澳门太阳集团9728网站

信息技術研究生論壇

場次一

時間：2022年06月27日（星期一）19:30-21:30

地點：澳门太阳集团9728网站308A教室

 

報告題目一：雲邊協同環境下基于深度強化學習的邊緣端緩存優化

報告人：曹翔

報告簡介：當前基于多公有雲環境的移動邊緣計算和物聯網場景中，随着邊緣端物聯網設備的數量規模越來越龐大，5G移動網絡的普及以及邊緣端物聯網設備計算能力的逐漸增強，雲端數據中心與邊緣物聯網設備之間的通信流量也随之倍增，常規的雲數據中心越來越難以快速響應用戶的海量請求且相互之間的數據協同效率也較低，因此，能夠使得雲端和邊緣協同交互，提高系統運行效率的雲邊協同系統就成為了行業内的研究熱點。我們提出了一種基于DRL的緩存分配和替換方法，将邊緣服務器中的存儲空間劃分為n個大小相等的切片并通過DRL算法合理分配這些空間以實現緩存命中率最大化和上下行流量的最小化，由于缺乏足夠的信息來構建全局環境，因此通過在線優化和純數據驅動的方式來訓練和運行我們的算法。

 

 

時間：2022年06月27日（星期一）19:30-21:30

地點：澳门太阳集团9728网站308A教室

 

報告題目二：基于自注意力機制的日志解析器

報告人：喻思宇

報告簡介：日志可以幫助開發人員及時診斷軟件系統故障。日志解析器将半結構化日志解析為結構化日志模闆，是自動日志分析的第一個組件。然而，幾乎所有現有的日志解析器的泛化能力都很差，并且隻适用于特定的系統。此外，大多數解析器需要完整的詞彙表，因此無法支持詞彙表外（OOV）單詞。這些限制可能會導緻錯誤的日志分析結果。我們觀察到，日志被表示為半結構化的自然語言，我們可以将日志解析視為自然語言處理任務。因此，我們提出了一種新的日志解析器Semlog，它不需要特定系統的領域知識。對于日志，常量和變量詞對日志語義的貢獻不同。我們對一個基于自我注意的模型進行預訓練，以構建它們的語義貢獻差異，然後基于預訓練模型提取日志模闆。我們在16個基準數據集上進行了廣泛的實驗，結果表明，Semlog在解析精度上優于最先進的解析器9.6%。

 

時間：2022年06月27日（星期一）19:30-21:30

地點：澳门太阳集团9728网站308A教室

報告題目三：基于知識蒸餾的邊緣智能服務推理加速技術

報告人:覃潤冰

報告簡介：随着新型信息技術和應用的發展，網絡連接設備數量、異構數據規模、實時 應用類型等不斷增長，傳統的雲計算模式在可靠性、可持續性、智能性、應用模型等面臨新挑戰。邊緣計算特點是計算資源更接近網絡邊緣或終端設備，在靠近數據源或用戶的地方提供計算、存儲等服務，以适應更低時延、更廣連接、更智控制等需求，然而目前常用的深度神經網絡（ResNet、AlexNet、VGG等）的參數較多，推理過程的計算量也非常大，需要耗費更多的能量和空間知識蒸餾作為一種特殊的模型壓縮方法，相比于傳統方法在網絡結構上對模型進行壓縮，知識蒸餾則是通過設計階段對模型進行限制。需要使用到兩個網絡模型，一個是預先已經訓練完成的複雜且準确度較高的模型，被稱為教師模型，一個是未訓練的小模型，被稱為學生模型，使用知識蒸餾技術實現智能服務的推理加速。

 

時間：2022年06月27日（星期一）19:30-21:30

地點：澳门太阳集团9728网站308A實驗室

報告題目四：基于圖結構學習和圖注意網絡的多元時間序列異常檢測

報告人:塗歡

報告簡介：在面向智能運維的集群環境中，大量軟件與服務被關鍵性能指标（KPI）采集組件所監控， KPIs作為一種多元時間序列數據，其異常檢測對實體的服務質量管理至關重要。近年來，深度學習方法在多元時間序列的異常檢測方面有了很大改進。然而，現有方法未充分考慮如何顯式地捕獲多元時間序列在特征維度和時間維度的關聯關系，導緻不可避免的異常誤報。因此，本報告拟圍繞上述問題，講解圖結構學習和圖注意力網絡在多元時間序列異常檢測領域的應用，以達到較低的異常誤報率和良好的模型可解釋性，且能用于輔助異常診斷和根因分析。

 

 

時間：2022年06月27日（星期一）19:30-21:30

地點：澳门太阳集团9728网站308A實驗室

報告題目五：基于sac模型的邊緣緩存技術

報告人：張钰

報告簡介：SAC模型是發布于2018年，是強化學習領域近期重要的裡程碑。SAC是off-policy的，且使用的是stochastic policy，SAC的一個主要特征是entropy regularization 熵正則化。本次報告基于SAC作者提供的源代碼簡單明了的分析SAC模型的整體結構，并基于SAC建立一種對工業互聯網中瞬态數據的緩存替換策略，對邊緣服務器之間的協作緩存進行研究，在網絡狀态動态變化中保持良好的緩存性能。

 

時間：2022年06月27日（星期一）19:30-21:30

地點：澳门太阳集团9728网站308A實驗室

報告題目六：一種低冗餘計算的深度神經網絡推理方法

報告人:劉康康

随着自動駕駛、語音助手等諸多新型智能應用的湧現，深度神經網絡收到了越來越廣泛的關注。深度神經網絡模型随着性能的提高也變的越來越大，而“固定深度”的網絡架構在推理過程中對于某些簡單的實例因“過度推理”出現了冗餘計算。早期退出網絡作為一種自适應推理的新興方向受到了廣泛的關注，目前許多學者研究了基于早起退出機制的多分支深度神經網絡，但多分支網絡在當前出口無法退出時會産生額外的工作負載開銷，我們提出了一種自适應深度神經網絡推理方法，指導深度神經網絡推理過程中的執行過程，尋找最優化的退出位置分支，減少平均計算時延和能量損耗；同時在深層網絡分支出口使用集成學習提高推理精度。

 

 

 

 

 

時間：2022年06月27日（星期一）19:30-21:30

地點：澳门太阳集团9728网站308A實驗室

報告題目七：移動邊緣雲中DNN分區和調度的協作式推理加速策略

報告人:徐文秀

報告簡介：5G的大規模商用加速了移動邊緣計算(MEC)中DNN推理服務的落地。DNN推理作為一種計算與數據密集型智能服務對時延高度敏感。近年來，基于DNN劃分的協作式推理調度策略在MEC中取得了較好的服務加速效果。然而，現有協作式推理加速策略往往以犧牲推理精度為代價，且未充分考慮并發請求間的資源競争關系，無法為用戶提供低時延、高精度的推理服務。針對這一挑戰，我們利用移動設備(MDs)-邊緣服務器(ESs)協作推理方式，将加速問題轉化為DNN劃分和調度兩個過程，提出了一種基于DNN劃分和調度的協作式推理服務加速策略，從而最小化服務時延。

 

時間：2022年06月27日（星期一）19:30-21:30

地點：澳门太阳集团9728网站308A實驗室

報告題目八：基于向量維度劃分和面積計算的線性相關性算法設計

報告人:龐力源

報告簡介：随着測序技術和方法的不斷發展以及測序成本不斷的降低,越來越多的科學工作者會通過轉錄組測序得到海量的基因數據,如何對得到的基因數據進行研究和從海量的基因中挖掘出與研究内容相關的基因，成為轉錄組測序數據研究過程中衆人矚目的關注點。基因共表達（Gene co-expression）是一種使用大量基因表達數據構建基因間的相關性，從而挖掘基因功能的一類分析方法。我們提出一種相關性計算的方法，從兩個向量的維度劃分和兩個向量的散點圖空間分布的角度計算兩個向量的相關性。本方法緻力于克服皮爾遜相關系數（pearson correlation coefficient）易受離群點影響和斯皮爾曼相關系數（Spearman correlation coefficient）隻關注向量之間單調性的特點，在皮爾遜相關系數和斯皮爾曼相關系數評價為相關的基因群中發掘高相關的基因，從而更好、更準确的構建基因關系網絡，從海量的基因中挖掘出與研究内容相關的基因。

場次二、

時間：2022年6月27日（星期一）13:00-15:00

地點：澳门太阳集团9728网站一樓報告廳

報告題目一：基于改進Yolov5的熱軋帶鋼缺陷檢測

報告人：李順

報告簡介：鋼材是一種十分常見的工業原料，在日常生活和工業生産中有着日益廣泛的應用。但在實際生産熱軋帶鋼的過程中，會因為生産工藝的缺陷使得熱軋帶鋼表面會出現各種各樣的缺陷，如夾雜、劃痕、壓入氧化皮、裂紋、麻點和斑塊等表面缺陷，嚴重影響了生産産品的質量、外觀。傳統的熱軋帶鋼檢測方法是通過生産工人的肉眼觀測，但人工檢測容易受主觀因素影響，生産實踐不夠的工人往往會有較低的識别率，有檢測速度慢、缺乏一緻性等缺點；并且檢測工人在光反射下長時間檢測對視力影響極大。

