自動化專業(yè)英語P6U1教學(xué)課件

1、P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng) A 研究熱點和超越：邁向知識自動化的智能 交通系統(tǒng)1.課文內(nèi)容簡介：本文是一篇綜述性文章，主要介紹了智能交通領(lǐng)域研究的熱點問題、發(fā)展趨勢及人工智能技術(shù)在智能交通系統(tǒng)中的應(yīng)用情況。2.溫習(xí)人工智能技術(shù)中模糊、自適應(yīng)、優(yōu)化等內(nèi)容。知識自動化是信息自動化的自然延伸與提高，是“人”嵌在自動化之中的必然要求，也是從物理世界的自動化控制轉(zhuǎn)向人類社會本身的智能化管理的基礎(chǔ)。而且，這一基礎(chǔ)必須借助于虛擬空

2、間里的自動化才能實現(xiàn)和完善。3.生詞與短語bimonthly adj. 兩月一次的stochastic adj. 隨機的P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng)hierarchy n. 層次 等級制度magnetoresistive adj. 磁阻的iteratively adv. 迭代的 反復(fù)的event-triggered 事件觸發(fā)prohibitive adj. 禁止的symmetrical adj. 對稱的algorith

3、m. n. 算法 預(yù)算法則information propagation 信息傳播methodology n. 方法學(xué) 方法論optimization n. 最佳化microscopic adj. 微觀的disruptive technology 破壞性技術(shù)P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng)4. 難句翻譯1 To deal with multiplicity and ambiguity, a grid division sc

4、heme is also proposed to separate a vehicle into several grids in which different weak classifiers are trained and then integrated to build a strong ensemble classifier.為了應(yīng)對多重性和模糊性，同時還提出一套網(wǎng)格劃分方案將車輛劃分為幾中類型，其中對不同的薄弱環(huán)節(jié)進行培訓(xùn)，然后綜合打造一個強大的集成分類。P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automa

5、tion 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng)2 he test of the proposed approach based on data of a real terminal is given and discussed.基于一個真實的終端數(shù)據(jù)，該方法的測試已經(jīng)被給出并進行了討論。3 The problem is solved by an efficient scheme which provides a solution to decide when the coding should be used and how to allocate the ne

6、twork resource. 該問題通過一種有效的方案得到了解決，該方案提供了一種應(yīng)該在什么時候進行編碼和如何進行網(wǎng)絡(luò)資源分配的方法。P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng)5. 參考譯文 A 掃描問題和超越：邁向知識自動化的智能交通系統(tǒng)自動化 用IEEE學(xué)報關(guān)于智能交通系統(tǒng)中的第一個問題作為本文的開篇，通過瀏覽并以適合于在微博、推特、臉譜網(wǎng)上發(fā)表的格式加以總結(jié)概括。此外，對我認為感興趣的、對現(xiàn)在應(yīng)用和將來研究和開發(fā)的重要問題，

7、給出我的思考。研究熱點 對稱三維曲面函數(shù)（ SURF ）及其在車輛檢測、品牌和型號識別上的應(yīng)用 通過一種新的對稱三維曲面函數(shù)（ SURF ）描述符，來提高三維曲面函數(shù)（ SURF ）通過鏡像變換來檢測所有可能的對稱匹配對的能力。為了應(yīng)對多重性和模糊性，同時還提P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng) 出一套網(wǎng)格劃分方案將車輛劃分為幾種類型，其中對不同的薄弱環(huán)節(jié)進行培訓(xùn)，然后綜合打造一個強大的集成分類。由于基于網(wǎng)格的方法豐富的代表性

