就(他领导了燕山大学GM科研团队)。

郭宝峰老师20 年起任燕山大学科技处处长;20 年1月起担任燕山大学科学技术研究院院长。在讲授过程中提到了团队的力量，他始终认为，不论是完成的科研成果还是在研的科研项目，不论是获得的奖励还是发表的论文，都是团队奋斗的结晶，而他个人只不过在其中做了应做的那一部分本职工作而已。他还鼓励我们工科学生要有意识地提高自己的人文素养。“人是应当全面发展的”，他说。 很喜欢他的课，不仅因为他在材料加工工程和精密成形技术 领域有这么多成就，还因为他的那些人生的态度。

金淼教授，“金老师为人随和，上课认真，讲课内容丰富，能够调动同学的学习积极性，会在课堂上讲一些工厂的实际例子来帮助我们理解书本内容，注意理论联系实际。对于学生们提出的问题，能够做到讲解耐心细致，是一个很有魅力的好老师!”的确，听他的一节课，我确实感到了这一点，在他的课件中讲授了方形拉深筋力特性的数值模拟研究的一些专业知识以及应用，板料在拉深筋中的变形是一相当复杂的过程，他以弹塑性有限元数值模拟为手段，系统地研究了板料在通过方形拉深筋时的变形特点和受力状态，并对方形拉深筋力能参数的构成特点及变化规律进行了深入分析。拉深筋是以汽车覆盖件为代表的复杂及难成形零件拉深模具的重要组成部分之一，是拉深工艺的重要控制手段。拉深筋在冲压生产中的应用虽已有很长的历史，但有关拉深筋的研究工作却不多见，严重地制约了拉深筋的设计和调整工作。目前，拉深筋的设计与调整还主要依赖于设计人员和调整工人的经验，老师以方形拉深筋为对象利用数值模拟的手段对板料通过方拉深筋进行详细研究，获得板料在方形拉深筋中的变形及受力特点，方形拉深筋力能参数的构成及变化规律等大量信息，为拉深筋的设计和调整提供理论依据。听不懂一些东西，但是很喜欢他的PPT上举的那些应用的例子。 高士友教授， 在研材料先进制备、成形与加工的科学基础，高性能金属材料激光制备与成形关键科学问题 等这些专业的东西。我真的听得有点晕头转向了，老师介绍了很多专业问题的求解，说实在的，没怎么听懂，但老师大概要表达的意思，我觉得还是领会了一些。有一点可以肯定——高士友老师绝对是专家。

官英平教授，在研镁合金板料拉深成形过程控制技术的研究，镁合金非轴对称零件温热拉深成形过程控制技术的研究，这些东西对我而言很难懂，却让我看到一种对专业追求的那种精神。

学科前沿讲座课程已经结束了，通过几次的讲座学习，我在其中收获了很多，不但了解到很多关于材料成型技术在现代社会的众多应用，还了解到许多成型技术的前沿领域，这为我们以后的就业和发展奠定了基础，最起码对未来有了初步的认识，不再有那么多迷茫。众多知名教授或院士为我们讲解了很多前沿领域的技术应用，尤其是其中一们老师还是秦皇凫燕大方华机械科技有限公司的老总，主要产品是汽车专用工装及精密模具的设计与制造，他为我们略微讲了他们创业时的艰辛，为了保证轿车精密塑料件的性能、质量与可靠性，注射成型出质量较高、符合产品设计要求的塑料制品，必须对塑料材料、注塑设备与模具及注塑工艺不断进行改进。模具设计得合理与否会直接影响塑料制品的收缩率，由于模具型腔尺寸是由塑料制品尺寸加上所估算的收缩率求得的，而收缩率则是由塑料生产厂家或工程塑料手册推荐的一个范围内的数值，它不仅与模具的浇口形式、浇口位置与分布有关，而且与工程塑料的结晶取向性(各向异性)、塑料制品的形状、尺寸、到浇口的距离及位置有关。影响塑料收缩率的主要有热收缩、相变收缩、取向收缩、压缩收缩与弹性回复等因素，而这些影响因素与精密注塑制品的成型条件或操作条件有关。因此，在设计模具时必须考虑这些影响因素与注塑条件的关系及其表观因素，如注塑压力与模腔压力及充模速度、注射熔体温度与模具温度、模具结构及浇口形式与分布，以及浇口截面积、制品壁厚、塑料材料中增强填料的含量、塑料材料的结晶度与取向性等因素的影响。上述因素的影响也因塑料材料不同、其它成型条件如温度、湿度、继续结晶化、成型后的内应力、注塑机的变化而不同。因此种.种，他们的探索路是艰辛的。他还为我们带来了他们做的产品，车门玻璃导轨，那是知识的产品，高端科技的产品，虽然那个东西看起来没什么特殊的，但在老师的讲解中它便深深吸引了我，就这样一种高端产品，产生的效益却是可观的，而且还走向了世界。这是科学的力量。虽然我的知识水平达不到研究高端产品的层次，我却被这种精神感染，为我们的老师能有这样的成就自豪。