近年來深度學習領域技術發展突飛猛進，各大工廠将視線慢慢投入智能化檢測的方向，将深度學習應用于工業瑕疵診斷，結合深度學習的方法不僅大大加快了檢測速度，檢測準确率也會随之提高，并且節省了大量的人工成本，在實際生産中已經得到了廣泛的應用。程婧怡等人則基于針對金屬表面目标尺寸小、特征不清晰的問題提出了一種改進YOLOv3方法進行缺陷檢測。王勇等提出了一種基于YOLOv4的方法對鋸材表面活節、死節、裂紋、蟲眼等瑕疵進行了檢測。相較于其他目标識别算法，熱軋帶鋼缺陷檢測的過程中會存在熱軋帶鋼表面缺陷大小不一，且分布不均、原始算法定位困難、瑕疵種類多、一張圖像可能存在兩種以上的瑕疵、檢測過程中可能會有漏檢的情況發生，YOLOv5有更快的檢測速度與更高的檢測精度。

報告題目二：推薦系統中的負采樣優化策略研究

報告人：李慶華

報告簡介：推薦系統的目的在于根據用戶的興趣愛好向用戶進行個性化推薦，以提升用戶體驗。在推薦場景中，推薦模型主要依賴用戶的曆史反饋信息來建模用戶的興趣。一般來說，在模型訓練過程中，我們需要同時提供正樣本和負樣本給模型，然後基于損失函數來學習用戶和商品的表示，最終完成模型的訓練。但在實際推薦場景中，考慮到數據收集的難度，我們很難獲取用戶的顯式反饋信息來确切知道用戶喜歡哪些商品，不喜歡哪些商品，絕大部分的數據都是用戶的隐式反饋信息。負采樣(negative sampling)是從大量的無标簽數據中獲取負樣本标簽比較常用的方法。報告詳細介紹了負采樣目前研究中的不足，提出一種新穎的負樣本采樣思路。

報告題目三：注意力機制在各類神經網絡算法中的應用研究

報告人：龍泉劍

報告簡介：首先介紹注意力機制的相關背景和課題來源。在基于神經網絡算法中，在計算能力有限的情況下，将計算資源分配給更重要的任務，同時解決信息超載問題的一種資源分配方案。在神經網絡學習中，一般而言模型的參數越多則模型的表達能力越強，模型所存儲的信息量也越大，但這會帶來信息過載的問題。那麼通過引入注意力機制，在衆多的輸入信息中聚焦于對當前任務更為關鍵的信息，降低對其他信息的關注度，甚至過濾掉無關信息，就可以解決信息過載問題，并提高任務處理的效率和準确性。空間卷積中例如CNN等相關深度神經網絡使用注意力機制顯著提升網絡的性能，序列卷積中例如LSTM等相關序列卷積神經網絡在應用注意力機制後有顯著的性能提升。

報告題目四 ：基于卷積神經網絡的故障檢測方法研究

報告人：許亞甯

報告簡介：傳統的故障診斷方法需要提取故障特征進行故障診斷，在很大程度上依賴于先驗知識和專家經驗。深度學習算法具有較強的特征提取能力，能夠構建深層神經網絡，自動學習大量數據樣本中的特征，可以直接對故障進行識别和分類。重點研究深度學習中的卷積神經網絡和注意力機制，在原有的卷積神經網絡結構基礎上添加注意力機制，使不同CNN通道的特征映射聯系起來，通過注意力機制對卷積後的表達重新加權即改善卷積後的輸出，增強有用信息的權重，抑制冗餘信息的權重，提高特征的局部特性進而對實驗模型進行優化改進，針對傳統的卷積神經網絡模型進行改進，探索最适合的網絡結構模型。

報告題目五：基于SWIPT的MEC分級任務卸載研究

報告人：張澤維

報告簡介：為了有效解決當前移動終端設備中随機性任務的不同需求，針對不同的移動用戶可能會運行具有不同延遲敏感度的計算密集型應用程序。我們以MEC框架為基礎，結合非線性隊列調度機制，建立實用型任務分級處理體系，在動态排隊模型基礎上設置機制規劃問題，通過劃分不同的任務處理級别，将不同的計算任務進行針對性處理，最大限度滿足移動用戶在計算卸載時的具體要求。同時，在該系統模型基礎上，結合SWIPT技術，在信息傳輸過程中為移動終端設備補充能量，緩解終端設備因為複雜龐大的計算任務所造成的能量消耗，降低了能量補充的成本，為構建更為複雜且現實的應用場景及計算資源共享的系統模型提供了有效的解決思路。

報告題目六：基于IRS輔助的多天線SWIPT安全傳輸設計

報告人：董洋帆

報告簡介：無線攜能同傳（SWIPT）技術用一個射頻信号同時進行信息解碼和能量收集，實現終端能源的自給自足，是有效解決電子設備和移動網絡能源受限系統的不可持續能源供應問題的方案。但鑒于SWIPT系統本身特有的網絡特性，其内部的無線通信的安全性面臨着嚴峻的挑戰。對此，大量低成本無源反射元件組成的智能反射表面（IRS）作為一項有前途的新解決方案被廣泛提出。針對SWIPT系統中能量接收節點存在信息容易洩露的問題，通過引入智能反射面IRS，我們設計了一個智能反射面IRS輔助的多天線SWIPT系統。其中發射器（BS）配備了多天線、信息接收器（IDR）和能量接收器（EHR）為單天線或多天線。假設EHR可能是潛在的竊聽者（Eve），我們的目标是最大化保密速率以保證系統的安全性，并通過優化算法設計一種安全傳輸方法。該方法通過優化算法來聯合優化發送端的波束成形矩陣即預編碼矩陣和IRS的相移矩陣，使系統的保密速率最大化，以達到安全傳輸的目的。最終，通過仿真實驗的結果來驗證IRS在增強安全性方面的有效性。

報告題目七：無線攜能通信的無人機中繼傳輸策略研究

報告人：許鈞智

報告簡介：介紹無人機通信技術和無線攜能通信技術的發展過程以及研究現狀，針對無人機技術和無線攜能通信的優劣提出無線攜能技術與無人機通信結合的傳輸策略，設備通過無線充電實現自我維持通信，并且收獲能量的還可以提高接入鍊路的傳輸穩定性。并對基于無線攜能通信的無人機中繼研究的下一步發展進行展望。

報告題目八：基于深度強化學習的綠色MEC系統在線卸載策略

報告人：彭璧瑩

報告簡介：計算卸載是指終端設備将部分或全部計算任務交給雲計算環境處理的技術。現有工作多使用啟發式算法、凸松弛、深度強化學習進行計算卸載，但前兩種無法根據時變無線信道條件優化任務卸載決策和無線資源分配，并且在處理整數變量時不可避免地會遇到性能與複雜性兩者權衡的困境。而且，任務卸載分布和資源分配均是類似圖形的結構化數據，圖神經網絡剛好具有網絡規模之間基于圖的關系推斷能力的優勢，解決此類問題比起普通神經網絡更具有潛力。為了有效解決在快衰落信道、動态任務以及不可預測的綠色能源到達的情況下，實時做出具有依賴性的任務卸載決策，最大化用戶效益，同時保證系統的長期穩定性，本次報告将對國内外現有研究進行分析和總結，并提出一種基于深度強化學習的綠色MEC系統在線卸載策略。

場次三、

間：2022年6月27日（星期一）9:00-10：30

地點：澳门太阳集团9728网站408教室

報告題目一：基于單流和雙流CNN的阿爾茨海默症診斷研究

報告人：班豔嬌

報告簡介：近年來，多模态影像技術已被廣泛應用于基于深度學習的阿爾茨海默症（Alzheimer's Disease, AD）診斷研究。然而現有的基于多模态影像的AD研究均采用特征融合策略整合不同模态影像的信息，極大的增加了深度學習模型的參數數量，降低了模型的泛化能力。報告詳細介紹了一種新穎的AD診斷方法，将多模态醫學影像融合技術與深度學習技術結合，并以獲得的融合圖像為卷積神經網絡模型的輸入來進行AD分類任務。在ADNI數據集上的實驗表明，所提出的方法能很好地整合多模态影像的信息，提高了AD分類的準确性。此外，相較于特征融合法，所提出的方法具有更少的模型參數，極大減少了計算機資源的浪費和提升了模型的訓練速度。