8、和車輛檢測的高精度性，集成分類能準確識別每輛車。 傳感器融合為基礎(chǔ)的空置停車位檢測與跟蹤 提出一種空置的停車位檢測和跟蹤系統(tǒng)，期望它能幫助司機選擇出未被使用的停車位。該系統(tǒng)融合了全視角的視頻監(jiān)控系統(tǒng)和自動停車系統(tǒng)的傳感器。實驗結(jié)果表明：該方法可以識別不同類型停車位標記的位置和占有率，并能夠進行穩(wěn)定的實時跟蹤。 車輛計數(shù)，分類和速度測量的便攜式路邊傳感器 一種便攜式路邊傳感器系統(tǒng)，用于統(tǒng)計車流量，車輛速度，和車輛分類。通過一個磁場模型的算法，以使系統(tǒng)更加穩(wěn)定。此外，采用了一種對所有微小的傳感器位置誤差自動校正的算法。并對開發(fā)的傳感器系統(tǒng)的精度和優(yōu)點進行了探討。P6U1A Scanning the

9、 Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng) 用于實時道路導(dǎo)航的模糊推理分層解析方法 討論了車載導(dǎo)航系統(tǒng)的最佳路線搜索函數(shù)。提出了基于實時交通信息、用于動態(tài)路線導(dǎo)航的模糊推理分層解析方法。該方法可以簡化決策的內(nèi)容，明確地表達每一個搜索性能指標。已開發(fā)出基于該方法的仿真系統(tǒng)。 基于無線加速儀的車輛自動分類原型系統(tǒng) 解決了自動車輛分類（AVC）系統(tǒng)的問題。介紹了基于無線加速儀和磁力儀可檢測車軸數(shù)和軸間距的AVC系統(tǒng)。給出了檢測的參數(shù)和系統(tǒng)的安裝方法。通過各種交通情況的實驗，

10、AVC系統(tǒng)工作可靠，即使在交通擁堵的情況下，分類精度高達99。 車載點對點（ Ad hoc ）網(wǎng)絡(luò)信息傳播過程中的隨機特性 介紹了高速路上車載Ad-hoc網(wǎng)絡(luò)信息的傳播過程。假設(shè)在網(wǎng)絡(luò)中的車輛根據(jù)類型和車道被分為不同的交通流，不同的P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng) 交通流對應(yīng)不同的車速。通過分析信息傳播過程求出信息傳播速度的解析公式。使用該解析公式對某些參數(shù)的影響進行了研究。通過仿真實驗驗證了分析結(jié)果的準確性。 通過車輛軌

11、跡數(shù)據(jù)校準來減少車輛跟蹤模型的累積誤差 考慮到使用軌跡數(shù)據(jù)校準車輛跟蹤模型的誤差累積問題，本文提出了一種動態(tài)誤差模型。該動態(tài)誤差模型的穩(wěn)定條件與車輛跟蹤模型的穩(wěn)定條件不同。通過對有代表性的車輛跟蹤模型的校準，對常規(guī)方法和動態(tài)誤差模型方法所產(chǎn)生的累積誤差進行了比較。 基于熵和復(fù)雜診斷自動檢測疲勞駕駛 由于一些交通事故是由疲勞駕駛造成的，本文提出了一種基于各種熵和根據(jù)一些記錄進行復(fù)雜診斷的實時性方法，該方法用來檢測和識別疲勞駕駛。結(jié)果表明，該方法是有效的，它對避免因疲勞駕駛造成交通事故具有應(yīng)用價值。P6U1A Scanning the Issue and Beyond: Toward ITS Kn

12、owledge Automation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng) 用于車輛碰撞預(yù)測的二維傳感器系統(tǒng) 研究了采用磁阻和聲納傳感器對汽車即將發(fā)生的碰撞進行檢測。提出一種自適應(yīng)預(yù)估器、將聲納和磁阻傳感器用于預(yù)估確定汽車位置和方向的參數(shù)。實驗結(jié)果表明，當在不同的傾斜角度相對運動的情況下，該方法有效。 在主動交通管理的背景下，利用微觀交通和天氣數(shù)據(jù)來分析實時碰撞模式 研究了微觀交通，天氣和道路幾何形狀對高速公路特定碰撞模式的影響。作者提出，以擴大現(xiàn)有的智能交通系統(tǒng)為目的，采用識別實時碰撞模式的主動交通管理策略。數(shù)值仿真結(jié)果表明：下雪的季節(jié)，平緩的斜坡，三車道路段

