대학원생 Max Li는 지난 여름 NASA에서 환경 변화에 자동으로 적응할 수있는 위성 커뮤니케이션을 제공하는 시스템에서 일하면서 12 월에 전기 및 컴퓨터 공학 석사 학위를받은 후 직무 전망에 도움이 될 것임을 알고 있습니다.
Max Li (왼쪽) 및 Alex Wyglinski
"분명히 NASA라는 이름은 확실히 도움이됩니다."
LIE는 NASA에서 3 주를 보냈습니다John Glenn Research Center클리블랜드에서 기계 학습 시스템을 구동하는 알고리즘 작업. 이 시스템은 몇 년 전에 무료 슬롯 게임에서 개발되었으며 펜실베이니아 주립 대학의 대학원 동료가 클리블랜드 사이트에서 구현했습니다.
시스템에는 정보를 국제 우주 정거장으로 보내는 지구 기반이 포함되어 있으며, 그 후 지구로 다시 전송됩니다.
"프로젝트는 기계 학습을 사용하여 라디오 매개 변수를 지능적으로 변경하여 다양한 환경 상황에 적응하는 통신 시스템을 가질 수 있도록하는 것입니다. "우리는 주로 위성과지면 사이의 [통신]에 대해 생각하고 있습니다. 우주 정거장은 위성의 시뮬레이션입니다. 우주 정거장을 테스트 플랫폼으로 사용하고 있습니다..
"아이디어는 우리가 기대하지 않았던 환경에 변화가 있다면 시스템이 조정하고해야 할 일을 배울 수 있다는 것입니다. 기계 학습이 들어오는 곳입니다.".
무료 슬롯 게임에서 개발 된 시스템
Li는이 시스템의 이론은 2017 년에 전기 공학 박사 학위를 취득한 Paulo Ferreira에 의해 무료 슬롯 게임에서 개발되었다고 말했다.
Li는 약 1 년 전에 교수로부터 배우고 나서 프로젝트에 합류했습니다프라그마틱 슬롯 | 우스터, 그의 교수 고문은 Ferreira가 무료 슬롯 게임를 떠나고 있다고 말했다. Wyglinski와 그 노력에 관련된 다른 사람들은 연구를 계속하고 싶었습니다.
NASA는 프로젝트를 계속하기 위해 연구 아이디어를 요청하고 무료 슬롯 게임와 Penn State 간의 협력 인 제안에 대한 보조금을 수여했습니다.
이번 여름에 Li가 그의 주인의 논문의 기초가되었습니다.
"나는 알고리즘의 개선을 실험하기 위해 거의 노력했다"고 Li는 말했다. "그것은 우리가 1 년 전에 얻은 것의 개선 인 것 같습니다. 일이 작동하는 방식 때문에 흑백과 같지 않지만 더 잘하고있는 것 같습니다."
Li는 NASA 사이트에서 일하는 것을 즐겼다 고 말합니다.
"나는 클래스 워크 유형의 물건 이상의 방식으로 머신 러닝과 함께 일할 수있는 원시 기술을 가지고 있으며 이미 진행중인 프로젝트에 들어가서 그것을 알아 내고 내 위치를 파악하고 개선 할 수있는 능력을 가지고 있다고 생각합니다." -max li
"그것은 실제로 많은 기계 학습을 맥락화하는 데 도움이되었습니다. 만약 내가 스스로하려고 노력한다면, 반드시 그들 뒤에 그 많은 추론을 가지고 있지 않은 애완 동물 프로젝트를 수행 할 것입니다.이 프로젝트에 대한 작업은 실제로 유용한 것입니다..
"실제 NASA 화합물로가는 것은 모든 보안과 물건을 기반으로하는 것이 흥미로 웠고 실제로 테스트 시설을 볼 수있었습니다. 사람들이 그곳에서하고있는 일을 보는 것을 보는 것은 꽤 시원했습니다."Li는 말합니다..
수학과 과학에 끌리는
Li는 항상 수학과 과학 관련 무언가를하고 싶다는 것을 알고 있다고 말했습니다. 매사추세츠 주 앤도버 (Andover)의 23 세의 리 (Li)는“나는 또한 실제로 사물을 만드는 데 도움이된다는 점에서 엔지니어링에 대한 아이디어를 좋아한다.슬롯 머신 엔지니어링2017 년 무료 슬롯 게임에서.
his주요 예선 프로젝트, "다목적 항공 소프트웨어 정의 라디오"는 5 인 팀의 일환으로 스펙트럼 감지를위한 공중 플랫폼을 개발하기 위해 일하면서 분실 된 등산객 위치 및 채널 모니터링에 사용될 수있었습니다. ECE의 최종 후보Provost MQP Award.
"무료 슬롯 게임에서의 시간은 훌륭했습니다." "모든 프로젝트는 매우 도움이되었습니다."
그의 무료 슬롯 게임 연구는 Woburn의 시스템 및 기술 연구에서 신호 처리 인턴으로 일하고 WPL의 신호 처리 및 정보 네트워킹 실험실의 학부 연구 조교로 일하면서스핀 랩.
Li는 NASA에서의 작품이 자신이 개발 한 지식과 기술을 강조했다고 말합니다.
그를 위해 NASA 경험은 "매우 복잡한 시스템으로 일하고 스스로 드라이브를하고 무슨 일이 있었는지 스스로 가르 칠 수있는 실제 적용된 예입니다..
"나는 클래스 워크 유형의 물건 이상의 방식으로 머신 러닝과 함께 일할 수있는 원시 기술을 가지고 있다고 생각하며, 이미 진행중인 프로젝트에 들어가서 그것을 파악하고 내 위치를 파악하고 개선 할 수있는 능력".
- Thomas Coakley에 의해