知识的海洋是无穷无尽的，老师们在其中游得很尽兴。也许将来我们也可以不要那么浮夸，

7.燕山大学机电专业前沿讲座心得体会 篇七

授课老师:赵亦工教授

学院:电子工程学院

姓名:龙毛

学号:02081458 关于模式识别与雷达信号处理学习心得

在学科前沿讲座上赵亦工老师给我们讲解了关于模式识别与雷达信号处理等相关的知识,观看了很多图像处理的视频,让我们不得不感慨于学习模式识别与图像处理的重要性。

模式识别是人类的一项基本智能，在日常生活中，人们经常在进行“模式识别”。随着40年代计算机的出现以及50年代人工智能的兴起，人们当然也希望能用计算机来代替或扩展人类的部分脑力劳动。计算机模式识别在20世纪60年代初迅速发展并成为一门新学科。

模式识别是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类和无监督的分类两种。二者的主要差别在于，各实验样本所属的类别是否预先已知。一般说来，有监督的分类往往需要提供大量已知类别的样本，但在实际问题中，这是存在一定困难的，因此研究无监督的分类就变得十分有必要了。

模式还可分成抽象的和具体的两种形式。前者如意识、思想、议论等,属于概念识别研究的范畴,是人工智能的另一研究分支。我们所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。

模式识别研究主要集中在两方面,一是研究生物体包括人是如何感知对象的，属于认识科学的范畴,二是在给定的任务下,如何用计算机实现模式识别的理论和方法。前者是生理学家、心理学家、生物学家和神经生理学家的研究内容,后者通过数学家、信息学专家和计算机科学工作者近几十年来的努力,已经取得了系统的研究成果。

模式识别所分类的类别数目由特定的识别问题决定。有时，开始时无法得知实际的类别数，需要识别系统反复观测被识别对象以后确定。

模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系。它与 人工智能、图像处理 的研究有交叉关系。例如自适应或自组织的模式识别系统包含了人工智能的学习机制；人工智能研究的景物理解、自然语言理解也包含模式识别问题。又如模式识别中的预处理和特征抽取环节应用图像处理的技术；图像处理中的图像分析也应用模式识别的技术

从20世纪20年代发展至今，人们的一种普遍看法是不存在对所有模式识别问题都适用的单一模型和解决识别问题的单一技术，我们现在拥有的只是一个工具袋，所要做的是结合具体问题把统计的和句法的识别结合起来，把统计模式识别或句法模式识别与人工智能中的启发式搜索结合起来，把统计模式识别或句法模式识别与支持向量机的机器学习结合起来，把人工神经元网络与各种已有技术以及人工智能中的专家系统、不确定推理方法结合起来，深入掌握各种工具的效能和应有的可能性，互相取长补短，开创模式识别应用的新局面。

雷达信号处理则是为完成雷达数字信号检测和信息提取功能所采取的实施手段。物体的反射回波是微弱的高频信号,经过变频、放大和滤波等处理变成具有一定强度的模拟信号（时间上连续，幅度上可为任意实数值）。数字处理须采用模拟-数字转换器,把模拟信号转换成为数字信号（时间上离散，幅度上分层），然后进行各种运算和处理。早期的雷达信号处理，几乎全部是模拟的。50年代出现利用计算机进行信号处理的雷达系统。这是雷达数字信号处理的开端，功能还仅限于自动检测。

同模拟信号处理相比，采用数字信号处理的优点是：①把许多功能综合设计在一部处理机中，可以根据外来指令或预先编好的程序灵活地选择和组合使用。②精度仅与字长有关，不像模拟处理那样，性能与使用人员的调整有关，因此性能稳定可靠。③有利于高速大规模集成电路的应用，从而可使信号处理机的重量减轻和体积缩小。同其他领域的数字信号处理相比，雷达数字信号处理的特点是信号带宽大,因而采样率高,并且实时输出。因此，单位时间内的处理量（或称吞吐率、解题率）极大。