時間：2022年6月27日（星期一）10:30-12：00

地點：澳门太阳集团9728网站408教室

報告題目二：關鍵切片處理技術在基于遷移學習的阿爾茨海默症診斷中的應用研究

報告人：班豔嬌

報告簡介：近年來，二維卷積神經網絡(Convolutional Neural Network, CNN)已被廣泛應用于基于結構磁共振成像(Structural Magnetic Resonance Imaging, sMRI)的阿爾茨海默病(Alzheimer's disease, AD)診斷。2D CNN具有識别微妙和複雜模式的能力，并在衆多研究中取得了不錯的結果，但由于缺乏對關鍵切片的針對性處理，CNN模型的性能有待提高。報告詳細介紹了一種基于強度歸一化的關鍵切片處理技術，并将該技術用于AD進行分類，定量評估該技術與常用三種預處理技術對CNN模型性能的影響。在ADNI-1數據集上的實驗表明，所提出的方法将測試集的平均準确度提高了約26%。在ADNI1和ADNI2數據集上的獨立實驗表明，所提出的方法在AD診斷上具有較好的性能。

時間：2022年6月27日（星期一）9:00-10:30

地點：澳门太阳集团9728网站408教室

報告題目三：機器翻譯的發展與面臨的問題

報告人：陳婧娴

報告簡介：跨越語言的障礙一直是人類的夢想。無論是17世紀中葉大量哲學家關于無歧義語言的詞典設計，19世紀“世界語”的設計發明，還是20世紀30年代誕生于法國和蘇聯的兩項翻譯機器專利，這一系列工作都體現了人類對突破語言困境的不懈追求。1949年，機器翻譯正式成一項為嚴肅的學術議題。1954年，喬治敦大學與IBM公司合作進行了世界上首次機器翻譯的實驗。自此之後，機器翻譯，大緻經曆了三次浪潮，本次報告将對此梳理報告。從人工規則驅動到海量數據驅動，從離散符号表示到連續向量表示，背後隐含着人類在人工智能領域對于理性主義與經驗主義、符号主義與聯結主義的哲學思考，随着機器翻譯的不斷發展，人類對于“語言”和“智能”，都有了更深入的理解。本報告詳細介紹規則機器翻譯、統計機器翻譯、神經機器翻譯三種機器翻譯方式并對各自利弊進行分析。

時間：2022年6月27日（星期一）10:30-12：00

地點：澳门太阳集团9728网站408教室

報告題目四：中日神經機器翻譯研究

報告人：陳婧娴

報告簡介：首先介紹中日神經機器翻譯相關背景和課題來源。神經機器翻譯是通過深度神經網絡對語料庫進行端到端編碼和解碼的過程，從而建立一個源語言到目标語言的映射。語料是機器翻譯的根基，對神經機器翻譯來說，規模大且質量高的語料集是非常重要的。但在全世界存在的 5651種語言中，能夠獲取的資源豐富的平行語料庫寥寥無幾，絕大部分的雙語翻譯任務都存在平行語料不豐富甚至稀缺的現象，這種平行語料稀缺的機器翻譯任務稱為低資源機器翻譯任務，中日機器翻譯任務就是其中之一。目前低資源神經機器翻譯雖然借助各種新穎的方法在一定程度上緩解了資源匮乏、數據稀疏等問題，但距離良好的實用效果仍面臨很多實際問題，本報告對中日翻譯任務中一些關鍵問題進行探讨。

時間：2022年6月27日（星期一）8:00-12:00

地點：澳门太阳集团9728网站408教室

報告題目五：基于FPGA的醫學圖像邊緣檢測加速器設計

報告人：李斌

報告簡介：邊緣檢測技術在醫學圖像處理中起着重要的作用。Sobel算子邊緣檢測是常用的邊緣檢測算子之一。目前大多數采用Sobel算子進行醫學圖像邊緣檢測的方案都是基于CPU、GPU的。當圖像數據量增大時處理速度可能成為一個嚴重的問題。而FPGA對邊緣檢測的加速效果是相當顯著的。但傳統的基于FPGA的Sobel邊緣檢測方案都是采用硬件描述語言進行開發的，這對開發人員的要求極高，并且對調試是十分不利的。而利用采用C/C++進行編程的ZYNQ系列進行加速可以完美解決以上問題。但目前基于ZYNQ的Sobel算子邊緣檢測研究，隻有水平邊緣和垂直邊緣的檢測。為了提取到更多不同角度的邊緣細節，我們提出了一種基于ZYNQ的改進型Sobel算子來檢測邊緣。對所提出的改進型Sobel算法和常規Sobel算法在CPU和ZYNQ平台上執行時的性能進行了詳細的對比和評價。實驗表明，所提方案可以提取到更多的邊緣細節而且達到了滿意的加速效果。

報告題目六：面向醫療物聯網的FPGA加速器設計

報告人：李斌

報告簡介：物聯網在醫療保健領域的整合被稱為醫學4.0，也稱為健康2.0，而專注于醫療應用的物聯網也被稱為醫療物聯網。醫療物聯網強調低延遲、低功耗，高安全性和實時操作性。通過引入FPGA技術，可以探索許多機會來提高醫療物聯網系統的性能。該研究提出了一個基于FPGA構建硬件加速架構，從而滿足醫療物聯網的上述要求。所提出的硬件加速架構包含深度學習模型硬件加速架構和醫學圖像處理算法硬件加速架構。

時間：2022年6月27日（星期一）9:00-10:30

地點：澳门太阳集团9728网站408教室

報告題目七：基于ZYNQ的區域生長算法硬件加速設計

報告人：蘇文俊

報告簡介：首先介紹區域生長算法和ZYNQ的相關背景，ZYNQ實現并行加速的方法。通過分析區域生長算法原理，提出了一種用于醫學圖像處理的高度集成的通用硬件加速器，以有效提高區域生長算法的計算性能并降低FPGA器件的功耗。該設計流水線架構，将圖像去噪、邊緣檢測和圖像分割算法集成在一個硬件IP核中，通過并行計算和數據重用，可以有效提高區域生長算法在醫學圖像處理中的速度。

時間：2022年6月27日（星期一）10:30-12:00

地點：澳门太阳集团9728网站408教室

報告題目八：基于FPGA的實時邊緣檢測系統

報告人：蘇文俊

報告簡介：首先介紹邊緣檢測算法和ZYNQ的相關背景，ZYNQ實現并行加速的方法。首先利用高斯和sobel卷積和的秩特性，提出了一種高吞吐率複用技術，減少片上資源的使用。其次通過分析公式等效關系，将複雜計算簡單化。最後使用一種高吞吐量并行緩存方法，實現并行加速。實驗結果表明本文的設計不僅具有較好的加速效果，與基于先進的Intel(R) Core(TM) i7-10700 CPU的軟件設計相比，計算性能分别提高了8到10倍。本系統功耗分别減少了83%和62%，功耗也更低，甚至保持幾乎相同的精度。與傳統設計方案相比，實時性更好，占用邏輯資源更低。

時間：2022年6月27日（星期一）9:00-10:30

地點：澳门太阳集团9728网站408教室

報告題目九：基于激光視覺傳感器的機器人3D視覺定位研究

報告人：覃曉蘭

報告簡介：工業視覺機器人可以通過所配置的激光傳感器對環境進行掃描，得到的數據稱為點雲。通過數據預處理後可以進行點雲數據的配準，配準後的數據可以用來進行工件識别與位姿估計，也能計算工件打磨區域方便後續的打磨抛光工作。首先介紹點雲數據以及背影應用，接着詳細介紹不同體系的三維點雲配準算法，對比其性能，最後展望将其運用于機器人3D視覺定位研究的算法。

時間：2022年6月27日（星期一）10:30-12:00

地點：澳门太阳集团9728网站408教室

報告題目十：強幹擾下求解工業機器人姿态的算法

報告人：覃曉蘭

報告簡介：融合算法很難運用于工件打磨中，因為加速度計會受到強烈的幹擾，因此很難通過融合算法解算出姿态。而角速度具有瞬時穩定的特點，融合角速度的加速度微分信息可以抵抗較強的幹擾。考慮通過加速度微分信息作為橋梁求解出較為準确的加速度，再根據加速度信息求解傾角信息，最後展望通過激光傳感器做定時采樣計算姿态傾角作為真值信息輔助解算工業機器人的姿态算法。

時間：2022年6月27日（星期四）10:30-12:00

地點：澳门太阳集团9728网站408教室

報告題目十一：高速FTN傳輸系統的DSP算法研究

報告人：譚伊璇

報告簡介：5G網絡的大規模商用，促進光纖通信、雲計算、物聯網等技術發展。在有限的可用帶寬下，高頻譜效率光傳輸是高速大容量光通信系統的關鍵。FTN傳輸技術突破了傳統奈奎斯特速率的限制，在理論上能夠取得更高的頻帶利用率，并且保持誤碼性能不變。這一提高以增加收發端處理的複雜度為代價，DSP算法面臨着所需開銷大和通用性較差以及算法有效性與複雜度的矛盾突出等難題。報告詳細介紹了DSP單元各個算法原理，針對FTN引入的ISI，對DSP算法進行改進，使其适用于PDM-16QAM FTN系統。在性能上，保證誤碼率底線的條件下，實現低複雜度的同時得到更高的頻譜效率。