13、，隨意駕駛的情況下更可能發(fā)生單車碰撞。 P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng) 采用隨機微分方程對城市交通流量建模和預(yù)測 為處理短期交通流量的預(yù)測問題，本文提出了一種隨機微分方程的方法。用赫爾懷特模型來考慮短期交通流量的時間依賴性。它可以很容易的模擬交通狀況和準確的判斷交通狀況發(fā)生的變化。這表明與以前的方法相比被這種方法更加適合統(tǒng)計交通流量。 在危急情況下為緩解翻車基于觀測器的車輛動力學(xué)魯棒控制 在車輛動力學(xué)中提出了一種能夠提高

14、穩(wěn)定性和降低翻車危險的模糊控制方法。為了得到魯棒控制器，作者從多個方面進行了認真考慮，用Takagi Sugeno（TS）表示橫向力的非線性，用一時變參數(shù)來表示道路摩擦力，與路邊沿的角度看作是未知的輸入。通過求解約線性方程不等式束條件得到觀測器和控制器的增益。P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng) 真實交通情況下的協(xié)同自適應(yīng)巡航控制 本文介紹了一個協(xié)同自適應(yīng)巡航控制系統(tǒng)的設(shè)計，開發(fā)，實施和測試。該系統(tǒng)已在四臺英菲尼迪M56型轎車

15、上驗證了控制器的性能和改進后的效果。 是否編碼：在偶聯(lián)車載網(wǎng)絡(luò)中的的最佳移動數(shù)據(jù)的卸載 以編碼為基礎(chǔ)的移動數(shù)據(jù)卸載問題已成為用戶對多重線性約束的有限存儲空間是否非常滿意的極為關(guān)注的問題。該問題是通過一個有效的方案得到了解決，該方案決定何時使用編碼以及如何分配網(wǎng)絡(luò)資源。通過兩輛車真實的軌跡數(shù)據(jù)所做的大量仿真驗證了該算法的有效性。 用概率生成模型來估計信號網(wǎng)絡(luò)中動態(tài)車輛排隊分布 提出了采用概率生成函數(shù)的隨機排隊模型，該模型考慮了相鄰路口之間非常密切的相互依賴關(guān)系。將每一個交通流都看P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge A

16、utomation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng) 成隨機事件，通過一個隨機網(wǎng)絡(luò)加載過程完成迭代計算求出其分布。通過理論推導(dǎo)和數(shù)值研究驗證了該方法的有效性。 通過車輛間通訊完成交通流信息傳播過程 在部署分布式交通信息系統(tǒng)的早期階段，提出了一個用來計算在高速公路上各種交通流車輛間信息傳播（IVC）平均速度的模型。平均IVC信息傳播速度和交通流量參數(shù)之間的關(guān)系可以用該模型加以說明。仿真結(jié)果驗證了該模型的正確性得到，并給出了模型的理論分析。 基于可變形模板模型的實時行人檢測 研究了需要考慮檢測精度和實時性的輔助駕駛系統(tǒng)中行人檢測的問題。提出了一種采用基于多模塊模

17、型多層次復(fù)合精度 的行人檢測系統(tǒng)，并將其應(yīng)用到了視覺處理器（GPU）上。該系統(tǒng)取得了最高水平的行人檢測精度，檢測精度提高一個數(shù)P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng) 量級以上，特別適用于既考慮精度又考慮實時性的行人檢測。 基于事件觸發(fā)的海港鐵路運輸調(diào)度的滾動優(yōu)化方案 研究了港口鐵路運輸?shù)恼{(diào)度問題，其中突發(fā)事件或動亂往往會影響海港碼頭?；谂抨犝摰碾x散時間模型，本文提出了一個混合整數(shù)線性數(shù)學(xué)編程問題和事件觸發(fā)滾動優(yōu)化方法。采用港口

