澳门太阳集团9728网站
信息技術研究生論壇
時間：2022年6月19日（星期日）18:00-21:00
地點：騰訊會議 996728783
報告題目一：人體關鍵點檢測算法研究
報告人：蘇豪勝
報告簡介：姿态估計是計算機視覺領域中的基礎性課題。相關研究成果對計算機理解現實中的物體、人物對感知以及認知有着至關重要的作用。近年來，随着人們對于計算機視覺技術智能水平需求的不斷提升，圖像理解研究也在朝着更高智能化、更拟人的方向發展。目前，圖像理解以最新的人工智能、機器學習研究成果為核心，旨在實現更深層次、更接近人類認知的圖像語義理解。它的研究重點在于圖像場景的理解，人與物體的交互活動識别，以及圖像主題、圖像主要内容的自動生成等。
報告題目二：群體智能算法研究現狀及經典算法介紹
報告人：陳永發
報告簡介：首先介紹群體智能算法的相關背景和研究現狀，與傳統的确定性優化方法相比，群體智能算法可以通過直觀、行之有效的搜索方式求解複雜的優化問題，并在工程、農業和生命科學等領域得到廣泛應用。介紹集中經典的群體智能算法，包括粒子群算法（Particle Swarm Optimization,PSO）、烏鴉搜索算法（Crow search Algorithm，CSA）、煙花算法（Fireworks Algorithm，FWA）、教與學算法（Teaching-learning-based optimization,TLBO），通過經典案例使大家對群體智能算法有初步認識。報告詳細介紹了一種改進的被囊群算法（Tunicate Swarm Algorithm，TSA），通過引入雜交變異策略、量子行為策略、群體學習策略，使被囊群算法在算法搜索精度、收斂速度、魯棒性方面表現優秀。
報告題目三：基于DBNet與CRNN的面标識别方法研究
報告人：董維振
報告簡介：首先介紹在冶金文本識别領域中的相關背景和主要方法和技術。當前，基于深度學習的文本識别研究愈加廣泛，在工業領域具有良好前景。 報告詳細介紹了一種基于深度學習的可微二值化算法網絡和卷積遞歸神經網絡， 通過引入高效通道注意力機制無效特征進行抑制，采用多種特征融合技術提升多尺度目标的能力，并通過改進CNN的特征提取網絡提升了訓練精度和網絡收斂速度。
報告題目四：數據驅動優化控制及其在汽車零部件柔性生産過程監控中的研究
報告人：陳永聰
報告簡介：首先介紹實現汽車零部件柔性生産的相關背景和課題來源。在基于數據驅動優化控制的生産過程監控方法受到廣泛關注，針對汽車零部件柔性生産過程中數字化設備運行監控問題，按照數據融合-虛實建模-仿真預測-智能調控的思路，着重研究了數字孿生數據融合及建模方法、基于演化深度置信神經網絡的非線性系統建模、高維多目标優化及決策、加工中心反向間隙誤差值預測。而基于分解的複雜生物地理學優化算法框架，采用均勻分布的權向量和均值聚合方法，将高維優化目标分解成多個子系統，，但目前研究較少且仍有許多不足。報告詳細介紹了深度神經網絡的數據驅動優化控制方法，利用離散樣本數據，通過深度網絡中強大的非線性因素，可以深度地抽象出特征，實現數字化生産過程和設備監控的建模，特征的準确分類和預測，從而更好地解決建模、優化控制及預測等問題。
報告題目五：基于組合學習的出入境人員“三非”風險評估
報告人：曾敬
報告簡介：首先介紹深度學習、集成學習、組合學習在風險評估的相關背景和課題來源。嘗試将深度學習與Boosting模型結合起來組成串聯結構的組合學習模型。具體做法是将深度神經網絡的隐藏層作為“特征提取器”，将原始變量轉化為更高層抽象特征後輸入LightGBM和CatBoost集成模型進行訓練。結果表明，組合學習的方法對模型效果有明顯提升。
報告題目六：基于多策略的麻雀搜索算法的RFID網絡優化
報告人：張江波
報告簡介：通常在RNP問題中存在如閱讀器數量不确定、閱讀器幹擾率高、經濟效益差和魯棒性不強等問題，為了解決這個問題。首先利用蜉蝣算法（MA）思想将麻雀搜索算法（SSA）初始種群一分為二并用Circle混沌映射初始化種群以增加種群多樣性和算法初期探索能力，然後在發現者公式中引入慣性系數用于平衡全局和局部搜索。其次為了解決SSA算法後期易陷入局部最優解的問題，在加入者公式中引入Lévy飛行，然後利用MA思想對種群進行交叉合并保留更好的種群。實驗結果表明MASSA與其他算法相比，不僅有良好的性能，還有更好的經濟性和魯棒性。
