Shuihui’s Home

专著/教材/报告 - Books

我的专著、教材、报告如下所列:

All my book can be found below:


航空航天中的机器学习


book_machine_learning

近几年来,机器学习借助卷积神经网络技术和计算能力的突破在学术界和产业界都得到了迅猛发展,推动着各行各业的发展。与此同时,航空航天领域也经历了高速的发展,各类飞行器取得了性能的极大的提升,然而已有的技术较难继续提升航空航天的发展。将机器学习技术与航空航天技术相结合期望解决传统技术手段的瓶颈问题,开创新的技术途径。

目前机器学习方法已应用在航空航天的任务载荷,如航拍、遥感图像分析,自主定位,态势感知等智能飞行领域,也已延伸到飞行器气动、强度、结构设计等智能设计方面,极大地优化了设计效率和效果,直接服务于民用和军事的众多部门,产生了巨大的经济和社会效益,比如:大地测绘、地质勘探、资源调查、现代化战争等。结合机器学习的新技术给航空航天领域带来了巨大的改变,与之相对应的是相关人才需求的迫切和优秀教材的缺乏。此前的经典书籍面临内容老化问题,常见机器学习相关书籍又存在针对性不强、理论性过强等问题。本书拟通过“理论介绍+应用实践”的方式,帮助非计算机专业的学生通过由浅入深的学习,快速掌握机器学习的概念、思想、工具,从而在后续的学习、研究、工作中能够主动应用机器学习方法到航空航天的各个方面。

本书著者在多年积累的网上开源讲义的基础上,对各个部分的内容进行了梳理与编排,梳理了基本理论、思想等方面的介绍,适当删减了过于细节的操作说明,并增加了几个航空航天的具体应用实例,使成书体系完备更具连贯性,帮助读者实现从理论知识到直观认知再到实践应用的跨越。


无人机测绘技术及应用


万刚、余旭初、布树辉、熊自明、曹雪峰、李科

book_UAV_Surveying_small.jpg

无人机即无人驾驶飞机(unmanned aerial vehicle, UAV),是一种种由动力驱动,机上无人驾驶可重复使用的航空器。进入21世纪后,无人机用途不断护大,已经成为一种新型的空中平台,在国民经济建设和现代战争中发挥着越来越重要的作用。因此,无人机及其相关技术研发与应用研究引起了各国的高度重视。无人机的发展进入了一个崭新的时代。

在测绘领域,仅靠卫星和有人机难以快速、及时和全方位地获取环境信息,基于无人机平台的测绘技术正是这一缺陷的有效补充手段,具有飞行高度低、分辨率高、获取数据快速等特点,能够满足实时性的要求,所获取的高分辨率遥感图像等数据对于地理信息处理和应用具有重要的意义。无人机测绘技术已经成为测绘科学与技术领域研究的热点,但由于测绘无人机飞行环境的复杂性以及无人机本身性能的限制,导致无人机测绘存在着获取数据幅宽较小、数据量巨大、重叠度不规则且倾角过大、导航定位与姿态测量系统(position and orientation system,POS)信息不够精确等问题。无人机测绘的这些特点,给传统测绘技术带来了新的挑战,必须针对无人机测绘的特点在技术和方法上有所突破和创新。

本书集中了作者及其研究团队近年来在无人机测绘领域的研究成果,在系统归纳无人机测绘的基本理论和方法的基础上,重点对无人机任务规划、目标定位与跟踪、测绘成图、应急快速成图、基于无人机影像的三维重建和空中全景监测等相关技术及其应用进行了深人的探讨。


无人系统的空间地理信息发展路线图(2021-2035)


roadmap_unmanned_system_geographics

随着无人系统的快速发展,无人装备必将大量应用到作战各个领域,无人系统的研究、开发、集成将极大地提高无人装备的作战效能,成为作战的倍增器。由于我军几乎在所有的操作环境中都采用了无人系统,而地理信息作为重要的支持,为无人作战提供了重要信息、情报、决策支持。本报告的目的是提供总体战略指导,该战略指导将侧重于指明未来十五年之内的重要发展趋势、关键技术等,通过合理的规划减少重复性工作,促进协作,认识挑战,并概述了军事部门和科研、相关行业可以合作的主要领域,从而提高未来我军无人装备的地理信息技术的水平,从而充分发挥无人系统的潜力。


现场级分布式算力网络研究报告


computing_power_network

现场级分布式算力网络释放了端侧设备中的算力能力,将原有云计算模型和边缘计算模型中执行的部分或全部计算任务进一步下沉,迁移到现场级算力设备上,降低云服务器与边缘计算节点的计算负载,减缓网络带宽的压力,提高万物互联时代数据的处理效率。现场级分布式算力网络并不是为了取代云或边缘计算,而是对云和边缘计算的补充,为移动计算、物联网等提供更好的计算平台。随着近年来,端侧设备AI芯片设计和工艺的发展,其对于AI处理的能力与日俱增,将这些分布在端侧独立设备上的算力资源统一起来进行管理和调度,是满足AI对算力需求的关键手段之一。运营商将发挥其在5G网络和边缘计算的双重优势,在算力组网产业架构建设中发挥着不可替代的重要作用并推动现场级算力组网的生态发展。本报告在分析产业背景的情况下,提出了现场级分布式算力网络的架构,并给出了具体的关键技术和发展路径,最后对算力网络的应用场景和市场前景做了分析和展望。


现场级个性化深度学习研究报告


personalize_deep_learning

5G和AI技术的快速发展,在给人类日常工作和生活带来日新月异的变化的同时也带来了更多的应用需求和市场商机。传统的云服务平台智能算法部署方式存在缺乏对个人数据的保护、推理模型针对性弱、使用时间成本高等问题,难以满足未来市场更加个性化、本地化的智能需要。如何使与用户直接连接的端侧智能设备具备个性化、安全私密、实时性等属性,需要从体系架构、算法、算力等多方面着手。本报告在深入分析目前已有研究的基础上,提出了一种现场级个性化深度学习的体系架构,主要论述其包含的技术关键点、预测将会遇到的技术难题、探讨对应的解决方案,最后展望研究成果可能的应用场景及其价值。