18、的真實數(shù)據(jù)對該方法進行了測試并對結(jié)果進行了討論。 根據(jù)實測數(shù)據(jù)來了解自行車動力學(xué)和騎行者的行為模式 考慮到自行車的重要角色和智能交通系統(tǒng)中沒有自行車模型，本文提出了一種平臺，在此平臺上可對自行車動力學(xué)和騎行者的行為模式進行研究。在這個平臺上，通過傳感器來連續(xù)不斷的采集現(xiàn)場數(shù)據(jù)，該數(shù)據(jù)可以用來推導(dǎo)，開發(fā)和測試包含自行車的智能交通系統(tǒng)。P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng) 城市道路交通網(wǎng)絡(luò)的魯棒控制 本文提出了一種實用的實時信號分

19、割算法，可將城市交通 網(wǎng)絡(luò)區(qū)域內(nèi)整體加權(quán)排隊長度降到最小。用集中滾動優(yōu)化方式表達交通控制問題，采用有效的最小化約束求出綠燈時間組合。用真實的交通數(shù)據(jù)和微觀交通仿真對該算法進行了測試，并與調(diào)整好的固定時間的交通信號進行了比較。 綜述帶有車載通訊的交通控制 提出了利用車輛與車輛、車輛與交通指揮中心的通信來協(xié)調(diào)車輛和實時的交通信號的問題。給出了該領(lǐng)域研究的前景、確認了初期研究要使用的關(guān)鍵技術(shù)、討論了可能進行的改進。介紹了以相鄰路口控制方法為基礎(chǔ)的時序安排的成果。此外，本文討論了兩種文化，包括利用豐富信息和簡明信息。P6U1A Scanning the Issue and Beyond: Toward

20、 ITS Knowledge Automation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng) 電動車反向充電的最優(yōu)準則 我們對電動車的可控負載能量和能量存儲系統(tǒng)進行了研究，通過它來給電網(wǎng)回饋能量以減輕用電高峰期電網(wǎng)的負擔。闡明以降低環(huán)境成本為目標將負荷能量返回電網(wǎng)的最佳運行模式。這種最佳運行模式是非常復(fù)雜的，在某些情況下考慮到回饋電網(wǎng)能量的成本也不能采用這種運行模式。 智能交通系統(tǒng)的知識自動化 當我在寫摘要的時候，我真的希望我能有一個自動匯總系統(tǒng)，無論是通過提取或抽象或兩者兼而有之的方法，它可以快速準確地幫我完成這項工作，并且能夠快速、自動地將結(jié)果發(fā) 給社會媒體和感

21、興趣的讀者。這也使我想起了最近麥肯錫全球研究院（MGI）的一份報告“顛覆性技術(shù)的發(fā)展將改變生活，商務(wù)，和全球經(jīng)濟”，其中“知識工作的自動化”或“可以完成非結(jié)構(gòu)化命令和微妙判斷等知識工作任務(wù)的智能軟件系統(tǒng)”P6U1A Scanning the Issue and Beyond: Toward ITS Knowledge Automation 第六部分第一單元課文A 研究熱點和超越：邁向知識自動化的智能交通系統(tǒng) 被列為第二大經(jīng)濟顛覆性技術(shù)，每年潛在的經(jīng)濟影響可以達到5.2萬億美元至6.7萬億美元，這種情況可以延續(xù)到2025年，預(yù)估工作量等于1.1億到1.4億個工作日。事實上，我在2013年最后一期

22、自動化學(xué)報上發(fā)表的論文題為“天命唯新：邁向知識自動化”。相對國際電工電子工程師協(xié)會學(xué)報智能交通系統(tǒng)?？↖EEE T-ITS）和智能交通系統(tǒng)的研究與開發(fā)期刊（ITS R&D）上的技術(shù)觀點而言，我的想法和目標更加具體：智能交通系統(tǒng)的知識自動化。 P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動化與交互：哪個是大數(shù)據(jù)的首選 B 自動化與交互：哪個是大數(shù)據(jù)的首選1.課文內(nèi)容簡介：主要介紹幾位專家對大數(shù)據(jù)應(yīng)用現(xiàn)狀、處理方式、應(yīng)用前景的思考和討論。2.溫習(xí)大數(shù)據(jù)的基本概念：大數(shù)據(jù)，指的是所涉及的資料量規(guī)模巨大

