澳门太阳集团9728网站

信息技術研究生論壇

時間：2022年6月23日（星期四）19:00-22:00

地點：澳门太阳集团9728网站807B教室

報告題目一：元學習中的關系探索與研究

報告人：張鴻銘

報告簡介：為了使機器學習算法具備快速學習的能力，元學習近年來取得了廣泛的關注并且已經在諸如圖像分類、問答系統和健康風險預測等多種應用中取得了顯着的成功。然而，任務的異質性和對訓練任務的過拟合限制了當前元學習的泛化能力。 在本次演講中，我将首先介紹兩個提高元學習泛化能力的一般規則：結構化與數據增強。然後，我将介紹使用每個規則的幾個具體實例，包括連續結構化任務的算法，克服任務過拟合簡單方法以及幾個實際應用。最後，我将讨論潛在的挑戰以及一些未來研究方向。

報告題目二：基于車路協同的無人駕駛感知信息傳輸控制研究

報告人：劉宏彪

報告簡介：當涉及到無人駕駛車輛技術的發展時，感知是一個關鍵問題。而由于無人駕駛汽車的自身感知範圍有限，不得不借助其他車輛或道路基礎設施所感知到的信息來滿足自身的決策。本報告将介紹車與車之間和無人駕駛汽車與RSU之間的協同感知工作以及相關的感知信息傳輸策略，對以往的感知信息傳輸策略研究進行回顧。并結合和本人之前工作中介紹的軌迹預測任務，針對在真實的車路協同場景中，對如何在軌迹預測任務中如何控制RSU生成的感知信息的與無人駕駛車輛之間的信息交互進行講解。報告最後将對在不同的車輛行駛環境中感知信息傳輸所面臨的潛在問題和未來研究思路進行展望。

報告題目三：卷積知識追蹤：學生學習過程中的個性化建模

報告人：黃欣悅

報告簡介：随着在線教育系統的發展，越來越多研究工作聚焦于知識追蹤（Knowledge Tracing, KT）。KT旨在評估學生不斷變化的知識狀态，以此判斷學生對知識的掌握程度從而提供個性化的指導。然而，以往的知識追蹤研究忽略了學生的個性化差異，即沒有考慮到每個學生的先驗知識與學習率都有所不同的情況。為此，本報告主要介紹一種新的知識追蹤模型——卷積知識追蹤，該模型能更好地對學生的學習過程進行個性化建模。本次報告将以最基本的深度知識追蹤模型作為起點，進一步介紹卷積知識追蹤模型，并做深入闡述和比較分析。報告最後将讨論現有知識追蹤模型存在的挑戰，并對卷積知識追蹤模型未來研究進行展望。

報告題目四：基于區塊鍊的車聯網數據共享研究

報告人：謝林岩

報告簡介：随着區塊鍊技術的發展，區塊鍊已經與越來越多的物聯網技術相融合，車聯網是其中的一個重要分支。區塊鍊技術與車聯網相結合，在促進車聯網數據共享和隐私保護改善方面擁有巨大的潛力，但使用區塊鍊技術如何保證車聯網數據安全共享仍存在一定問題。本報告對區塊鍊和車聯網技術融合的最新研究與車聯網數據共享的應用進行了系統的整理和分析。首先，總結歸納傳統車聯網數據共享模型并分析其特點；其次，從共享數據可靠性、共享數據安全性、激勵機制、訪問控制、可擴展性和儲存方式六方面介紹基于區塊鍊的車聯網數據安全共享現狀；最後，讨論了該領域未來研究發展的方向，并對解決車聯網中數據共享安全問題提出解決思路。

報告題目五：教育同行互評中挖掘文本信息的研究

報告人：楊攀原

報告簡介：随着大規模的在線開放課程(MOOCs)的流行，一門課程的參與人數可以達到成千上萬人。這對主觀題目作業的批改工作帶來了巨大的負擔。同行互評，作為目前一種主流的解決大規模作業批改的方式，對于學生學習有幾個優勢。然而，這些優勢隻能通過高質量的反饋才能得到實現。如果在互評的反饋中包含有具體的建議，并且這些建議對被審查人來說是合理的，那麼這些建議就是培訓審查人解決問題能力的中介，同行互評帶來的好處也不僅僅是問題本身。本研究提出了幾種檢測建議的神經網絡方法，并将其與傳統的自然語言處理(NLP)方法，如基于規則的技術，以及過去的機器學習方法進行了比較。最後，報告總結了教育領域的其他文本信息的獲取及展望。

報告題目六：混合式隐形評估框架提升學生學習能力模型的研究

報告人：錢韋偉

報告簡介：近年來，基于個性化的學習在創造吸引人且有效的學習體驗方面表現出了巨大的潛力。如何根據學生學習情況動态的定制學習中的挑戰，并且幫助老師掌握學生的學習情況？要解決上述問題，就要預測學生對知識概念的掌握情況。本報告将對以往預測學生對知識概念的相關研究進行回顧，并介紹一種混合隐形評估框架。該框架旨在通過學生與學習環境的互動來預測學生對概念的掌握情況，利用觀察到的學生行為，以及學生學習過程中遇到的挑戰和會話的特征來預測學生在知識概念上的學習結果。報告的最後将對混合隐形評估框架未來的研究進行展望。

報告題目七：下次旅行推薦的位置嵌入

報告人：舒雅婷

報告簡介：社交媒體和專門博客上的信息量對用戶計劃旅行很有用。然而，用戶很快就被提供給他的可能性列表所淹沒，這使得他的搜索更加複雜而耗時。推薦系統旨在通過利用不同類型的信息，為用戶提供個性化的建議，從而幫助他們進行決策過程。最近，神經網絡和知識圖的使用已被證明是有效的項目推薦。在我們的工作中，我們提出了一種利用上下文、協作和内容信息的方法，以便向旅行者推薦個性化的目的地。我們将我們的方法與一套最先進的協同過濾方法和基于深度學習的推薦系統進行了比較。

報告題目八：緊急情況下的自動駕駛決策關鍵技術研究

報告人：韓金磊

報告簡介：

無人駕駛汽車是當前學術界和工業界的研究熱點，安全性是自動駕駛任務中人們最關注的問題之一，加強車輛應對緊急交通情況的能力是提升道路安全的重要方面。本次報告總結了自動駕駛領域決策的相關研究，并探讨不同決策方法在緊急交通情況下的适用性；此外，報告總結了緊急情況下自動駕駛決策的關鍵技術點，并讨論了未來的研究方向。

歡迎廣大師生踴躍參加！