Ewch i’r prif gynnwys
Yuhua Li

Dr Yuhua Li

Darllenydd Dysgu Peiriant

Yr Ysgol Cyfrifiadureg a Gwybodeg

Users
Ar gael fel goruchwyliwr ôl-raddedig

Trosolwyg

Rwyf wedi cynnal ymchwil sylfaenol a chymhwysol mewn dysgu peiriannau, adnabod patrwm, gwyddor data, dadansoddiad tebygrwydd semantig a monitro cyflyrau. Rwy'n arwain y Data Analytics a'r Grŵp Ymchwil Dysgu Peiriant.

Mae fy mhrofiad o ddysgu peirianyddol a chydnabod patrymau yn cynnwys dulliau ystadegol, geometrig a rhwydweithiau niwral ar gyfer dethol nodwedd / patrwm a dadansoddi data, darganfod gwybodaeth a chasgliad.

Mae fy nghyfraniad i ddysgu peirianyddol yn cynnwys datblygu dulliau canfod anghysondeb/newydd-deb ar gyfer systemau diogelwch / cenhadaeth-gritig, sydd â data/gwybodaeth gyfyngedig neu ddim gwybodaeth am ddigwyddiadau prin, a thechnegau dethol arsylwi llawn gwybodaeth ar gyfer synwyryddion/mesuriadau optimeiddio lleoliad ar gyfer problemau fel monitro effeithiol a rheoli prosesau. Mae fy ngwaith wedi ysgogi ymchwilwyr eraill i ddatblygu algorithmau AI newydd, eu defnyddio fel meincnodau a'u mabwysiadu mewn cynhyrchion.

Rwyf wedi arwain a chynnal prosiectau ymchwil a ariennir gan y llywodraeth, elusen a diwydiant. Rwyf wedi cydweithio ar brosiectau ymchwil gyda chwmnïau cenedlaethol a rhyngwladol o wahanol feintiau. Mae fy ymchwil wedi'i gymhwyso i ddatrys problemau mewn gweithgynhyrchu digidol, monitro cyflyrau, peirianneg ariannol, a phroblemau eraill yn y byd go iawn.

Ymgysylltu Allanol

  • Aelod o Goleg Adolygu Cymheiriaid EPSRC
  • Cynghorydd Academaidd Comisiwn Ysgoloriaethau'r Gymanwlad y DU
  • Aelod o Gyngor Cynghori ar Arloesi Cymru
  • Golygydd Cyswllt Trafodion IEEE ar Rwydweithiau Nerfol a Systemau Dysgu

Cyhoeddiad

2024

2023

2022

2021

2020

2018

2017

2016

2015

2014

2013

2012

2011

2009

2007

2006

2005

2003

2002

2001

2000

Articles

Conferences

Monographs

Ymchwil

Dadansoddeg Data a Grŵp Ymchwil Dysgu Peiriant

Mae fy niddordebau ymchwil yn cynnwys:

  • Dysgu peirianyddol, adnabod patrymau
  • Canfod newydd-deb, canfod anomali
  • Gwyddoniaeth data, Data Mawr, cloddio testun
  • Rhwydweithiau niwral, dysgu dwfn
  • Cyfrifiadura hyperddimensiwn, pensaernïaeth symbolaidd fector
  • Monitro cyflwr a phrosesu signal
  • Dysgu peirianyddol a chymwysiadau AI, e.e., cyllid, technolegau gofal iechyd, gweithgynhyrchu

Cyhoeddiadau a ddewiswyd (mwy o gyhoeddiadau ar Google Scholar).

Addysgu

I received a postgraduate certificate in higher education, I am a Fellow of the HEA. I teach:

  • CMT307 Applied Machine Learning
  • CMT316 Applications of Machine Learning: Natural Language Processing/Computer Vision
  • CMT219 Algorithms, Data Structures and Programming
  • CM1210 Object Oriented Java Programming

Meysydd goruchwyliaeth

Myfyrwyr PhD cyfredol

Fi yw'r goruchwyliwr cyntaf ar gyfer: 

Mae gen i ddiddordeb mewn goruchwylio myfyrwyr PhD ym meysydd:

  • Dysgu peirianyddol, adnabod patrymau
  • Gwyddoniaeth data, Data Mawr, cloddio testun
  • Rhwydweithiau niwral, dysgu dwfn
  • Cyfrifiadura hyperddimensiwn, pensaernïaeth symbolaidd fector
  • Cymwysiadau dysgu peirianyddol ac AI, e.e. seibr, cyllid a pheirianneg

Mae croeso i chi gysylltu â mi (LiY180@cardiff.ac.uk) os oes gennych gefndir academaidd rhagorol ac uchelgais uchel ar gyfer rhagoriaeth ymchwil. Isod ceir enghreifftiau o gynigion prosiect PhD.