23、到無法透過目前主流軟件工具，在合理時間內(nèi)達到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營決策更積極目的的資訊。由此可見，“大數(shù)據(jù)”并不是一項技術(shù)，而是由于不斷增長的數(shù)據(jù)量和數(shù)據(jù)種類而逐漸衍生出來的一種現(xiàn)象。3.生詞與短語Interactive adj. 交互的 robotics n. 機器人學(xué)geometry n. 幾何學(xué) browse v. 瀏覽visualization n. 可視化drastically adv. 徹底地exploratory adj. 探究的blind spots n. 盲點well-worn adj. 老生常談的parallel adj. 并行的4. 難句翻譯1 It i

24、s a well-worn adage that the question you ask in large part determines the answer you will get.這是一個老生常談的格言：你問的問題在很大程度上決定了你會得到的答案。 It isthat引導(dǎo)的是同位語從句。2 Programs like the Accelerated Strategic Computing Initiative (ASCI) represent a tremendous growth of large-scale computing applied to the analysis of

25、 scientific problems.加速戰(zhàn)略計算計劃（ASCI）等項目，代表著應(yīng)用于科學(xué)問題分析中的大規(guī)模的計算有著巨大的增長。applied to 過去分詞做后置定語。 P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動化與交互：哪個是大數(shù)據(jù)的首選5. 參考譯文 B 自動化與交互：哪個是大數(shù)據(jù)的首選簡介 在19世紀后期，電話交換臺是靠手工操作的，它在一分鐘之內(nèi)只能處理幾個呼叫者的請求。隨著人們打電話越來越多，單一的運營商已經(jīng)不能滿足人們的需求，人工的電話交換臺慢慢的就被自動的電話交換臺所替代。

26、如今，運營商仍然可以連接一些電話，一般是在呼叫者需要其他的信息（或者金錢）的情況下，但絕大多數(shù)是可以通過自動化系統(tǒng)進行處理的。隨著科技的進步，歷史記錄的那些系統(tǒng)的案例也都變成了關(guān)于自動化系統(tǒng)的案例。 專家組的問題是：可視化社區(qū)是否在按著我們的研究成果的道路走，是否在按著交互式可視化工具系統(tǒng)的道路發(fā)展。畢竟，像能源部的加速戰(zhàn)略計算計劃（ASCI）的研究項目，在進行仿真時，每天會產(chǎn)生大量的數(shù)據(jù)。于是，就提出了如下的問題： P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動化與交互：哪個是大數(shù)據(jù)的首選1.

27、使用交互式技術(shù)分析大字節(jié)的數(shù)據(jù)集是否可行。2. 可視化技術(shù)是否達到了大部分任務(wù)都可以用自動化處理的成熟水平。3. 自動功能檢測工具是否能找到所有人們關(guān)注的現(xiàn)象。 我們杰出的小組成員將會提供這些問題的答案。為了更深入的討論這些問題，我們對這些成員進行了分組。史蒂夫布萊森和羅伯特范里拉強烈主張交互式可視化工具，然而羅伯特哈伊姆和大衛(wèi)班克斯將會告訴我們大數(shù)據(jù)需要自動化處理的原因。山姆優(yōu)子騰給這場辯論提出了一個平衡點，他建議說自動化和交互技術(shù)在處理大數(shù)據(jù)集時都發(fā)揮著重要的作用。立場聲明大衛(wèi)班克斯“自動化滿足可視化80%的要求” 交互式可視化對那些面臨陌生數(shù)據(jù)時追求自由探索的科學(xué)家是非常重要的，那些科學(xué)