報告題目七：頻率跟蹤技術在超聲波電源中的研究
報告人：崔利娟
報告簡介：功率超聲技術在國内已經發展了數十年之久，超聲波電源也經曆了幾代方案的疊代發展，但是其在技術上仍然存在很多的問題，例如體積大、成本高、轉換率低等，最主要的是頻率跟蹤技術的不完善，導緻超聲波電源不穩定，經常出現超聲換能器機械振動輸出低，甚至無輸出情況。近年來電源技術的幾次革命性發展，已經解決了逆變電路輸出不穩定的問題，這在一定程度也改善了超聲波電源輸出的穩定性。但是受超聲換能器負載特性的影響，周邊環境的變化、振動疲勞、溫升提高、老化磨損等因素導緻超聲換能器負載參數發生變化，從而出現換能器負載的諧振頻率發生漂移，此時需要超聲波電源及時的調整輸出頻率，以便使得超聲換能器始終工作在諧振頻率處，才能保證最大的機械效率輸出，否則容易出現失諧現象，機械振動效率大大降低。本文通過對現有技術的研究分析和仿真，提出一種更适合跟蹤頻率的方法。
報告題目八：動力電池管理系統工作原理及應用
報告人：何璐
報告簡介：目前，我國新能源汽車發展迅速，BMS（電池管理系統）作為新能源汽車不可或缺的重要部件之一，是管理和監控動力電池的中樞，它主要的功能包括電池物理參數實時監測、電池狀态估計、在線診斷與預警、充放電與預充控制均衡管理、熱管理等等，可以達到增加續駛裡程、延長使用壽命、降低運行成本的目的，并保證動力電池組應用的安全性和可靠性 。其中，動力電池SOC和SOH估計是電池管理系統的核心功能之一，由于動力電池具有可測參數量有限且特性耦合、即用即衰、強時變、非線性等特征，車載環境複雜，高精度、強魯棒性的SOC和SOH估計極具挑戰，具有着很大的研究發展空間。
報告題目九：計算機視覺技術在無人駕駛中的研究
報告人：王棟
報告簡介：早期無人駕駛車輛主要應用激光雷達傳感器，近些年來計算機視覺發展迅速，低成本的視覺傳感系統在無人駕駛領域也得到廣泛的應用，視覺SLAM技術更是将研究推向了一個新的高度，成為無人駕駛領域重要的研究方向。其研究有利于實現低成本高量産的無人車産業化解決方案，因此提升視覺傳感技術的穩定性和精确性是實現無人駕駛車輛達到量産的關鍵。而近些年來随着計算機系統的不斷優化，對計算機視覺算法的不斷研究以及傳感器設備性能的不斷完善，大大穩固了無人駕駛領域對于視覺傳感系統以及視覺SLAM技術的應用。特斯拉可以說是純機器視覺路線的代表了，如今幾乎所有的特斯拉汽車都配備了攝像頭來實現Autopilot自動輔助駕駛。特斯拉CEO馬斯克曾在“Autonomy Day”産品發布會上炮轟“用激光雷達的都是傻子”，他認為從依靠攝像頭的純視覺算法已經可以完成自動駕駛，不必使用價格高昂的激光雷達。依靠着目前所有在路上跑的特斯拉汽車進行數據搜集，特斯拉在技術落地和數據搜集量上做到了領先同行的水準。通過研究計算機視覺技術在無人駕駛中的應用，是未來無人駕駛取得巨大進步的關鍵之一。
報告題目十：基于word2vec的數據預處理研究
報告人：陳瑞霞
報告簡介：在社交網絡中,可以通過做用戶的人口學标簽,用戶的興趣标簽,甚至是用戶畫像信息等多方面的信息挖掘對用戶的深層了解。但是對用戶的社交關系也就是拓撲特征并不容易得到;當用戶基數非常大時,能最完整的表達整個社交關系的鄰接矩陣方式卻不能方便的用來做分析和機器學習任務;如果通過設計一些統計指标,比如好友數、Kcore、Pangerange等來表達用戶的拓撲特征又顯得乏力。本研究利用word2vec和embedding方法對時序數據進行數據預處理，并改進word2vec方法，用于處理社區網絡數據，為數據分類打下基礎。
報告題目十一：NOMA傳輸中能量采集無線傳感器網絡的中斷性能分析
報告人：雷昆成
報告簡介：首先介紹NOMA上行鍊路數據傳輸與OPMA上行鍊路數據傳輸的優缺點。其次闡述NOMA于RF能量收集與數據包發送系統中的應用，基于NOMA的RF能量收集系統模型，信道假設。最後介紹NOMA上行鍊路技術下，數據傳輸效率，能量收割時間，信噪比，傳輸距離等對中斷概率的影響，從中得出中斷概率首先随着能量收割時間的增加而下降，而後有上升，分析其原因，并給出一種有效的分配能量收集時間和數據包傳輸時間方法，以至于可以找到中斷概率最優的時間點。
歡迎廣大師生踴躍參加！