Prosiect 1: Dysgu Peiriant ar gyfer Monitro Iechyd Babanod Newydd eu Geni mewn Unedau Gofal Dwys Ysbytai

Mae Unedau Gofal Dwys Newyddenedigol (NICU) yn defnyddio dyfeisiau meddygol a synwyryddion i gasglu data ffisiolegol yn barhaus fel cyfradd curiad y galon, tymheredd ac ECG. Nod y prosiect hwn yw harneisio'r cyfoeth o ddata sydd ar gael yn NICU i ddatblygu atebion effeithiol ar gyfer monitro newydd-anedig a chanfod clefydau yn gynnar, gyda ffocws penodol ar sepsis, sy'n gyfrifol am 26% o farwolaethau newydd-anedig. Gan ddefnyddio technegau dysgu peiriannau, bydd y prosiect yn tynnu nodweddion o ffrydiau data, yn nodi ffactorau risg, ac yn canfod clefyd yn gynnar i gynorthwyo clinigwyr i ddarparu gwell gofal i gleifion NICU. Bydd y prosiect yn cael ei gynnal mewn partneriaeth â'r Ysgol Meddygaeth, gan ddefnyddio data NICU a gesglir o wardiau ysbytai.

Prosiect 2: Trawsnewid Cudd-wybodaeth Peiriant ar gyfer Ceisiadau Cyfyngedig o Adnoddau

Yn ystod y blynyddoedd diwethaf, mae systemau dysgu peiriannau, gan gynnwys dysgu dwfn, wedi cyflawni llwyddiant rhyfeddol mewn amrywiol gymwysiadau. Fodd bynnag, maent yn wynebu heriau sylweddol, fel defnydd o ynni uchel, addasu i amodau newydd, a diffyg data, megis gwerthoedd coll, anghydbwysedd data, a phreifatrwydd data. Er mwyn mynd i'r afael â'r heriau hyn, mae'r ymchwil hon yn harneisio'r datblygiadau diweddaraf mewn Pensaernïaeth Symbolaidd Fector (VSA) neu Gyfrifiadura Hyperddimensiwn (HDC), fframwaith cyfrifiadurol sy'n dod i'r amlwg, i ddatblygu algorithmau ysgafn a all berfformio prosesu gwybyddol yn effeithlon ar gyfer cymwysiadau â chyfyngiad ar adnoddau ar ymyl y rhwydwaith. Mae VSA wedi'i ysbrydoli gan yr ymennydd ac mae'n cynrychioli ac yn trin data mewn gofod fector dimensiwn uchel. Mae ei gynrychiolaeth ddosbarthedig holograffig a thrin gwybodaeth yn gwneud cyfrifiadura'n fwy cadarn i sŵn, graddadwy, ynni-effeithlon, ac mae angen llai o amser a data ar gyfer hyfforddiant a chasgliad. Nod y prosiect hwn yw datblygu algorithmau sy'n effeithlon o ran adnoddau a data sy'n gallu gwella ac ategu dysgu peirianyddol presennol a dulliau dysgu dwfn.

Prosiect 3: Dosbarthiad ar-lein gyda dosbarthiadau newydd sy'n dod i'r amlwg

Dim ond dosbarthiadau a ddiffiniwyd ymlaen llaw y gall dulliau dosbarthu safonol ddosbarthu, h.y., maent yn dosbarthu enghraifft newydd yn un (neu luos) o'r dosbarthiadau hysbys. Er enghraifft, ar gyfer adeiladu dosbarthydd ar gyfer clefydau anadlol firaol, mae angen i ni hyfforddi'r model dosbarthu ar set ddata gyda dosbarthiadau wedi'u diffinio ymlaen llaw fel MERS a SARS. Ar adeg datblygu model ar gyfer dosbarthu clefydau, mae'r classifier wedi'i hyfforddi ar y data sydd ar gael sy'n cynnwys yn unig, e.e. MERS a SARS. Dim ond afiechydon MERS a SARS y gall classifier o'r fath ddosbarthu, ni fydd yn gallu delio ag ymddangosiad clefydau newydd fel COVID-19 yn y dyfodol. Er mwyn delio ag ymddangosiad dosbarthiadau newydd, mae angen dull newydd i ddysgu dosbarthwr sy'n gallu canfod dosbarthiadau newydd ac addasu'r classifier yn unol â hynny. Mae gan batrwm dysgu classifier o'r fath gyda dosbarthiadau newydd nifer o gymwysiadau, ee, ceir hunan-yrru yn symud mewn sefyllfaoedd traffig newydd, synwyryddion maleisus sy'n delio â mathau newydd o ymosodiadau rhwydwaith, milwyr robotig sy'n llywio mewn mathau newydd o diroedd, ac ati.