28、家發(fā)現(xiàn)了仿真結(jié)果中的新現(xiàn)象，但P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動化與交互：哪個是大數(shù)據(jù)的首選P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動化與交互：哪個是大數(shù)據(jù)的首選他們卻不對此提出疑問，那些科學(xué)家喜歡使用別人為他們發(fā)明的新的工具。我們當中的許多人都有過這樣的經(jīng)歷，明白那些科學(xué)家只存在于科幻小說與公共廣播公司的特刊當中，在現(xiàn)實生活中并不存在。 在科學(xué)計算中，有兩個主要的電腦繪圖的應(yīng)用：調(diào)試

29、和演示。湯姆克羅克特用三維的版畫聲明來支持可視化的范例，這種范例可以幫你迅速的找到出錯的代碼段。交互式調(diào)試器在查找錯誤時可以起到很大的作用，但是但部分人只是到了萬不得已的情況下才使用它。自動生成的編譯器信息可以找到大部分簡單的錯誤，版畫聲明則能找到其他的大部分錯誤。同樣地，自動化可視化工具也非常適合用于調(diào)試科學(xué)代碼。當數(shù)據(jù)集達到太字節(jié)的規(guī)模時，科學(xué)家們需要花費好幾個小時來研究這些數(shù)據(jù)集中的等值面，體積密度的映射以及質(zhì)點軌跡。交互式是最后一種研究方法。 其他人認為可視化主要用于對那些老套的演示，彩色的海報或者萬維網(wǎng)中的動畫進行后處理。如果科學(xué)家的目的是顯示某些特性，那么應(yīng)該設(shè)計可視化工具對這些數(shù)

30、據(jù)進行定位。因此關(guān)于可視化的研究應(yīng)該通過強大的算法來描述學(xué)科特性（腫瘤、血管、漩渦、沖擊表面、石油礦床）。在準備公共演示的圖片時，確立正確的觀點，照明設(shè)備和布局是非常重要的。但是這樣的話交互式作用是為藝術(shù)部門服務(wù)的，而非科學(xué)家。史蒂夫布萊森“展示給我看”與“那是什么”做對比 這是一個老生常談的格言：你問的問題在很大程度上決定了你會得到的答案，如果你問了正確的問題，那么就會得到很好的答案。但是正確的觀點和洞察力還有一些好奇的探索都是由你提問的特定的問題所啟發(fā)的。這不是一個淺顯的哲學(xué)討論，但是如果你的問題非常狹窄，那么往深處探索就變得難以進P6U1B Automation or Interacti

31、on: Whats best for big data? 第六部分第一單元課文B 自動化與交互：哪個是大數(shù)據(jù)的首選 行。自動功能檢測需要特定問題的框架:“告訴我漩渦是什么”和“告訴我具體滿足的條件”。例如，考慮一個裝滿東西的屋子。自動功能檢測就好比說： “把房間里的紅盒子拿給我看”。你會找到紅盒子，但是你會錯過關(guān)于屋子里其他東西的信息。如果需要得到這間屋子里所有物體的信息，自動功能檢測需要提出很多類似的問題。用另一種方法，我可以簡單的問一句“告訴我房間里有什么”。 當然，科學(xué)可視化并不是如此簡單，否則我們就不用經(jīng)常開會進行討論。甚至，物理模擬數(shù)據(jù)可以很抽象，沒有規(guī)范的或者明顯的方式來“給我這些

32、數(shù)據(jù)”。因此我們必須問一些關(guān)于這些數(shù)據(jù)的問題，以圖形化的方式對這些數(shù)據(jù)進行陳述。當然，圖形表示的細節(jié)將決定我們獲得這些數(shù)據(jù)的信息類型。但是，自動功能檢測要求非常具體的問題，這些結(jié)果可以由算法計算出來或者簡單的表示出來。因此，自動檢測的功能能在數(shù)據(jù)集中檢測到你需要的功能，而查找不到其他的信息。如果這是你需要的信息，那么就使用自動檢測功能。 P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動化與交互：哪個是大數(shù)據(jù)的首選 但是，如果你需要對數(shù)據(jù)集有更全面的了解，尤其是你想要了解為什么某些特性的數(shù)據(jù)集很少顯示

