XiaoMi-AI文件搜索系统
World File Search SystemHongbo
张洪波教授安装出版物
我，张洪波，1982年4月出生于中国东北的一个小镇。高中毕业后，我考入上海复旦大学，主修生物学。从此，我开始意识到生命的美妙，踏上了求学之路。我加入了一个实验室，参与了一个分析加拿大一枝黄花基因模式的项目，以了解其入侵机制。我们需要去野外采集样本，并进行多个步骤的提取和分析。这是我第一次真正感受到研究是什么。获得学士学位后，我决定出国开阔视野，于是我来到了赫尔辛基大学。我在那里呆了7年，完成了我的生物技术硕士学位和药物化学博士学位。我继续我的学业，来到了哈佛大学，在David A. Weitz教授的实验室担任博士后研究员，主攻物理和工程学。在哈佛大学之前，我曾参观过英国伦敦帝国理工学院的生物医学工程实验室和比利时根特大学的生物材料实验室。因此，我的培训内容非常多元化。
基于人工智能的广域监测系统分布式信念传播和循环神经网络算法 /作者=Bhamidipati, Sriramya；Kim, Kyeong Jin；Sun, Hongbo；Orlik, Philip V. /创建日期=2020 年 5 月 14 日 /主题=人工智能、通信、多物理建模、信号处理
摘要 为了对广域电网进行监控，人们开发了广域监控系统 (WAMS)。每个变电站都设有全球定位系统 (GPS) 接收系统以提供可信的授时。因此，对于 WAMS 来说，在广域范围内维持真实的 GPS 授时至关重要。然而，由于未加密的信号结构和低信号功率，GPS 授时容易受到欺骗。因此，为了从欺骗中获得可信的 GPS 授时，人们在人工智能 (AI) 框架下开发了一种新的广域监控算法，该算法由分布式信念传播 (BP) 和双向循环神经网络 (RNN) 组成。这种联合 BP-RNN 算法通过利用其分布式处理能力评估估计的 GPS 授时误差来验证每个变电站的身份。特别是，双向 RNN 在人工智能框架下提供了一种快速的授时误差估计方法。仿真结果验证了该方法比基于 Kullback-Leibler 散度的方法具有更快的检测时间，并且定时误差估计精度超过了 IEEE C37.118.1-2011 标准规定的限制。