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7月4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：圖像聯合分類與超分辨率技術研究

報告人：高小強

報告簡介：低分辨率(Low Resolution, LR)圖像的分類因其嘈雜的表示和有限的信息而臭名昭著。現有方法主要通過在LR數據集上訓練精心設計的架構或通過直接使用圖像調整算法來解決這一挑戰。然而，在LR圖像的情況下，這些方法的性能改進通常是有限的甚至微不足道的。圖像的超分辨率網絡就是要先設計一個網絡結構，通過利用特征域先驗，從現有的特征檢測器骨幹中提取出來，指導高分辨率圖像重建，而不再是使用峰值信噪比和結構相似性作為重建的指導。在本實驗中，将超分辨率技術和分類算法聯合實現低分辨率圖像的高效分類，利用超分辨率技術将LR圖像的表示提升為“超分辨率”表示，這種方法賦予的特征類似于高分辨率(High Resolution, HR)圖像的特征，因此對圖像分類更具辨别力和代表性。

報告題目二：雙環輔助MZI濾波器研究

報告人：賴明彬

報告簡介：随着密集波分複用（DWDM）技術的快速發展，以微環諧振器為核心設計的光電子器件得到國内外研究者的廣泛關注，以微環諧振器為核心期間相繼研發出光電開關、光波導濾波器、密集波分複用器等潛在商業價值的光學器件，在全光通信網絡和集成光學領域具有廣闊的應用前景。報告介紹了基于MZI濾波器、基于MRRs濾波器以及微環輔助MZI濾波器，分析他們的優缺點，并提出雙環輔助MZI濾波器結構，從數學模型和物理模型兩個角度分析其性能，與基于MZI濾波器和基于MRRs濾波器進行對比總結其優勢之處。并對雙環輔助MZI濾波器的下一步發展進行展望。

報告題目三：基于深度學習的暗光圖像增強方法介紹

報告人：黃夢源

報告簡介： 近年來，随着硬件條件的改善，深度學習得以興起，應用在許多的領域上面來，都得到很好的效果，諸如圖像分類、目标檢測等計算機高層視覺任務和暗光增強、圖像超分辨率等計算機低層視覺任務，深度學習在這些任務上都取得了許多的成果。在暗光條件下拍攝的圖像通常能見度較差，而暗光圖像增強(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。報告将介紹基于深度學習的暗光圖像增強方法的發展和該領域的研究對圖像質量的提高等相關工作提供的幫助。

報告題目四：基于深度感知和時空失真分析的立體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3D視頻重定向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3D視頻重定向質量評價方法進行研究，提出一種基于深度感知和時空失真分析的立體視頻重定向質量客觀評價算法，衡量了時間和空間失真的同時，考慮深度信息失真，并加權融合時空指标和深度指标，獲得一種3D重定向視頻的整體客觀質量分數。

報告題目五：圖像聯合超分辨率與目标檢測技術研究

報告人：覃慶炮

報告簡介：目标檢測技術是高層計算機視覺領域中重要而實用的研究課題，其旨在從圖像中獲取其中包含的物體的類别和位置信息。盡管目标檢測技術取得引人矚目的進步，但其對低分辨率圖像的檢測效果遠不盡人意。一種解決方法是在目标檢測之前采用超分辨率技術提升低分辨率圖像的分辨率。然而，一方面，當前超分辨率技術的目的是重建出主觀質量舒适，紋理細節豐富的高分辨率圖像，對低分辨率圖像的檢測效果提升有限；另一方面，現有的大多基于卷積神經網絡的超分辨率算法，網絡尺寸大，複雜度較高，不僅難以在實際應用中部署，而且與目标檢測模型級聯時在一定程度上影響了檢測速度。同時現有的目标檢測算法也大都隻是采用領域适應的方法解決圖像分辨率不足的問題，并沒有探索如何有效地利用底層視覺任務模型來提升檢測精度。因此，本文提出了一種面向目标檢測的輕量級超分辨率網絡以及一種基于域适應的聯合超分辨率與目标檢測算法，從而有效提升低分辨率圖像中的目标檢測精度。