数字转换器把模拟视频信号转换成数字信号（见图）,从原理上可分为三个步骤，即采样、保持和分层。在脉冲雷达中，数字信号处理可划分为周期内处理和隔周期处理两大部分。周期内处理是指对一个周期之内的回波脉冲进行匹配或最佳滤波处理，使单个脉冲的信-噪比达到最大;隔周期处理是指对多个周期中回波脉冲串的复包络进行匹配或最佳滤波处理，使整个脉冲串中某时刻的信－噪比达到最大。对于周期内处理，采样周期应小于或等于测时延（距离）的分辨单元。对于隔周期处理，采样周期可以长达一个重复周期。

数字信号处理可分为四类，即线性非时变、线性时变、非线性非时变和非线性时变。在理论上最容易解决的是线性非时变型的处理。这一类型的模拟处理用线性常系数微分方程描述，从而可以用傅里叶级数或傅里叶变换求解。同样，这一类型的数字处理可以采用线性常系数差分方程描述,从而可以用Z变换或离散傅里叶变换求解。

采用状态变量法解决线性时变型数字处理的分析问题效果较好。这种方法尤其适用于利用电子计算机进行仿真分析。关于含有非线性性质的数字处理，只能对特定问题进行计算机仿真计算，而不能应用叠加原理。

信号处理方法有两种，一种是信号依次进入而形成信号流，另一种是执行完一条指令再执行下一条指令，形成指令流。雷达中的数字信号处理机可采用这两种方法中的任一种，也可以兼用两种方法。一般来说，采样速度高而功能较简单者宜用前者；采样速度较低而功能复杂者则宜采用后者。

在处理中对数据结构有一定要求，位数会影响全机精度。为保持很高精度势必增加字长。为了不使字长过分增加，则须采取截尾或舍入的措施。这些措施等效于在系统中加入噪声。因此，为确保一定精度，系统运算字长应适当地大于输入数据的字长。过长的运算字长会导致机器结构庞大。

对处理机的硬件结构有一定要求特别重要的是数据和指令的存储方式。早期多采用移位寄存器控制方式，后来随机存取存储器方式得到更多的应用，现代雷达信号处理更多采用只读存储器程序固化的方式。

对指令语言也有一定要求。使用语言的级别越高(即面向任务),操作时越方便，即只需一个动作就可适应事先规定的一种场合；语言级别越低（即面向机器），操作时越灵活，即可临时编制程序执行多种不同的任务。

诚然，在雷达成像的研究中还有数不清的难题需要攻克，雷达成像这一研究领域也面临着许多的问题需要解决。在学习图像处理时我们不仅要掌握一维信号处理的基本知识，也要掌握二维或者高维信号处理的知识。其次，图像处理是计算机视觉和视频处理的基础，所以必须掌握图像处理的基本知识。目前的模式识别，大部分也都是图像模式识别。

8.前沿讲座 篇八

计算机视觉就是用计算机来模拟人的视觉系统，实现人的视觉功能，通常是指用摄像机和计算机代替人眼对目标进行识别、跟踪和测量等，从而实现对客观的三维世界的识别。人与其他动物一样，视觉、听觉、触觉等感官功能的产生，首先在于进化过程中生存的需要。根据美国心理学家Gibson的理论，人的视觉不管有多少用处，但主要功能可概括为适应外界环境和控制自身的运动。看到汽车冲过来，你会赶快回避；看到前面有激流，你不会冒然趟过去。“适应外界环境和控制自身的运动”还是比较抽象的概念。事实上，为了适应外界环境和控制自身的运动，视觉系统需要能识别物体（可想而知，一个人连亲戚、同事、朋友都不认识，会怎样生活），能判断物体的运动以及确定物体的形状和方位（否则，无法抓取物体）。所以，物体识别、物体定位、物体三维形状恢复和运动分析，就构成了计算机视觉的主要研究内容。

随着自动化水平不断的提高，机器视觉在自动化行业中应用也是越来越多，而机器视觉在我国可以说处于刚起步发展阶段，机器人视觉是一门新兴的发展迅速的学科，八十年代以来, 机器人视觉的研究已经历了从实险室走向实际应用的发展阶段。从简单的二值图象处理到高分辨率多灰度的图象处理,从一般的二维信息处理到三维视觉机理以及模型和算法的研究都取得了很大的进展。而计算机工业水平的飞速提高以及人工智能、并行处理和神经元网络等学科的发展,更促进了机器人视觉系统的实用化和涉足许多复杂视觉过程的研究。

