¿Cuáles son los campos de la ingeniería eléctrica donde podemos encontrar aplicaciones de aprendizaje automático?

Answer 1

Prácticamente todos los campos de la ingeniería eléctrica han sido tocados por el aprendizaje automático en los últimos años. La ingeniería eléctrica es una disciplina muy cuantitativa que estudia algunos de los sistemas más complejos del planeta, que producen montones de datos interesantes que aún no entendemos completamente. Naturalmente, un campo basado en datos como el aprendizaje automático encuentra muchas aplicaciones en ingeniería eléctrica.

Profundicemos en algunas de las áreas importantes de la ingeniería eléctrica y veamos cómo se ha utilizado el aprendizaje automático en cada una de ellas.

Ingeniería de la Energía

Las redes eléctricas modernas se han vuelto extremadamente complejas con millones de dispositivos (que consumen energía variable) y muchas más interconexiones. El aumento en la generación de energía renovable agrega un nivel de incertidumbre nunca antes visto al sistema, dependiendo de factores incontrolables como el clima. Para que la red permanezca operativa a pesar de todo esto, necesitamos algoritmos de aprendizaje automático que predicen los flujos de energía y detecten fallas basadas en los datos recopilados por sensores como medidores inteligentes. Mejorar la resistencia de la red eléctrica mediante algoritmos basados ​​en datos es actualmente un área activa de investigación dentro de la ingeniería energética. [1]

Ingeniería de control

Mucha teoría en sistemas de control trata con sistemas lineales, o sistemas que pueden ser reducidos / aproximados a sistemas lineales. Los sistemas no lineales (que incluyen la mayoría de los sistemas del mundo real) son notoriamente difíciles de analizar. Un subcampo creciente [2] sobre control basado en el aprendizaje automático tiene como objetivo abordar este problema mediante enfoques basados ​​en datos. Las técnicas de ML como el aprendizaje por refuerzo encuentran muchas aplicaciones directas en la ingeniería de control.

Procesamiento de la señal

El procesamiento de señales es quizás el campo con la mayor superposición con el aprendizaje automático, en toda la ingeniería eléctrica. Los equipos de investigación en muchas universidades importantes como CMU [3] y Michigan [4] están trabajando en esta intersección, y la Universidad de Wisconsin-Madison incluso ofrece un programa de maestría [5] en ML y procesamiento de señales. Ambos campos comparten muchas aplicaciones comunes como reconocimiento de patrones, procesamiento de imágenes, procesamiento de voz / audio, compresión de datos, etc.

Telecomunicaciones

Las telecomunicaciones son otra área que está encontrando mucho uso para el aprendizaje automático. Las redes inalámbricas de próxima generación serán drásticamente diferentes de las generaciones anteriores debido a los albores de Internet de las cosas (IoT), la comunicación de máquina a máquina (M2M) y un nuevo estándar inalámbrico (5G). Las tecnologías de telecomunicaciones de vanguardia como la radio cognitiva, MIMO masivo, HetNets, etc., toman mucha teoría del aprendizaje automático. La teoría de la información, desarrollada originalmente por Shannon como una teoría matemática de la comunicación, ahora se usa ampliamente en el aprendizaje automático.

Microelectrónica

El aprendizaje automático se utiliza cada vez más para el modelado electrónico y la optimización del diseño. [6] Identificar las fuentes de falla en los circuitos microelectrónicos modernos es una tarea desafiante que a veces va más allá de nuestras capacidades actuales de modelado. Los enfoques basados ​​en datos pueden ayudar a superar este problema. La optimización del circuito basado en el aprendizaje automático también se está haciendo cargo silenciosamente de la optimización basada en la simulación.

Además, ha habido una creciente investigación sobre el diseño de hardware especializado para aplicaciones de aprendizaje automático [7], por ejemplo, la Unidad de Procesamiento de Tensor (TPU) de Google.

————— xxx —————

Además de estas áreas, el aprendizaje automático también se aplica a la electromagnética [8], la óptica [9] y la ingeniería biomédica [10]. En el mundo actual basado en datos, el aprendizaje automático se ha vuelto omnipresente en todas las ramas de la ingeniería.

Notas al pie

[1] https://www.nrel.gov/esif/assets…

[2] Control de aprendizaje automático – Wikipedia

[3] Universidad MLSP Carnegie Mellon

[4] Procesamiento de señales e imágenes y aprendizaje automático

[5] Maestría en Ciencias, Aprendizaje Automático y Procesamiento de Señales – Facultad de Ingeniería – Universidad de Wisconsin-Madison

[6] http://publish.illinois.edu/adva…

[7] https://arxiv.org/pdf/1612.07625…

[8] Máquinas de vectores de soporte para procesamiento de matriz de antena y electromagnética

[9] http://ieeexplore.ieee.org/docum…

[10] Aprendizaje automático en salud

Answer 2

Difícil de decir específicamente.

Machine Learning (ML) es un conjunto de herramientas utilizado para diseñar sistemas para producir una salida deseada para una entrada deseada.

El aprendizaje automático ha tocado todos los campos y específicamente la ingeniería eléctrica.

Control Engineering puede hacer uso de ML para resolver problemas que no son tan fáciles de hacer. Vehículos autónomos, los sistemas de misiles hacen un uso intensivo de ML.

Industry Automation puede diseñar máquinas inteligentes para automatizar muchas tareas con ML.

El procesamiento de señales es otro dominio que ha sido influenciado en gran medida por ML. Ya sea reconocimiento de voz o compresión de datos, ML nos tiene cubiertos.

Es un campo interdisciplinario y puede usarse en cualquier campo. Simplemente no puede señalar un tema en particular. En cualquier lugar es difícil diseñar un sistema mediante métodos analíticos tradicionales que ML puede ayudar. ML básicamente hace que el sistema aprenda y se adapte al rendimiento óptimo al experimentar a partir de los datos introducidos en el sistema.