報告題目六：基于内容的立體圖像重定向方法研究

報告人：黃悅銘

報告簡介：圖像重定向方法可分為兩大類，傳統重定向方法以及基于内容的重定向方法。傳統重定向方法直接對圖像進行分辨率調整直至滿足設備要求，忽視了不同圖像存在的結構内容差異性，所以存在較大的技術缺陷。而基于内容的圖像重定向方法能夠在保存圖像重要區域内容的條件下對圖像進行分辨率調整。由于立體圖像具有的視差、景深等特性，為了達到最佳顯示效果，需同時減少視覺失真以及視差失真。若直接将平面圖像重定向算法應用于立體圖像中，則會破壞左右視圖中的匹配關系，造成嚴重的視差失真。因此，對立體圖像進行重定向操作時應結合立體圖像的特性。研究如何在避免視覺失真、視差失真、保持深度的情況下自适應地調整立體圖像大小以适應不同的終端設備并獲取優質顯示效果的立體圖像重定向算法變得越來越重要，也成為當前數字圖像處理算法領域的一個研究熱點。

報告題目七：基于顯著區域形變和深度感相似度的3D圖像重定向質量評價方法

報告人：羅媛婷

報告簡介：随着數字多媒體技術的迅猛發展，數字圖像/視頻已逐漸從平面走向了立體，在不同終端設備的顯示和播放仍然面臨着分辨率和寬高比需要自适應調整的問題。近年來，人們提出了各種3D圖像重定向方法，但對視覺質量評價的研究很少。而現有評價方法在對顯著性物體的整體形變的衡量、以及深度感相似度的衡量上仍存在不足。針對上述兩個問題，設計兩個相關的衡量指标：首先對于重要物體的整體形變進行衡量，在基于塊的ARS指标上進行創新，從重要物體整體出發，度量幾何形變；其次，通過建立人眼感知的坐标系，衡量重要物體在三維空間中的位置，得出原始圖像與重定向圖像的相對位置，并以此作為客觀評價的依據；最後，對不同立體重定向圖像采用分類評價等策略來實現評價算法性能的有效提升，為SIR質量的客觀評價提供新的理論和方法支持，同時也為改善SIR方法性能奠定基礎。

報告題目八：基于深度保留的3D視頻重定向變形算法研究

報告人：蔡淩徽

報告簡介：首先介紹基于變形warping算法的視頻重定向的相關背景和課題來源。變形算法的基本思想是根據圖像或者視頻不同區域的顯著度進行非均勻縮放，将變形分布在不容易引起人們注意的區域，以此保護視頻的顯著内容。深度保留是從人眼3D視覺舒适度的角度，對觀衆的3D體驗給予最大的保護。該方法在空間、時間以及深度三大約束中權衡利弊，給予深度更大的保護，同時保留另外兩項适當的約束。報告詳細介紹了該方法在3D視頻重定向中的整個流程，并且介紹該方法中對于三大約束的自适應權衡流程。通過與傳統的均勻縮放、letterboxing等方法相比，該方法以更優秀的主觀體驗脫穎而出。

場次二、

報告題目：字典學習在非侵入式負荷分解的應用

報告人：蒙源

時間：2022年7月7日 17:30-19:30

地點：澳门太阳集团9728网站601教室

報告簡介：

能量分解是将整棟建築的總能量分離成單個電器所消耗的能量。這是一個單通道(唯一的通道是智能電表)盲源(不同電器)分離的問題。近年來，基于字典學習的方法已經顯示出解決分解問題的希望。通常的方法是為每個設備學習一個字典，并在分解時将其作為盲源分離的基礎。此次彙報将介紹使用字典學習的方式來解決負荷分解問題。

報告題目：基于機組組合的電力調度系統設計

報告人：覃慶鴻

時間：2022年7月7日 17:30-19:30

地點：澳门太阳集团9728网站601教室

報告簡介：介紹機組組合的相關概念，以及運用機組組合模型設計一個可供用戶操作使用的web電力調度系統。

報告題目：Lipschitz常數在神經網絡中的應用

報告人：張慶

時間：2022年7月7日 17:30-19:30

地點：澳门太阳集团9728网站601教室

報告簡介：神經網絡模型的正則化是一個特别困難的挑戰。目前最有效的方法是啟發式的方法。相比之下，從線性模型改編而來的正則化方法，如l2懲罰項，并不如啟發式方法有效，因此，開發一種良好且有效的神經網絡正則化方法是很有必要的。根據這樣的一種思路，即當函數變化的速度很慢時，這些函數可視為簡單函數，因此我們可以通過控制網絡的Lipschitz常數，來對神經網絡模型施加一種有效的控制手段。