33、這種特性。了解這些特性周圍的數(shù)據(jù)對于理解上下文和起因是非常重要的。了解漩渦流動固然有用，但是如果想要理解為什么漩渦在那里是需要知道漩渦附近流動的信息的。換句話說，大部分科學(xué)調(diào)查雖然受制于局部原則，但是是由總體因素決定的。流體是一種很常見的例子：漩渦是由于它周圍物體的流動形狀所形成的。有些全面意義上的流動是需要理解隨后的漩渦的。 獲得全面意義上的數(shù)據(jù)是很困難的，尤其是當這些數(shù)據(jù)是在三維或者三維以上的空間而且有相互作用時。眾所周知，同時展示很多方面的數(shù)據(jù)，這個場景就會變得很混亂。在交互式技術(shù)中，可以使用圖形表示，在實時的數(shù)據(jù)集附近移動，它還可以允許你針對不同地區(qū)的數(shù)據(jù)以不同的方式進行取樣。接著上面

34、的例子，觀察渦流附近的交互式流線可以洞察渦流的成因。需要使用交互性來許可探索數(shù)據(jù)信息。交互接口越直觀，探索結(jié)果將會越好。快速勘探能力允許你獲取一般意義上的數(shù)據(jù)， P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動化與交互：哪個是大數(shù)據(jù)的首選 這些數(shù)據(jù)將會為某些特性提供一些信息。 在某些情況下，你甚至不知道該問哪些具體的問題：當用新的方式觀察事物時，提出的新的問題會促進科學(xué)的進步。在這些情況下，交互式探索將會是一個非常有價值的工具，你可以用新的方式來問一些以前的問題。向量場的流線，最初代表的是粒子的路徑

35、（穩(wěn)定）流，可以用它來研究一些特性，比如標量的梯度壓力問題。通過流線的方法探索一個梯度場，可以提出一些新的見解，比如最大值、最小值的結(jié)構(gòu)等等。（盡管這是一個不太充分的例子，但是很難想到關(guān)于新問題的特殊的例子。）雖然同樣可以使用功能檢測技術(shù)，比如，尋找一個梯度場的漩渦，但是它不能快速的表示出這些特性代表什么。 所以我們看到這樣一個頻譜：在一個極端，自動功能檢測技術(shù)對范圍較小的問題提供一些特定的答案。如果這些問題正好與你的問題適合的話，那么自動功能檢測技術(shù)可能就是你需要的。在另一個極端，你可能是在仿真中探索一些數(shù)據(jù)，然而P6U1B Automation or Interaction: Whats

36、best for big data? 第六部分第一單元課文B 自動化與交互：哪個是大數(shù)據(jù)的首選 你并沒有不明白或者不理解的問題。在這種情況下，一套交互式可視化技術(shù)可以幫助你獲得一些數(shù)據(jù)信息，還可以提出一些有趣的問題和見解。在兩者之間，正如復(fù)雜物體周圍的流量那個例子所示，功能檢測技術(shù)可以給詳細的交互式探索一個很好的切入點。 我想起了機器人的例子，最初希望機器人可以完全自主，最終證明這個希望對于一般情況在某種程度上超出了我們的范圍。高級人工控制的機器人非常成功。我認為這種自動化和交互式相混合的技術(shù)對我們的研究領(lǐng)域是非常有益的。有人可能認為，如果我們能再聰明一點的話，那么我們可以自動控制一切，但是我

37、認為，恰恰是因為我們的前沿的理解能力，才使得科學(xué)可視化發(fā)揮了最大的作用，正因為如此，至少我們知道該問什么問題。永遠都會是這樣的。 羅伯特哈伊姆 除了寶刀和獸皮P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動化與交互：哪個是大數(shù)據(jù)的首選 加速戰(zhàn)略計算計劃（ASCI）等項目，代表著應(yīng)用于科學(xué)問題分析中的大規(guī)模的計算有著巨大的增長。通過提出的大部分ASCI的穩(wěn)態(tài)運行的仿真結(jié)果建立了輸出數(shù)據(jù)集，這些數(shù)據(jù)包含數(shù)十億的信息（分布在3D網(wǎng)絡(luò)中）。顯然，相同空間精確度的瞬態(tài)仿真結(jié)果會加強任何可用的計算機資源。這些數(shù)

