报告题目：基于模型的神经网络及其在机械臂实时精确控制中的应用
报 告 人：李帅，香港理工大学
地 点：电机楼402会议室
时 间：2018年01月12日（周五）13:30
报告摘要：
递归神经网络因其在处理动态信号方面的独特优势近年受到普遍关注，并在语音信号处理、动态模式识别等发面取得了重大突破，递归神经网络的特点决定了它在动态系统控制方面具有潜在的优势。然而，递归神经网络的训练通常需要耗费大量的计算资源，因而往往无法达到实时控制的要求。对于具有严格实时要求的机器人控制问题，采用现有的方法难以满足系统性能要求，只能进行近似的离线求解。针对这一问题，我们研究并探索了一种基于模型的递归神经网络方法，并将该方法成功用于机械臂的实时控制。此外，我们还对该基本方法进行了一系列拓展，在外界干扰、参数不确定、运动奇异、多机械臂协作等方面都有极大改善。该系列方法也成功地推广到了其他诸如多机器人协作等场合。
报告人简介：
李帅，香港理工大学助理教授，博士生导师，主要从事智能控制与机器人相关领域研究，具体包括大系统的稳定与同步，冗余机械臂的智能控制，多机器人协调等。近5年带领其团队发表期刊论文90余篇（包括 IEEE TAC, TNNLS, TCYB 等 IEEE Trans.论文近50篇），会议论文20余篇，论文多数为第一作者或通讯作者。目前担任4个SCI期刊的副主编及编委，并担任多个国际会议的程序委员会委员。