時間：2022年6月27日（星期四）9:00-10:30

地點：澳门太阳集团9728网站408教室

報告題目十二：FTN-16QAM系統載波恢複算法研究

報告人：譚伊璇

報告簡介：超奈奎斯特系統憑借高頻譜效率、大容量等優勢，成為光通信的關鍵技術。針對超奈奎斯特系統引入碼間幹擾，使得載波相位估計難度增大的問題，提出一種二階電域導頻輔助載波相位估計方案，将導頻輔助相位噪聲補償模塊與基于Viterbi的最大似然相位估計模塊級聯，犧牲約1.7%的帶寬開銷，可以有效克服超奈奎斯特系統引入的碼間幹擾，對激光器線寬導緻的相位噪聲進行準确估計。還介紹了應用于奈奎斯特系統中傳統載波恢複算法，總結傳統算法的優缺點，與提出的算法進行比較。

場次四、

時間：2022年6月27日（星期一）8:00-12:00

地點：澳门太阳集团9728网站516

報告題目一：基于紅外圖像的目标檢測方法研究

報告人：高小強

報告簡介：目标檢測技術作為計算機視覺中的一個相當重要的研究熱點，一直以來都廣受矚目，使得其發展相當迅速，其應用範圍之廣，不止體現在視頻監控、自動駕駛等領域上，而且其工業智能化方面亦占據着重要的地位。

近年來，随着深度學習浪潮的掀起，許多領域都受到了該浪潮的沖擊，其中圖像分類、圖像識别等計算機視覺領域更是因此而得到爆發式的發展，目标檢測技術就是其中的一種。在深度學習的浪潮推動下，将深度學習應用在目标檢測上，已經是不可阻擋的趨勢了，因為基于深度學習的目标檢測技術能比傳統方法的帶來更好的效果，以及更快的速度。然而現階段的目标檢測技術大都是針對可見性較高的情況，以及高質量的圖片和視頻數據，随着社會的發展和人們生活需求的提高，針對各種中低可見性環境的目标檢測技術已經變得越來越重要。紅外線是一種波長較長的電磁波。任何處于高溫的物體都會發出紅外光；因此，在夜間或有背光的環境中可以看到其特征。另一方面，如果僅使用紅外數據，則探測器無法區分具有相似溫度的物體和背景。在這種情況下，RGB圖像可以幫助檢測對象。

報告題目二：基于微環諧振腔的光子濾波器研究

報告人：賴明彬

報告簡介：矽基光子學的研究前景十分廣闊，包括波分複用（WDM）及下一代光通信網絡、光互連、高性能計算、光存儲、微波光子系統等。其中波長分多路複用(WDM)濾波器是擴大長途光通信系統傳輸能力的關鍵組成部分。報告介紹目前主要的三種主流的光學濾波器，其中重點講述MZI-MRRs濾波器，針對三種主流光學濾波器優缺點提出級聯微環輔助MZI濾波器新的結構，從數學模型、物理模型的角度對新的結構的性能進行分析，從多個角度對比所提出的結構與原有結構的優劣。并對級聯微環輔助MZI濾波器的下一步發展進行展望。

報告題目三：暗光圖像增強方法研究

報告人：黃夢源

報告簡介： 在低光條件下拍攝的圖像通常能見度較差，而低光圖像增強(LLIE)旨在提高在低照度環境下捕獲的圖像的感知或可解釋性。介紹該領域的最新進展，進行一個全面的研究報告，涵蓋了數據集的發展、傳統方法和深度學習方法。重點介紹基于深度學習的解決方案，介紹經典學習策略、網絡結構、損失函數、訓練數據等。其中詳細介紹深度學習方法中Retinex理論——将圖像分解為兩個部分，一部分(亮度分量)負責調節光線，而另一個部分(反射分量)負責去噪，通過這種方式，原始空間被分解為兩個更小的子空間，期望更好的學習。

報告題目四：一種新的反向注冊重構網格的視頻重定向質量客觀評價算法

報告人：盧銘勝

報告簡介：介紹重定向視頻質量客觀評價問題的理論基礎、研究難點、國内外研究現狀、發展和應用，對視頻重定向質量評價方法進行研究，提出一種新的反向注冊重構網格的視頻重定向質量客觀評價算法，改進重構網格的方法，減少重構過程中引入的額外失真，使客觀評價結果更符合人眼的視覺感知。

報告題目五：低光照條件下的目标檢測方法研究

報告人：覃慶炮

報告簡介：目标檢測旨在從一幅圖像中獲取其中包含的物體的類别和位置信息，是高層次計算機視覺領域中的最基本最具挑戰性的問題之一。在弱光條件下采集的圖像會出現多種退化，包括低對比度、色偏和強噪聲等。目前的目标檢測技術大都隻适用于高質量圖像，而對低質量圖像如低亮度圖像的檢測效果不盡人意。随着社會的發展和人們生活需求的提高，針對各種中低可見性環境的目标檢測技術已經變得越來越重要。我們提出了一種輕量的、實時的、魯棒的基于聯合低光照圖像增強和目标檢測的級聯模型，有效地提升真實世界中的低光照環境下的目标檢測性能。

報告題目六：立體圖像的重定向方法研究

報告人：黃悅銘

報告簡介：首先介紹立體圖像的相關背景和課題來源。近年來，人們對立體圖像與視頻的關注度逐漸攀升，使得在多種設備中觀看立體内容成為一種迫切需求。但是，若直接将平面圖像重定向方法應用于立體圖像中，忽視立體圖像的視差特性，則會造成場景深度的失真。于是，許多研究學者提出了針對立體圖像的重定向方法。在對立體圖像進行重定向處理時，需考慮到立體圖像的特性，從而獲取滿足用戶觀感體驗的立體圖像。因此，研究針對于立體圖像的圖像重定向算法具有十分重要的理論意義以及實際應用價值。

報告題目七：基于反向配準的ARS圖像重定向客觀評價指标

報告人：羅媛婷

報告簡介：近年來，學者們提出了多種基于内容的圖像重定向算法。然而，由于缺少有效的客觀圖像重定向質量評價算法，限制了圖像重定向技術的進一步發展。與傳統的圖像質量評價不同的是，圖像重定向過程中的質量退化是由人為地對圖像内容修改造成的。圖像重定向質量評價的難點在于圖像分辨率與内容的改變，這使得傳統的圖像質量評價方法無法準确評價圖像重定向過程中發生的質量下降。在本次報告中，用了一種基于反向配準的ARS圖像重定向客觀評價指标。一般認為，圖像在重定向過程中發生的失真主要是幾何失真，本客觀評價指标就緻力于衡量這一失真。首先，将圖像幾何變形的預測問題當作一個反向配準問題來解決，幾何變形還原了原始圖像重定向到目标尺寸圖像的過程。接着，提出一種寬高比相似度指标（ARS），利用局部圖像塊的變形和視覺重要度圖來評價重定向圖像的視覺質量。實驗在MIT RetargetMe數據庫上進行，結果表明，跟現存主流方法相比，本次實驗使用的方法評價效果與主觀評價的吻合程度更高。

報告題目八：3D視頻重定向及其質量評價研究

報告人：蔡淩徽

報告簡介：首先介紹3D立體視頻重定向及其質量評價的相關背景和課題來源。在2D圖像和視頻重定向中，cropping、seam carving以及warping算法被普遍用于多媒體信息的重定向操作。傳統均勻縮放算法往往沒有考慮圖像和視頻的内容，重定向後的結果往往對圖像和視頻中的重要對象進行了比較大的擠壓，引入失真。而基于cropping、seam carving以及warping算法是該領域的主流方法，但目前在3D視頻中，這些方法應用研究較少且仍有許多不足。報告詳細介紹了目前這些方法在3D視頻重定向領域上的現狀，并且介紹2D視頻重定向質量評價指标在3D視頻重定向上運用的效果。通過與傳統的均勻縮放、letterboxing等方法相比，cropping、seam carving以及warping這些方法以更優秀的主客觀評價脫穎而出。