目前，机器人视觉系统正在广泛地应用于视觉检测、机器人的视觉引导和自动化装配领域中。在现代化的大生产之中，视觉检测往往是不可缺少的环节。比如，汽车零件的外观，药品包装的正误，IC字符印刷的质量，电路板焊接的好坏等等，都需要众多的检测工人，通过肉眼或结合显微镜进行观测检验。大量的人工检测不仅影响工厂效率，而且带来不可靠的因素，直接影响产品质量与成本。另外，许多检测的工序不仅仅要求外观的检测，同时需要准确获取检测数据，比如零件的宽度，圆孔的直径，以及基准点的坐标等等，这些工作则是很难靠人眼快速完成。近年来发展迅猛的机器视觉技术解决了这一问题。机器视觉系统一般采用CCD照相机摄取检测图象并转化为数字信号，再采用先进的计算机硬件与软件技术对图象数字信号进行处理，从而得到所需要的各种目标图象特征值，并由此实现模式识别，坐标计算，灰度分布图等多种功能。然后再根据其结果显示图象，输出数据，发出指令，配合执行机构完成位置调整，好坏筛选，数据统计等自动化流程。与人工视觉相比较，机器视觉具有精确，快速，可靠，和易数字化等优点。

机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。将近80%的工业视觉系统主要用在检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。产品的分类和选择也集成于检测功能中。例如生产线上的单摄像机视觉系统，它的视觉系统用来检测生产线上的产品，决定产品是否符合质量要求，并根据结果，产生相应的信号输入上位机。图像获取设备包括光源、摄像机等；图像处理设备包括相应的软件和硬件系统；输出设备是与制造过程相连的有关系统，包括过程控制器和报警装置等。数据传输到计算机，进行分析和产品控制，若发现不合格品，则报警器告警，并将其排除出生产线。机器视觉的结果是CAQ系统的质量信息来源，也可以和CIMS其它系统集成。

由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。过去，许多工业用的机器视觉系统用可见光作为光源，这主要是因为可见光容易获得，价格低，并且便于操作。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。但是，这些光源的一个最大缺点是光能不能保持稳定。以日光灯为例，在使用的第一个100小时内，光能将下降15%，随着使用时间的增加，光能将不断下降。因此，如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一个方面，环境光将改变这些光源照射到物体上的总光能，使输出的图像数据存在噪声，一般采用加防护屏的方法，减少环境光的影响。由于存在上述问题，在现今的工业应用中，对于某些要求高的检测任务，常采用X射线、超声波等不可见光作为光源。但是不可见光不利于检测系统的操作，且价格较高，所以，目前在实际应用中，仍多用可见光作为光源。

机器视觉系统中，视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。图像的增强用于调整图像的对比度，突出图像中的重要细节，改善视觉质量。通常采用灰度直方图修改技术进行图像增强。图像的灰度直方图是表示一幅图像灰度分布情况的统计特性图表，与对比度紧密相连。图像的数据编码和传输，数字图像的数据量是相当庞大的，一幅512*512个像素的数字图像的数据量为256 K字节，若假设每秒传输25帧图像，则传输的信道速率为52.4M比特/秒。高信道速率意味着高投资，也意味着普及难度的增加。因此，传输过程中，对图像数据进行压缩显得非常重要，数据的压缩主要通过图像数据的编码和变换压缩完成。图像边缘锐化处理主要是加强图像中的轮廓边缘和细节，形成完整的物体边界，达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。图像分割是将图像分成若干部分，每一部分对应于某一物体表面，在进行分割时，每一部分的灰度或纹理符合某一种均匀测度度量。图像的识别过程实际上可以看作是一个标记过程，即利用识别算法来辨别景物中已分割好的各个物体，给这些物体赋予特定的标记，它是机器视觉系统必须完成的一个任务。

9.学科前沿讲座心得 篇九

听了几位老师所讲的学科先沿讲座，我的感想颇多。尤其是对林林老师的《智慧时代中的挑战与机遇》颇有感触。下面我谈谈自己通过听讲，查资料，经过思考后对这一问题的理解。当今的信息新技术主要包括这么几类，即新息安全新技术：主要包括密码技术、入侵检测系统、信息隐藏技术、身份认证技术、数据库安全技术、网络容灾和灾难恢复、网络安全设计等。信息化新技术：信息化新技术主要涉及电子政务、电子商务、城市信息化、企业信息化、农业信息化、服务业信息化等。软件新技术：软件新技术主要关注嵌入式计算与嵌入式软件、基于构件的软件开发方法、中间件技术、数据中心的建设、可信网络计算平台、软件架构设计、soa与ria技术、软件产品线技术等。网络新技术：网络新技术包括宽带无线与移动通信、光通信与智能光网络、家庭网络与智能终端、宽带多媒体网络、ipv6与下一代网络、分布式系统等。计算机新技术：计算机新技术主要关注网格计算、人机接口、高性能计算和高性能服务器、智能计算、磁存储技术、光存储技术、中文信息处理与智能人机交互、数字媒体与内容管理、音视频编/解码技术等。

