XiaoMi-AI文件搜索系统
World File Search System郭巷
2023-pstm-citation-mr-quek-gim-pew.pdf
郭锦彪先生对新加坡的科技进步产生了重大影响，特别是在为新加坡武装部队开发先进国防技术和系统以及在关键领域推进新加坡 RIE 生态系统方面做出了巨大贡献，这些领域包括空间技术、量子工程、人工智能和高性能计算。在整个职业生涯中，郭先生一直秉持着自己的信念和承诺，即利用科学技术满足国家需求，为新加坡的持续成功做出贡献。在国防部任职的 40 年期间，郭先生推动了国防研发的总体规划、战略能力的发展、加强与国际国防组织的伙伴关系以及促进 STEM 的发展，为国防科学家和工程师搭建了人才梯队。在担任国防科技研究院国家实验室首席执行官的 12 年任期内，他带领该组织经历了一段重大增长和转型时期。他的领导作用有助于将国防科技研究院推向各种新兴技术的前沿。他加强了操作技术思维，加深了工程师和科学家对新加坡武装部队作战需求的理解，并创造了一个创新解决方案蓬勃发展的环境，以满足这些需求。作为首席执行官，他还建立了严格的质量和管理体系，以确保及时交付符合严格绩效目标的作战能力。作为首席国防科学家，郭先生对新加坡武装部队改变游戏规则的概念和颠覆性技术的开发产生了重大影响。他强烈倡导伙伴关系，并建立了国防部和当地 RIE 生态系统之间的合作计划，加强了两个社区之间的协同作用。
新教师 COE
如果说郭文博很高兴今年春天加入加州大学圣塔芭芭拉分校计算机系担任助理教授，那是一种轻描淡写。“这感觉就像梦想成真，因为计算机系在计算机安全方面有着悠久的成功历史。自从我开始读研究生以来，我就一直很钦佩加州大学圣塔芭芭拉分校的 SecLab，”郭文博说道，他指的是由乔瓦尼·维尼亚 (Giovanni Vigna) 和克里斯托弗·克鲁格尔 (Christopher Kruegel) 教授管理的计算机安全实验室。“SecLab 一直是计算机安全研究的领导者，几十年来培养了顶尖的计算机安全研究人员。现在，我可以与该实验室的优秀研究人员以及系里的许多其他才华横溢的成员一起工作。我非常幸运。”郭文博的研究将网络安全与机器学习 (ML) 相结合。他致力于为广泛的安全问题设计有效且值得信赖的基于 ML 的解决方案，包括软件安全和 ChatGPT 等大型语言模型。他自称是一个终身学习者，他说他的研究努力是由他自己遇到的现实问题驱动的。例如，在学习软件安全时，他发现自己想知道 ML 模型是否可以应用于安全应用。这种新颖的方法成为一篇论文的主题，该论文在全球顶级安全会议之一上获得了 ACM CCS 杰出论文奖。“我认为自己是一个以成果为导向的研究人员，我的动力来自于解决新颖而困难的研究挑战，”郭解释说，他在宾夕法尼亚州立大学获得博士学位，并在加州大学伯克利分校完成博士后研究。“我致力于通过开发新的、更实用的技术来解决现实世界的问题。”最近，他根据 ChatGPT 的出现调整了自己的研究方向，研究如何使其和其他类似模型安全可靠，同时研究这些模型如何帮助解决安全问题。“例如，”他指出，“人们可能会求助于 ChatGPT 来生成代码，但他们如何知道代码是否安全？”郭说，他对学习新事物的兴趣不仅限于与计算机相关的主题。自从转到加州大学圣塔芭芭拉分校后，他就已经开始尝试圣巴巴拉最独特的活动：学习冲浪。
科学家将生物计算机与脑组织
随着研究人员建立了“生物计算机”，人类和机器的合并又向前迈出了一步。生物工程师将实验室生长的人脑组织与微电极结合在一起。科学家称其为Brainoware的创作。它处于开发的胚胎阶段，但它已经可以执行复杂的任务，例如语音识别。首席研究员冯郭博士希望他的柔和的软件将有助于推进AI技术。这也可能意味着AI硬件的能量要比仅使用硅芯片少得多。郭博士说：“这只是证明我们可以完成这项工作的概念。我们还有很长的路要走。”
深层强化学习改变巷的决策算法，用于结合LSTM轨迹预测的智能车辆
摘要：在车辆中改变自动驾驶汽车的明智决定一直是该行业研究的焦点。依赖于预定义规则的传统巷道算法不适合现实道路条件的复杂性和变化。在这项研究中，我们提出了一种利用深层确定性策略梯度（DDPG）强化学习的算法，该算法与长期短期记忆（LSTM）轨迹预测模型集成在一起，称为LSTM-DDPG。在提出的LSTM-DDPG模型中，LSTM状态模块将观测值从观察模块转换为状态表示，然后作为DDPG Actor网络的直接输入。同时，LSTM预测模块通过完全连接的层将附近车辆的历史轨迹坐标转化为单词装饰向量，从而为周围车辆提供了预测的轨迹信息。这种综合的LSTM方法考虑了附近车辆对主体车辆改变车道决定的潜在影响。此外，我们的研究强调了改变车道的过程的安全性，效率和舒适性。因此，我们为LSTM-DDPG算法设计了奖励和惩罚功能，并确定了最佳网络结构参数。然后在使用MATLAB/SIMULINK构建的模拟平台上测试该算法。我们的发现表明，LSTM-DDPG模型提供了涉及车辆相互作用的交通情况的更现实表示。这项研究为自动驾驶汽车的先进车道决定提供了新的想法。与传统的DDPG算法相比，LSTM-DDPG在归一化后平均单步奖励增长了7.4％，强调了其在更换车道改变车道的安全性和效率方面的出色性能。
数字孪生体可信度评估过程及指标研究
[9] 郭东升 , 鲍劲松 , 史恭威 , 等 . 基于数字孪生的航天结构 件制造车间建模研究 [J]. 东华大学学报 ( 自然科学版 ), 2018, 44(4): 578-585, 607. Guo Dongsheng, Bao Jinsong, Shi Gongwei, et al. Research on Modeling of Aerospace Structural Parts Manufacturing Workshop Based on Digital Twin[J]. Journal of Donghua University(Natural Science), 2018, 44(4): 578-585, 607.
面向能源与气候目标的建筑节能系统评价 胡山 1 周鑫 2 闫达 1 郭飞 3 洪天振 4
免责声明：本文件是作为美国政府资助工作的记录而编写的。尽管我们认为本文件包含正确的信息，但美国政府及其任何机构、加利福尼亚大学董事会及其任何员工均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任，也不表示其使用不会侵犯私有权利。本文中以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务，并不一定构成或暗示美国政府或其任何机构或加利福尼亚大学董事会对其的认可、推荐或支持。本文中表达的作者的观点和意见不一定代表或反映美国政府或其任何机构或加利福尼亚大学董事会的观点和意见。