場次五、

時間：2022年6月 27日（星期一）10:00-12:00

地點：澳门太阳集团9728网站西校園西21  騰訊會議号：943778379

會議密碼：5054

報告題目一：神經機器翻譯求解函數積分和微分方程

報告人：盧林

報告簡介：微分方程是自然建模的主要工具之一，在數學、工學、物理等領域發揮着巨大作用。求解複雜問題的偏微分方程都是世界級的難題，我們需要有效的方法來解決這些問題。求解微分方程主要分為：數值解和解析解。在數值解方面。有傳統的有限元、有限差分等方法，但求解時往往需要較高精細的離散化，這是非常耗時和具有挑戰的。也有基于神經網絡函數的逼近能力，通過構造近似解和優化權值方法求解微分方程的新方法。這裡，我們考慮解析解。目前自然語言處理已發展的相當成熟，通過将數學表達式變為序列，把數學表達式到表達式映射為序列到序列，利用已發展較為完善的自然語言技術進行微分方程的求解，可在現有的專門硬件上實現、使得計算加速。相比傳統的數值方法，具有更少的參數，求解速度更快

報告題目二： 非獨立同分布數據的聯邦學習算法優化研究

報告人：韋濤

報告簡介：聯邦學習是一種很有前途的分布式神經網絡訓練方法。

有兩個關鍵挑戰使其與傳統的分布式優化區别開來。（1）網絡中每個設備上的系統特征的顯著可變性（系統異構性），以及（2）網絡上不相同的分布式數據庫（統計異構性）。具有統計異構性的客戶機進行多次本地更新會導緻客戶機漂移，在單個客戶機中産生分歧的更新。這種現象引入了與聯邦平均的平均步長的高方差來進行全局更新，這阻礙了收斂到所有客戶端的最優平均損失。本報告介紹了一種新穎的算法，通過追蹤前幾輪全局模型參數的變化指導新一輪的參數更新，已達到聯邦學習快速收斂的效果。

報告題目三：基于原子團的代謝路徑預測方法研究

報告人：盧吉曉

報告簡介：通過計算手段研究生物代謝網絡具有效率高、成本低的優點，目前已有的原子追蹤搜索代謝路徑的方法需要用戶在搜索路徑的時候定義要追蹤的目标原子，導緻這些方法無法找到沒有目标原子轉移的替代路徑；已有的基于啟發式搜索的方法在路徑搜索過程中需要事先指定要排除的代謝物。通過追蹤原子團在給定的起始化合物和目标化合物之間的轉移軌迹可以在不需要定義要追蹤的目标原子的情況下，繞過簇代謝物并找到了生化相關性更強的替代路徑。在通過追蹤原子團尋找替代路徑的同時，利用化合物相似度和反應自由能信息對路徑搜索進行引導可以進一步提高路徑搜索質量

報告題目四：使用不可靠僞标簽的半監督語義分割

報告人：盧家輝

報告簡介：半監督學習的核心問題在于有效利用無标注樣本，作為有标簽樣本的補充，以提升模型性能。常規作法是通過樣本篩選的方式隻留下高置信度的預測結果，将大量的無标簽數據排除在訓練過程外，這也導緻模型訓練不充分。本次報告将報告一種名為U2PL的框架，利用不可靠僞标簽的替代方法。該框架通過熵來衡量預測結果的可靠與否，将每個不可靠像素推送到由負樣本組成的類别隊列中，并設法用所有候選像素來訓練模型。在各種基準和訓練環境下的實驗結果表明，該方法優于最先進的替代方法。

時間：2022年6月 28日（星期二）10:00-12:00

地點：澳门太阳集团9728网站西校園西21 騰訊會議号：261956470

會議密碼：3834

報告題目一：基于神經網絡算法求解微分方程

報告人：盧林

報告簡介：物理學、化學、力學、天文學經濟學等科學和工程中遇到的許多問題都與微分方程的數學模型有關，從而研究微分方程的求解具有很強的現實意義。對于大的微分方程，無法找到解析解。因此，需要數值或近似方法來解決它們。傳統求解微分方程的數值方法主要包括：龍格庫塔、有限元、有限差分和線性單步法、線性多步法等，盡管這些方法提供了很好的近似解，但它們需要通過網格來離散域，這意味着計算微分方程在離散域點的近似值。這在二維或高維問題中可能是具有挑戰性的。普遍逼近定理表明，神經網絡的本質是逼近一個函數，如果沒有對隐藏層的寬度和深度施加約束，神經網絡可以逼近任意連續函數。通過構建神經網絡逼近微分方程解函數，同時滿足邊界值和初始值條件。訓練後的神經網絡，與傳統數值求解器的結果略有不同，但求解速度更快。

報告題目二：基于區塊鍊的安全聯邦學習方法研究

報告人：韋濤

報告簡介：聯邦學習（Federated Learning）是在保證大數據交換時的信息安全、保護終端數據和個人數據隐私、保證合法合規的前提下、在多參與方和多計算節點之間展開高效率的機器學習的一種新興人工智能基礎技術，與分布式機器學習不同的是聯邦學習需要一種去中心化分布式高效系統來保證用戶的隐私安全，在保證數據安全和交換、訓練效率的前提下進行有效的機器學習。區塊鍊作為一個去中心化、數據加密、不可篡改的分布式共享數據庫，可以為聯邦學習的數據交換提供數據保密性來對用戶隐私進行保障，保證各參與方之間的數據安全，也可以保證多參與方提供數據進行模型訓練的數據一緻性區塊鍊的價值驅動激勵機制也能增加參與方之間提供數據、更新網絡參數的積極性。基于區塊鍊的應用優點，目前已經有一些應用區塊鍊的聯邦學習系統提出。本報告對聯邦學習以及區塊鍊在聯邦學習上的應用做了簡介。

報告題目三：代謝路徑物種和外源酶推薦算法研究

報告人：盧吉曉

報告簡介：生物合成是一種很有前途的化學合成方法，然而，由于不同微生物宿主之間的差異，生産目标化學品所需的産量和異源途徑也可能因菌株而異。代謝工程的主要挑戰之一是為指定的目标化學品生産選擇合适的底盤宿主。同時通過考慮酶的催化效率、酶的活性影響因素來推薦更便于實際使用的外源酶。

報告題目四：關于圖像風格化遷移的前沿研究

報告人：盧家輝

報告簡介：圖像風格化是将一張照片渲染成有藝術風格的畫作。圖像風格化算法的輸入有二，分别是内容圖和風格圖，輸出有一個，為風格遷移後的結果圖。圖像風格化遷移源于紋理建模和圖像重建這兩個領域。主流的風格化方法一般利用卷積神經網絡學習風格和内容表示。但随着Transformer在自然語言處理領域和圖像視覺領域的成功。Transformer也逐漸下沉到風格化遷移認任務，并取得了初步的成功。

場次六、

時間：2022年6月27日（星期二）9:00-9:30

地點：北部灣電子與信息工程學院5-208教室

報告題目一：腦電信号處理及情感分析

報告人：金沛原

報告簡介：首先介紹腦電信号試驗過程和處理等相關背景。主要研究基于不同情感對人的腦電信号各個頻段的影響機制。應用腦電波測量技術和實驗心理學方法為手段，從神經學、心理聲學和音響技術的角度總結在視聽場景下不同情感感知對腦電波的影響規律。

時間：2022年6月27日（星期一）10:00-11:00

地點：北部灣大學5教205

報告題目二：Transformer架構的深度學習模型在視覺領域的應用

報告人：韋正曦

報告簡介：首先簡要介紹深度學習在計算機視覺（CV）領域近些年的前沿研究成果與應用。2017年之後基于自注意力機制（self-attention）的transformer模型使得自然語言處理（NLP）領域取得突破性進展之後，許多學者也開始研究如何讓transformer模型遷移泛化到計算機視覺領域.2020年Vision Transformer(ViT)成功将transformer架構引用到CV領域，取得了突破性進展。與基于卷積神經網絡（CNN）架構的模型相比，ViT雖然缺少了一些歸納偏置，但是當訓練數據集足夠大時，模型也能達到SOTA的效果。ViT将圖片等分成一個patch的小圖加入位置編碼後作為token輸入原始Transformer模型，并将最開始添加一個用于分類輸出的token，完成模型對圖片分類預測。一年之後ICCV的最佳論文Swin Transformer中提出了一個全新的Transformer架構用于圖像處理，通過固定窗口内做注意力，與滑窗配合掩碼操作，使得相較于ViT而言，模型效率有了大幅提升。Swin Transformer作為通用骨幹網路（backbone）憑借着優秀的設計，在當時的所有主流計算機視覺任務裡，均取得了最好的成績。

時間：2022年6月28日（星期二）8:00-8:30

地點：北部灣電子與信息工程學院5-208教室

報告題目三：低音對已知情感感知的影響性研究

報告人：金沛原

報告簡介：首先介紹低音刺激對已知情感感知的影響的相關背景和課題來源。主要研究基于低頻聲對人的生理和心理的影響 機制，15-120Hz 範圍内的低音對情感感知産生和調節的作用原理。應用腦電波測量技術和 實驗心理學方法為手段，從神經學、心理聲學和音響技術的角度總結在視聽場景下低音刺激 對情感感知的影響規律和應用模式，以及可用于實際影院視聽場景環境的低音控感方案。