Nod y prosiect hwn yw datblygu dull newydd o ddysgu classifier sy'n gallu dosbarthu dosbarthiadau newydd a newydd. Bydd y dull arfaethedig yn mynd i'r afael â dwy brif her: canfod dosbarthiadau sy'n dod i'r amlwg yn effeithiol ac addasu dosbarthiadau mewn pryd yn unig ar gyfer dosbarthiadau newydd. Bydd canfod dosbarth sy'n dod i'r amlwg yn cael ei adeiladu ar y datblygiadau diweddaraf mewn canfod newydd-deb (techneg dysgu peiriant yw canfod newydd-deb sy'n dysgu model sy'n seiliedig ar ddosbarthiadau hysbys yn unig i ganfod achosion sy'n dod o ddosbarth newydd), a bydd addasu mewn pryd yn datblygu strategaeth ddysgu gynyddrannol newydd i integreiddio dosbarthiadau newydd i'r dosbarth presennol. Bydd yr algorithmau datblygedig yn cael eu gwerthuso ar achos defnydd mewn seiberddiogelwch neu'r Rhyngrwyd Pethau (ee, mathau newydd o ymosodiadau rhwydwaith).

Prosiect 4: Esblygiad cysyniad dysgu mewn ffrydiau data
Mewn cymwysiadau sydd ag esblygiad cysyniad, mae cysyniadau newydd yn dod i'r amlwg yn y llif data, ac mae cysyniadau presennol / hysbys yn diflannu dros amser, ee mathau newydd o ymosodiadau mewn rhwydwaith cyfrifiadurol a phynciau newydd o ddiddordeb mewn ffrwd ddata cyfryngau cymdeithasol. Nod y prosiect hwn yw datblygu dulliau newydd ar gyfer mynd i'r afael â mater heriol esblygiad cysyniad er mwyn galluogi'r modelau dysgedig i ddarparu ar gyfer cysyniadau newydd. Bydd yn cyflawni'r amcanion canlynol: modelu cysyniadau hysbys; achosion newydd o ganfod a chronni; cysyniadau newydd canfod ac integreiddio; cysyniadau hen ffasiwn yn ymddeol.

Prosiect 5: Dysgu peiriant eglurhaol ar gyfer sicrhau Rhyngrwyd Pethau (IoT) 
Mae Internet of Things (IoT) yn cynnwys pethau, gwasanaethau a rhwydweithiau, mae'n cysylltu dyfeisiau craff, gwrthrychau, anifeiliaid neu bobl cydberthynol i drosglwyddo data dros rwydwaith i wasanaethu pobl yn well. Mae faint o ddata a drosglwyddir gyda systemau IoT yn barhaus, heterogenaidd ac enfawr, sy'n gwneud systemau IoT yn fwy agored i niwed na'r rhwydwaith traddodiadol i weithgareddau maleisus gan ymosodwyr, felly mae diogelwch a phreifatrwydd y rhwydwaith hynod awtomataidd hwn yn her allweddol ar gyfer defnyddio Rhyngrwyd Pethau (IoT). Mae'n gyson yn destun ymosodiadau gwrthwynebus gan gynnwys gwrthod gwasanaeth, jamio, spoofing, clustodi, malware a gollyngiadau preifatrwydd. Mae'r adnoddau cyfyngedig (cyfrifiant, batri a chof) ar ddyfeisiau IoT a faint o ddata a gynhyrchir ac a gyflewyd yn cyfyngu'n ddifrifol ar gymhwysedd mesurau diogelwch presennol i systemau IoT. Hyd yn oed os yw system ddiogelwch yn effeithiol ar adeg ei defnyddio, mae'n dueddol o fethu cyn gynted ag y mae ymosodwyr yn addasu strategaethau craffach i ffoi'r system ac osgoi canfod. Mae dysgu peirianyddol yn offeryn pwysig ar gyfer canfod ymosodiadau gwrthwynebus, ac mae eglurdeb lefel ddynol o ganlyniadau canfod yn parhau i fod yn agored i ymchwil yn diogelwch IoT. 

Nod y prosiect hwn yw mynd i'r afael â'r heriau allweddol hyn i sicrhau systemau IoT yn y dyfodol gyda dulliau dysgu peiriannau creadigol trwy Ymchwilio i ddulliau dosbarthu ffrydio data ar gyfer canfod mathau hysbys o ymosodiadau a'u hamrywiolion yn effeithiol yn y dyfodol; Datblygu algorithmau dysgu peiriannau rhatach cyfrifiadurol yn ogystal â chadernid yn erbyn ymosodiadau clustfeinio; Optimeiddio'r polisi dadlwytho mewn amgylcheddau radio deinamig i ddosbarthu'r llwyth cyfrifiadurol gorau dros gwmwl, dyfais ac ymyl; Ymchwilio i dechnegau dysgu peiriant gwrthwynebol i fynd i'r afael â strategaethau newidiol ymosodwyr;  Dehongli canlyniadau rhagfynegi i gefnogi dynol i gymryd camau dibynadwy

Contact Details

Email LiY180@caerdydd.ac.uk
Telephone +44 29208 75317
Campuses Abacws, Ystafell 4.59, Ffordd Senghennydd, Cathays, Caerdydd, CF24 4AG