大胆的预测一下计算机技术往下怎么发展，因为形势明白了，历史规律搞清楚了，需求也明白了，该怎么做呢？我大胆做这么一个发言，中国计算机界必须把握机遇迎接挑战。看一下处理器方面该怎么做，上个世纪我们关心的是每秒种可以完成多少指令，处理的速度。后来发现不对，应该做高性能的处理器，每花掉一块钱可以处理多少能力，重要的是功耗要低，然后是无线，是互联，我们更关心消耗每瓦功率处理能力是多少，大家关心的点开始转移，从每秒处理能力，关心到每块买到多少处理能力，到最后消耗每瓦功耗有多少能力。在处理结构上面有什么变化，从上世纪70年代左右，人围着计算机转，每个单位只要很好就有一个漂亮的机房，大家围着机房转，算题是通过一个小窗口把题递进去，过一段时间里面算好，把题递出来。那时候一切围绕cpu转，所以那时候cpu当之无愧，我的处理器是中心所以叫cpu。再往下可以看到计算机围着人转，我们口袋里的手表等一切一切，人走到哪里，计算装备围着我来转，在机器内部不是围着cpu转，而是围着存储期，i/o，通道转，因此不能光搞cpu，比如出现pim等新的名称，所以我们应该与时俱进。从cpu，c要改成无处不在的处理单元。

网络将怎么发展，我们在上个世纪70年代所关心的就是互联互通互操作，在这儿不是讲互联互通互操作不重要，它是一个基础绝对重要，关心这个是数据和控制信号的传递，数据和控制信号可以传过去。做了一些日子以后发现，需求不仅仅是这个，我们要提高网络的带宽，我们关心是信息沟通和处理能力的增强，光把信号传过去是不是可以处理好呢？再往下又是怎样的？我们应该关心网上有这些信息，有这么多人用，是动态的变化，所以我们要关心信息融合、信息确认等。要把消息传给该给的人，该给的时间，该给的地方，该给的人，传正确的东西，这个变化不承认不行的，以往包括我个人在内，我和我同事们宣扬，看我家里环境，办公室环境，我计算机有多少能力联网，这已经过去了。下面关心的是这个网络具有多少计算个算计的能力，算计要做推理更难，再往下要面对什么问题？我的网络环境怎么样有非常强的资源按需聚合，人机协同工作的协调能力，体系结构将怎么发展，70年代的时候，大家做体系结构设计，费劲脑筋是在计算机内挖掘可能的潜力，处理可能的矛盾，搞体系结构的人，什么是好的所长，厂长，它的学问是处理轻重缓急，这件事应该放得下，哪件事应该要处理，所以好的应该处理删、增、减、抑、扬，在这种情况下发现，我们设计在机群中挖掘和平衡，我们要在网络环境下怎么做挖掘和平衡，因为系统给人用的，机器的环境，是给销售人员，管理者用的，所以把协同工作做好，就要验证，所以从hpcs变成hpce，我们需要的不是高性能，需要的是生产力可用性，中国科学家预感比较早，因此1997年再一次会上，就决定当前做clieitserver，之后做cluster，之后做networking，之后是vse，基于网络的虚拟服务含量是未来体系结构的发展方向。这是1997年8月25号，到1998年的时候，世界有名的计算机科学家isea发表了grid专著，我们要把grid定位了，而是要考虑你究竟想干什么？我们做一个好的系统，必须要看到定位准确，你在这个坐标上关于服务，你是要做计算服务，还是数据服务，还是应用服务，还是信息服务，还是知识服务，还是实用的服务。如果明确了你的目标，你的技术就明确，你的.评价指标就明确了。如果要做信息服务，你就要了解你处的信息是多大一块，这件事很重要，不能杀鸡用牛刀，也不能杀牛用鸡刀，如果系统力度大小这么大，最后生产的问题，究竟打算怎么交帐，是向投钱的单位交一个概念的设计，不是不可以的，还是交一个机理的设计，还是规则的设计，还是方法的设计，如果明确了，你的技术方案就明确了，你的机理就明确了，如果选定的方法层，你系统就要定位在这里，位置定对就满足正确的需求。