時間：2022年6月28日（星期二）10:00-11:00

地點：北部灣大學5教205

報告題目四：算力受限設備上部署輕量化視覺模型的研究

報告人：韋正曦

報告簡介：簡述卷積神經網絡（CNN）結構，基于CNN的模型在計算機視覺（CV）領域近些年來的發展。随着深度學習技術的發展，模型變得越來越深、參數與計算量越來越大。2015年，有101層的Resnet網絡在ImageNet數據集上的圖片識别能力就已經超越了人類的水平。随着模型複雜度不斷的增加，模型在各類視覺任務上的表現也取得了很大的提升。但是這些模型都是在不惜計算成本的前提下追求精度，複雜度過高的模型将無法部署帶算力受限的邊緣或端設别中。所以在智能手機 、Jetson nano、樹莓派等端設備模塊中，需要尋找模型精度和實時性之間的平衡。輕量化網絡就是一些參數效率較高，計算開銷所需較小，專門為算力受限設備設計的神經網絡。其中在圖像設别任務中作為特征提取骨幹網絡有：Google提出的MobileNet系列、曠世提出的ShuffleNet系列、特征密集鍊接的DenseNet系列、精度和AlexNet相同，參數量缺少50倍的SqueezeNet。這些神經網絡在保證不錯的精度的同時，有着非常高的實時性能，利于在算力受限的設别中部署，解決精度要求不是很高的計算機視覺任務。

場次七、

時間：2022年6月28日（星期二）9：00-12：00

地點：澳门太阳集团9728网站601教室

報告題目一：基于位翻轉算法的信念傳播極性解碼器

報告人：廖蘭娟

報告簡介：在極化碼（Polar codes）的譯碼算法中，由于連續取消列表(SCL)譯碼的固有串行特性導緻了較長的延遲，因此極性碼的信念傳播(BP)譯碼在高吞吐量應用中引起了人們的關注。然而，其糾錯性能不如SCL譯碼。因此，位翻轉策略最近被應用于BP譯碼，它可以通過多次額外的譯碼嘗試來接近SCL譯碼性能。原始的BP翻轉(BPF)譯碼存在固定翻轉集(FS)對錯誤位的識别不準确，這通過廣義BPF(GBPF)譯碼得到了改進。在近期文獻中，GBPF解碼被擴展到支持在一次解碼嘗試中翻轉多個位。對于兩種類型的解碼錯誤：檢測錯誤和未檢測錯誤，文獻提出了兩種新的方法來更有效地識别錯誤位。針對檢測到的誤差，定義了環集的概念，并在研究BP解碼的誤差模式的基礎上，引入了一種基于環的識别方法。另一方面，提出了一種考慮BP解碼下的誤碼分布，以生成更精确的固定FS的方法。結合這兩種方法，合并集(GBPF-MS)解碼可以實現SCL-8的性能，對于長度為1024、信息率為1/2的極碼，優于最先進的BPF、BPlist和SCflip解碼。

報告題目二：改進的CRC-Aided極化碼球譯碼算法

報告人：劉遠博

報告簡介：極化碼由于其在短碼長度上的優異性能，最近已被用作第五代無線系統的編碼方案。本文提出了一種循環冗餘檢查(CRC)輔助球譯碼(CASD)算法，以進一步提高短極性碼的性能。它比廣泛使用的CRC-aided連續消除列表(CASCL)譯碼具有更好的性能，并且對CRC長度具有魯棒性，從而在廣泛的碼率範圍下具有穩定的性能。利用高斯消去法，将CRC中的基本奇偶校驗關系轉換為等價的新形式。這确保了奇偶校驗位可以通過之前的譯碼位進行唯一判斷，而不是在CA-SD期間的冗餘搜索。通過這種方法，降低了CA-SD的複雜度。

報告題目三：基于可靠度的低複雜度多元LDPC碼譯碼算法研究

報告人：李昱霖

報告簡介：首先介紹人們在對多元LDPC碼的設計、構造、性能分析等研究工作中發現。其次介紹基于可靠度的多元LDPC譯碼算法的信息傳遞處理機制，譯碼過程中信息的流向，校驗節點和變量節點的信息處理方法。通過改變在變量節點上的計算公式和硬判決的特點，對原有算法進行了改進，仿真出來的結果在誤碼率和疊代次數上基本吻合，但是改進的算法在疊代時，乘法沒有進入疊代可有效降低譯碼複雜度，減少内存損耗。

報告題目四：基于大數邏輯的多元LDPC譯碼算法研究

報告人：盧盈盈

報告簡介：首先介紹研究基于大數邏輯的多元LDPC譯碼算法的信息傳遞處理機制，譯碼過程中信息的流向，校驗節點和變量節點的信息處理方法。通過利用引入漢明距離的大小來給定動态修正系數不同的值，若漢明距離越小，給定的修正系數也就越大，若漢明距離越大，則給定的修正系數就越小，解決了原符号翻轉譯碼算法的複雜度高的問題，在性能與複雜度之間得到折中。

報告題目五：基于随機梯度下降的去相關LMS算法研究

報告人：謝紫

報告簡介：自适應濾波相比于線性濾波具有更強的适應性和更優的濾波性能，廣泛應用于工程領域。本次報告首先介紹自适應濾波基礎算法及其存在的缺點，其次為了解決傳統去相關算法在收斂速度和穩态誤差之間的權衡問題，提出了基于随機梯度下降（SGD）的變步長更新公式，随後介紹該變步長方式的複雜度計算方法，系統辨識仿真實驗表明，相比于傳統的仿射投影算法，該算法能夠有效的提高收斂速度和降低穩态誤差，在非平穩狀态下也能夠維持較好的跟蹤性能。

報告題目六：基于貝葉斯統計理論的自适應濾波算法研究

報告人：宋帆

報告簡介：首先介紹自适應濾波算法的相關背景和課題來源。其次，在自适應濾波算法中，自适應濾波算法的核心技術問題主要有穩态誤差，收斂速度和抗幹擾能力。LMS算法是應用最廣泛的一種算法，在此基礎上應用貝葉斯理論、最小值濾波法和無偏準則進行研究。貝葉斯理論從模型的穩定性和預測精度兩個方面來看，貝葉斯模型優于非貝葉斯模型，估算精度高，這一方法與傳統LMS算法相比，無論是從穩定性還是收斂速度方面看，該方法性能均優于傳統LMS算法，而且算法的抗幹擾能力也得到了極大的提升。

報告題目七：極化碼連續删除擾動譯碼算法

報告人：曾俏麗

報告簡介：作為一種可被證明在數學上達到香農限的新型編碼技術，極化碼有着結構穩定的編碼框架，以及簡潔的譯碼程序，一經面世便受到了來自研究學者和企業的廣泛關注。盡管極化碼的譯碼程序簡單明了，但卻存在譯碼不夠準确的缺陷，對極化碼的結構進行深入研究後，一些學者通過對譯碼過程進行改進，在原來的單路徑連續删除串行（successive cancellation, SC）譯碼基礎上進行路徑拓展，Tal等人提出多路徑鍊表連續删除串行（list successive cancellation, SCL）譯碼算法，使得極化碼的譯碼性能得到提升，在此基礎上，Niu等将極化碼與循環冗餘校驗（circle redundancy check）碼進行級聯，進一步提升極化碼的譯碼性能。而另一種方法則考慮對譯碼完成部分進行操作的後譯碼算法，體現為對譯碼不正确比特進行翻轉操作的連續删除翻轉（successive cancellation flip, SCF）譯碼，以及對接收序列進行加噪并再次譯碼的連續删除擾動（successive cancellation perturbation， SCP）譯碼算法。本報告對後譯碼算法中的連續删除擾動算法進行介紹。

報告題目八：改進的重新選擇的基于大數邏輯的多元LDPC算法

報告人：莫莉歆

報告簡介：近些年來，LDPC碼得到大力發展，已經成為了一種應用廣泛的編碼方案，相關的理論與技術體系趨于成熟。改進的重新選擇IISRB算法，通過使用第二個最有可能的決策，試圖幫助解碼器擺脫周期點的方法。對符号變換的阈值進行修改，擴大範圍，結合原算法經過判斷對調兩種判決結果并且對調放大兩個判決結果可靠度，進行重新排序的思想，使得隻有滿足條件的節點和有限域符号能參與疊代運算，算法在性能與複雜度之間得到折中。