38、據(jù)導(dǎo)致了極其困難而且耗時的分析過程。我們需要對這些信息提出質(zhì)疑，也要做出解釋，這樣才可以獲得仿真結(jié)果中包含的知識。 傳統(tǒng)的交互式可視化為了定位和識別物理現(xiàn)象對數(shù)據(jù)進行探索。為了找到重要的流動特性，用戶必須使用一個或多個可視化工具（等值面、幾何、簡化等等）交互地探索數(shù)據(jù)。使用這些工具的科學(xué)家或者工程師定期報告以下缺點：1. 探索時間：大規(guī)模三維空間數(shù)據(jù)集的交互式探索是費力的，它會消耗科學(xué)家或者工程師幾小時或者幾天的時間。2. 視野：交互式可視化技術(shù)基于網(wǎng)絡(luò)或解決方案數(shù)據(jù)的局部樣本點，產(chǎn)生輸出。如果用戶不詳細的搜索數(shù)據(jù)集，可能會錯過一P6U1B Automation or Interaction:

39、 Whats best for big data? 第六部分第一單元課文B 自動化與交互：哪個是大數(shù)據(jù)的首選一些重要的特性。3. 非特異性：交互式技術(shù)通常顯示的是某些特性周圍的行為特征，而不是顯示的特性本身。4. 視覺混亂：生成之后，只有少數(shù)可視化對象的顯示變得混亂，使得視覺解釋變得困難。 很明顯，這些工具不會直接回答調(diào)查員的問題。需要一個專家利用提供的圖像來推測底層拓撲結(jié)構(gòu)。然后獲得一個更具體的答案。直接地，自動特征提取相較于探索性可視化工具，具有如下的優(yōu)勢：1. 確定的算法：如果沒有“參數(shù)”，用戶需要進行調(diào)整，然后不需要再對其進行干預(yù)。2. 完全自動化：分析研究可以做到線（沒有一個可視化子

40、系統(tǒng)）。其他組件也可以把它用于分析研究（即：解算器直接用它來使網(wǎng)絡(luò)更好的適應(yīng)某些功能）。P6U1B Automation or Interaction: Whats best for big data? 第六部分第一單元課文B 自動化與交互：哪個是大數(shù)據(jù)的首選3. 局部分析：這些方案在可能的情況下，只是執(zhí)行一些局部的運算，因此，每個單元的計算之間都是彼此獨立的，可以同時運行的。這在分布式內(nèi)存計算機領(lǐng)域是一個很大的優(yōu)勢。4. 數(shù)據(jù)簡化：輸出幾何的數(shù)量級比輸入數(shù)據(jù)的小幾個數(shù)量級，這是輸出結(jié)果的一個很重要的特性。高保真度的空間和時間上的結(jié)果可以存儲在磁盤上。對整體瞬態(tài)模擬來說，這個一般是不能實現(xiàn)的。5. 定量信息：精確性：它提供了提取特征的位置。同樣，它還可以報告出信息的分類和采取的一些措施。 任何一個復(fù)雜的代碼都可能會用到簡單的類比。一個大型程序（運行超過幾秒）可能會執(zhí)行數(shù)十億整數(shù)和浮點數(shù)的運算。要想知道程序是否順利運行，沒有必要檢查每一步的操作是否正確。程序員們會有自己確定結(jié)果的度量指標。甚至，整合一些數(shù)據(jù)量大而且運行時間很長的科學(xué)模擬報告對用戶來說也是非常有好處的。不足的是，大部分措施是基于數(shù)值運算，而不是基于物理計算。自動特征提取可以檢測物理學(xué)的問題，而P6U1B Automation