报告题目：评估个性化需求从而自适应复杂的人类行为的自学习方法是目前国内外研究的热点。以智能辅助驾驶为应用背景，介绍了考虑个性化特征的多时间尺度自学习关键技术，包括：1) 从时间耦合性匹配角度分析了个性特征演化过程及其受不同因素影响的演化机理，引入动态偏好因子完成个性化模型的主因子向量析取，采用多尺度高斯隐马尔科夫理论结合驾驶人尺度编码信息实现驾驶行为的动态决策分析，建立具有可变属性偏好的随机多属性动态智能辅助驾驶系统模型；2)通过融合与发展前期的MTSDNN研究成果与强化学习理论，构建在线与离线相结合的学习架构，提出动态时变回报函数构建及考虑时间维差异性的多时间尺度自学习方法，解决个性化智能辅助驾驶系统背后的核心科学问题；3)给出针对个性化智能辅助驾驶系统的评价方法，实现安全性、节能性、舒适性及自主性等多性能目标要求下的智能辅助驾驶目的。
报 告 人：付志军
报告时间：周四下午16:30-18:30
报告地点：西三楼215
科技处
机电工程学院
简介：
付志军，男，副研究员、硕士生导师，长期致力于车辆智能化先进控制策略、智能辅助驾驶与增强学习方面的研究。现为IEEE member、Auto-E member。先后在加拿大康考迪亚大学先进车辆研究中心CONCAVE从事研究工作4年，合作导师为车辆智能辅助驾驶领域国际知名学者Subhash Rakheja教授，已发表相关学术论文40余篇，其中第一作者/通讯作者SCI/EI期刊论文14篇（影响因子4以上JCR1区TOP期刊论文5篇)，发明专利6项。主持国家自然科学基金项目2项（青年和面上），加拿大博士后课题1项，参与加拿大国家自然科学基金(NSERC) 1项,省级科技攻关项目2项,企业合作项目3项。任多个机械领域国际会议(IEEE Explore)组委会委员、浙江省海外高层次人才创新创业项目评审专家，以及多个机械相关领域SCI期刊及会议的特约审稿人。