報告題目九：Polar碼HARQ方案技術研究

報告人：周泉

報告簡介：極化碼(Polar codes)作為第一種可理論證明的信道容量可達編碼方案，已經被采納為5G通信eMBB場景中的控制信道編碼方案。混合自動請求重傳(Hybrid Automatic Repeat reQuest, HARQ)是一種常用的鍊路自适應技術，而基于Polar碼的HARQ傳輸方案能夠有效提升系統的吞吐率和性能，近年來頗受關注。針對Polar碼的CC-HARQ方案性能和吞吐率較差的問題，提出了一種基于多層譯碼機制(MDCC-HARQ)的重傳方案。與CC-HARQ方案不同，當聯合譯碼失敗後，接收端并不會直接向發送端請求重傳或停止譯碼，而是構造新的LLR序列進行譯碼，即提供了額外的譯碼機會。仿真結果表明，MDCC-HARQ方案相比原始CCHARQ方案能取得0.35~0.4dB的性能增益。此外，在中低信噪比下，所提方案具有更高的吞吐率，并且所需的重傳次數更少。

報告題目十：一種具有低複雜度的二元LDPC譯碼算法

報告人：黃奕俊

報告簡介：首先介紹二元LDPC譯碼算法的相關背景。針對二元LDPC譯碼算法RBI-MLGD，為了降低其碼譯的複雜度，在校驗節點信息處理過程中，采用基于伴随式的信息處理方式，避免了外信息的計算；在變量節點信息更新過程中，變量節點基于回傳的伴随式信息進行可靠度的更新，同時，結合與當前碼位相對應的調制映射信息進行可靠度偏移方向的設計。疊代更新時，變量節點采用基于信息匹配的可靠度更新規則。仿真結果表明，在保持譯碼性能的前提上，所提出的算法具有更低的譯碼複雜度。

報告題目十一：大規模MIMO系統中基于深度學習的預編碼技術研究

報告人：司志巍

報告簡介：首先介紹了傳統的預編碼算法，包括WMMSE、ZF等算法、深度學習的應用等。由于傳統的預編碼技術計算複雜度較高且性能受信道影響較大，故采用深度學習方法對其進行離線訓練，解決了複雜度高等問題，在保證性能的前提下同時兼顧了運算時間。

場次八、

時間：2022年6月28日（星期二）9:00-12:00

地點：澳门太阳集团9728网站807B教室

報告題目一：基于分布式車聯網數據共享激勵機制的研究

報告人：張震

報告簡介：在車聯網時代，随着現代生活中車輛地不斷增加，車與車之間的數據共享變得極為重要，安全可靠的數據共享成為一個亟待解決的問題。目前大多數傳統的數據共享機制都依賴于第三方機構，從而形成了集中式架構。并且在數據共享過程中，大多數資源提供者不願意共享自己的資源信息。區塊鍊技術具有去中心化，安全性高，防篡改等一系列優點可以有效解決單點故障問題。并且智能合約的引入可以進一步拓展區塊鍊技術的應用空間。而在積極性問題上問題基于演化博弈論的數據共享策略可以有效解決，以激勵車輛在聯邦學習過程中積極共享數據。最後對激勵過程通過複制動态方程分析穩定策略點。

報告題目二：利用多目标優化解決移動邊緣計算卸載問題

報告人：張澤維

報告簡介：介紹多目标優化的應用場景與意義，通過采取多目标進化算法解決基于SWIPT-MEC模型架構的卸載問題。在該模型中，其最終目标多為減少系統能耗或降低任務執行時延，但在系統運行過程中這兩個目标存在明顯的沖突，以往的優化方式大多是構建一個效率模型，通過調節約束減低沖突性。使用多目标優化的方式，可在不增加問題複雜性的基礎上，最大限度的權衡二者之間的關系，得到相關的最優解。同時在之後的研究中，我們可以合理添加新的目标函數（如鍊路之間的傳輸效率和計算資源的利用率等），完善系統模型，得到更加優化的實驗效果。

報告題目三：能效優先的全雙工異構攜能網絡資源分配

報告人：許鈞智

報告簡介：介紹無線攜能通信、混合蜂窩網的發展曆程和國内外研究現狀。以最大化能效為研究方向，提出能效優先的異構攜能蜂窩網絡資源分配策略。在滿足宏蜂窩小區和毫微小區服務質量要求的條件下，聯合優化功率分配和功率分流因子，并為非凸能效優化問題設計一種基于拉格朗日對偶原理和次梯度法雙層優化算法。最後通過仿真實驗驗證所提方案的有效性，并分析層間幹擾、能量收集等因素對系統能效的影響。

報告題目四：工業物聯網中基于深度強化學習的區塊鍊性能優化方法

報告人：魏雙

報告簡介：區塊鍊被認為是解決工業物聯網（IIoT）中數據安全和效率問題的有效方案，但傳統區塊鍊系統無法滿足IIoT高事務吞吐量所需的可擴展性要求。其次，在大部分新興區塊鍊平台中，提高事務吞吐量都犧牲了區塊鍊其他性能指标（比如：分布式、安全或延遲）。為應對這些挑戰，本次報告一種基于深度強化學習的區塊鍊性能優化方法。主要内容包括：基于區塊鍊的工業物聯網系統背景；區塊鍊可擴展性、分布式、延遲和安全性四個性能方面的量化；基于深度強化學習的區塊鍊性能優化框架。該方法能夠有效解決區塊鍊的可擴展性問題，并且同時保證其他性能。

報告題目五：基于偏差補償歸一化最小均方算法研究

報告人：楊淑婷

報告簡介：當輸入信号被噪聲破壞時，會嚴重影響通信質量。在信号處理領域自适應濾波算法的研究中，不考慮噪聲輸入，會産生有偏差的參數估計。但估計輸入噪聲方差的傳統方法可能會導緻特定情況下的不穩定性。針對噪聲輸入，本報告中提出了一種保證穩定性的偏差補償歸一化最小均方（BC-NLMS）算法。首先通過研究BC-NLMS算法中平均偏差和均方差的動态特性，分析了BC-NLMS算法的穩定性。最後對輸入噪聲方差進行估計并調整步長，以實現穩态誤差和收斂速度方面的穩定和性能增強。

時間：2022年6月28日（星期二）14：00-17：00

地點：澳门太阳集团9728网站807B教室

報告題目六：虛拟現實中吹氣交互方法研究

報告人：張友鵬

報告簡介：随着虛拟現實頭戴式顯示器迅速被大衆觀衆所使用，人們對新形式的自然輸入技術以提高玩家的沉浸感和用戶粘性越來越感興趣。本文提出了利用吹氣進行虛拟環境的交互，可以解放用戶的雙手，緩解手部的疲勞，使用戶在虛拟現實體驗的過程中更具有沉浸感。我們提出的兩種方法是基于常見的耳機麥克風進行吹氣檢測。基于MFCC+DTW算法的吹氣交互方法，不僅具有簡單、便捷、可控的特點，且可以更有效地處理用戶說話的幹擾，提升了識别的準确率，但是簡單急促的聲音信号會對識别造成一定程度的幹擾。本文進一步研究提出的基于LSTM模型得吹氣交互方法，可更好地适應環境噪音和不同的用戶、設備。

報告題目七：基于“受限延伸棒”的VR文本輸入技術研究

報告人：白化龍

報告簡介：文本輸入是VR人機交互中的重要一個環節，文本輸入的體驗也影響着用戶的虛拟體驗。現階段虛拟現實的交互模态分為手柄、裸手交互、腦機接口、眼動追蹤、語音交互、各類特定傳感器等。腦機接口，眼動追蹤，語音交互以及各類特定傳感器等技術的發展給探索新型的文本輸入提供了新的思路。裸手交互即不依賴任何額外的硬件，通過與真實手相對應的虛拟手與虛拟的物體進行交互，和人們在真實物理世界使用手的交互方式相似，具有給用戶提供更加直觀方便且自然的人機交互體驗的巨大潛力。探讨現階段的基于額外硬件輔助和基于裸手的新興輸入方式的優勢以及不足，報告提出基于“受限延伸棒”的VR交互文本輸入技術能夠在保持原有裸手輸入習慣的基礎上達到不錯的文本輸入結果，并對後續其他可行性進行展望。

報告題目八：AR設備的手機交互

報告人：鄭昱霖

報告簡介：首先介紹相關背景和課題來源。在多設備協同提高交互效率的方式中，手機作為一種廣泛使用的設備可以有效的增強AR設備的交互性。傳統的交互方式有着諸如疲勞和不夠精确等的缺陷。而基于手機産生的新型交互方式能在一定程度上改進這種缺陷，且很大程度上節約額外設備所産生的附加成本，但目前研究較少且仍有許多不足。報告詳細介紹了一種改進的交互方式通過新方式能有效降低用戶疲勞并且一定程度上提升人機交互的效率。

場次九、

時間：2022年6月30日（星期四）8:00-10:00

地點：澳门太阳集团9728网站807B教室

報告題目一：表征融合的自适應獨立性假設非自回歸Transformer ASR算法研究

報告人：滕思航

報告簡介：首先介紹基于非自回歸Transformer的端到端自動語音識别模型的相關背景及其與自回歸Transformer和傳統ASR模型之間的比較，讨論自回歸的解碼方式和獨立性假設對語音識别結果的準确性産生的影響。之後詳細介紹了一種解決方法-自适應獨立性假設與語音表示融合的非自回歸Transformer端到端中文語音識别模型。在訓練期間，引入連接時間主義CTC獲取encoder語音高維表示的幀信息，幀信息用于Merger的表征向量融合，獲得具有更多語義的decoder輸入幀；在解碼期間，優化後的模型首先自适應的産生高置信度的獨立性标簽，再進行word embedding後取代對應的decoder輸入幀，從而生成非獨立性标簽；最後提出了波束搜索的改進版疊代式波束搜索，使其适用于所提出的模型，以進一步提升準确率。最終展示了研究算法的實驗結果及模型先進的性能。

報告題目二：一種非均勻霧度的輕量級深度多塊分層去霧網絡

報告人：李雅

報告簡介：首先介紹非均勻圖像去霧的相關背景。現有的深度學習去霧方法在圖像去霧方面取得了一定的優勢，但應用于非均勻去霧時往往會失敗。真實霧霾環境中，霧在圖像上的分布是不均勻的，薄霧區域和濃霧區域的權重應有所不同。結合圖像去霧算法的研究現狀，報告從輕量級深度神經網絡的設計和多尺度transformer機制的引進兩個部分進行介紹。對設計的多層架構，在不同層次上把圖像進行分塊處理，由多尺度transformer提取豐富的圖像特征，注意力模塊不平等地對待不同塊上的霧度分布，自适應學習特征權重，通過聚合不同層次多個圖像塊的特征，以達到非均勻去霧的效果。最後将該模型和近年來有代表性的去霧算法進行了實驗對比分析，論證了該模型的有效性和競争力。

場次十、

時間：2022年7月2日（星期六）18:00-21:00

地點：騰訊會議 369-542-464

報告題目一：車載相機采集道路影像的特征點匹配算法研究
報告人：蘇豪勝
報告簡介：首先介紹特征點匹配的相關背景和課題來源。然後基于區域的圖像匹配方法對成像條件、圖像形變以及噪聲極其敏感，同時具有較高的計算複雜度，從而限制了其應用能力。為解決上述問題，基于特征的圖像匹配方法得到了廣泛研究。論文從圖像中提取的具有物理意義的顯著結構特征，包括特征點、特征線或邊緣以及具有顯著性的形态區域，然後對所提取的特征結構進行匹配并估計變換函數将其他圖像内容進行對齊。盡管特征的提取需要額外的算力消耗，但針對整個基于特征的匹配框架而言，由于特征可以看做整張圖像的精簡表達，減少了許多不必要的計算，同時能夠減少噪聲、畸變及其他因素對匹配性能的影響。

報告題目二： FCM聚類算法在城市道路交通運行狀态分析中的研究

報告人：馬昌

報告簡介：城市交通運行效率直接影響城市功能的運轉，改善道路運行效率的關鍵是采用科學有效的理論方法獲取準确有效的道路交通運行狀态信息，并針對性制定交通管理策略和采取有效措施。道路交通具有較強的複雜性，是人、車、路的綜合體，需采用合适有效的交通狀态判别方法。報告基于深入研究城市道路交通狀态相關基本理論，提出了FCM模糊聚類與雲模型相結合的城市道路交通運行狀态評價方法，将模糊集合的概念加入進體系，使其數據劃分方法得到改進，具備柔性的模糊聚類特點，使得交通運行狀态評價更加有效。

報告題目三：基于貝葉斯網絡的建設工程電子招投标不正當競争分析
報告人：朱攀
報告簡介：由于建設工程電子招投标中的不正當競争行為難以發現和投标信息難以分析，導緻圍标串标等違法違規行為屢禁不止，因此有必要對建設工程圍标串标的防範治理進行研究，這對于确保建設工程招投标過程的公平競争以及市場資源優化配置具有重大意義，因此本報告在建設工程項目的曆史圍标串标案例基礎上，構建貝葉斯網絡模型，分析得到相似案例所存在的共性特征進而着重關注圍标串标的緻因源頭。

報告題目四：分布式電網中基于區塊鍊技術的高效智能合約實現
報告人：李昊帥
報告簡介：傳統電網交易的方式為一對多的壟斷交易模式，這種集中式交易過于依賴交易中心，存在易受外界攻擊、安全隐私系數低、中心節點計算時延較長等缺點。區塊鍊的技術的特性與能源互聯網的理念相吻合，成為解決能源交易問題中最有潛力的互聯網技術之一。報告中設計的新型高效的分布式電能點對點交易機制，将買賣雙方的交易策略部署到智能合約中。交易主體可通過查詢區塊鍊的公開信息及時獲取市場曆史成交記錄、交易對象過往交易信用記錄等自主調整自身報價，也可采用系統根據市場成交價格和市場博弈波動所給出的最優參考報價，從而提高分布式能源在電力市場中的消費占比，緩解配電網的供電壓力。

報告題目五：基于多分類SVM的VIENNA整流器單管開路故障診斷

報告人：韓旭

報告簡介：直流充電樁中最為關鍵的部分是充電模塊，其主電路一般采取兩級變換結構用來将電網的交流電轉換為合适的直流電供給蓄電池充電。前級為整流部分，将電網的交流電整流為直流電提供給後級部分；後級為直流變換部分，用于實現電氣隔離和電壓變換。 VIENNA整流器通過橋臂上的箝位二極管，将交流側電感末端電位箝為三種電平狀态，大大降低了輸入電流的諧波，且使得功率器件在關斷時候隻承受一半的輸出電壓，更适合高壓場合，VIENNA整流器具有功率器件少、沒有橋臂直通危險的優勢。

報告題目六：基于總包-分包模式的雲制造平台服務組合優化研究

報告人：陳永發

報告簡介：首先介紹雲制造的概念與雲制造平台服務組合模型。随着雲制造産業的普及，及雲制造任務規模的提升，制造任務也在向大規模、高質量、高效率的方面提出了更高的要求。針對處理大規模制造任務的服務調度，報告詳細介紹了一種基于總包-分包模式的雲制造服務調度模型，以制造企業的任務吞吐量作為分包量化基準，計算任務的綜合制造成本、制造時間，結合信任度指标，對制造任務進行分包。

報告題目七：基于文本上下文感知的向量優化研究
報告人：李小潔
報告簡介：一種作用在細粒度情感分析的上下文感知目标和方面向量優化方法。該向量優化方法可以直接和現有的基于神經網絡的目标-方面級别情感分析模型相結合，從而解決現有的方法在表示目标和方面時往往會脫離上下文，以及目标和方面在上下文中存在重疊的關聯映射關系。将向量優化方法應用到其他自然語言處理任務中，并進一步改善方法的有效性和通用性。

報告題目八：基于boost變換器的改進擾動觀察法在光伏MPPT中的應用
報告人：齊高峰
報告簡介：首先介紹光伏發電MPPT相關背景和課題來源以及boost變換器建模。擾動觀察法作為最常用的傳統MPP跟蹤方法在具有衆多優點的同時也具有一個不可忽視的問題，當采用定步長跟蹤時，步長過大會導緻跟蹤至最大功率點時擾動過大，造成功率損失；步長過小會導緻跟蹤速度變慢，無法同時兼顧精度和速度。針對上述問題提出了一種變步長擾動觀察法，通過與常規擾動觀察法比較，證明了改進後的方法可以較好的兼顧精度和跟蹤速度。

報告題目九：顧及小目标特征的視頻人流量智能統計方法
報告人：李明
報告簡介：首先介紹人流量統計方法的相關背景和課題來源，提出了用于小目标檢測的 Faster R-CNN 改進算法檢測準确率在 Brainwash 數據集和 Pets2009 數據集上分别比原始算法高出 7.31%、10.71%，相較于傳統多尺度 特征融合方法效果更優。 設計了雙向人流量智能統計算法， 人流量統計指标 F 值在多種場景下均達到了90%以上，相較于以往優秀算法得到了一 定提升，實現了多場景下視頻人流量的精确智能統計。

報告題目十：基于機器學習的犯罪預測方法研究
報告人：曾敬
報告簡介：信息時代的發展速度加快和社會的進步,違法案件作案手段和情況越來越複雜,反偵察能力越來越強,增加了警方的破案難度。為了提高警方破案效率,機器學習技術應得到公安部門的充分利用。通過基于機器學習的犯罪預測技術,能夠從海量的數據中挖掘出重要的違法犯罪線索,為警方懲治犯罪提供依據,并促進社會公平正義。本課題把犯罪預測方法分為經驗模型和時空模型兩種主要思路，從理論流程到基本方法逐漸展開讨論，探索犯罪發生機制和演化規律的基礎上，總結領域的當前研究成果，讨論了存在的問題和未來的研究方向。

歡迎廣大師生踴躍參加！