報告題目：機組組合問題的多階段自适應魯棒優化

報告人：任宇晨

時間：2022年7月7日 17:30-19:30

地點：澳门太阳集团9728网站601教室

報告簡介：針對一些電力系統關鍵的日常運行問題，在節點淨電力負荷不确定的情況下的機組組合問題，提出了一個多階段适應性強的優化模型。并且為了處理大規模電力系統，我們探索了簡易仿射規則并且設計了一種基于約束生成的解決方法。

場次三、

時間：2022年7月4日（星期一）8:00-12:00

地點：澳门太阳集团9728网站516教室

報告題目一：基于卷積神經網絡的聯合去噪、去馬賽克和超分辨率網絡

報告人：銀夢雨

報告簡介：在目前的圖像複原問題中，去噪、去馬賽克和超分是三個很重要的任務。大部分數碼相機拍攝到的圖片通常以拜爾模式（Bayer Pattern）呈現，即每個像素僅記錄單一顔色，需要根據每個像素周圍的顔色來恢複它原來的值，得到真實的全彩圖像）的濾鏡采集色彩陣列，而且由于機器和環境的原因還存在一定的噪聲和分辨率限制。因此，完成去噪（DN）、去馬賽克（DM）和超分（SR）這些底層任務，對應用于随後的高層任務（如目标檢測和分類問題）發揮着舉足輕重的作用。

報告題目二：基于圖像序列識别的端到端可訓練神經網絡

報告人：陳凱

報告簡介：基于圖像的序列識别一直是計算機視覺中長期存在的研究課題。在本文中，我們研究了場景文本識别的問題，這是基于圖像的序列識别中最重要和最具挑戰性的任務之一。我們一種新穎的神經網絡架構，集成了特征提取，序列建模和轉換的統一框架。在标準基準上的實驗，包括IIIT-5K，街景文本和ICDAR數據集，證明了所提出的算法優于現有技術的優越性。此外，該算法在基于圖像的樂譜識别任務中表現良好，顯然驗證了它的通用性。

報告題目三：低光照圖像增強算法設計

報告人：韓馮剛

報告簡介：低光照圖像增強一個富有挑戰性的計算機視覺任務，現有的方法難以同時處理圖像中的亮度、對比度、僞影和噪聲等多個問題。本次報告對一個基于深度學習的低光照圖像增強模型——多分支低光增強網絡進行了研究。其核心思想在于通過卷積神經網絡從輸入的低光圖像中提取不同層級的特征，然後對提取到的特征進行增強，最後将增強的結果進行融合産生一張正常光照的圖像。主觀和客觀兩方面的實驗結果證明了該多分支低光增強網絡能夠對低光照圖像進行亮度的提升及噪聲抑制。

報告題目四：基于知識蒸餾的卷積神經網絡壓縮

報告人：李健澤

報告簡介：随着訓練可用數據量的增長與計算平台處理能力的增強，卷積神經網絡(CNN)能夠完成越來越複雜的任務，在計算機視覺，自然語言處理等人工智能領域取得重大的突破。然而，這些深度模型具有龐大的參數規模，與此相伴的可畏的計算開銷與内存需求使其在計算能力受限平台（例如移動嵌入式設備）的部署中遇到了巨大的困難與挑戰。因此，如何在不影響深度學習模型性能的情況下進行模型壓縮與加速成為研究熱點。針對教室模型與學生模型進行設計并采用知識蒸餾的方法進行壓縮，實驗最後使學生網絡的效果得到了進一步提升。

報告題目五：暗光條件下的聯合圖像增強與目标檢測

報告人：韋新傑

報告簡介：目标檢測是從一幅圖像中獲取其中包含的物體的類别和位置信息，是目前高層次計算機視覺領域中的最基本并最具挑戰性的問題之一。在暗光條件下采集的圖像會出現包括低對比度和強噪聲等多種退化問題。現有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和低分辨率圖像的檢測效果卻不太好。我們提出了一種具有魯棒性的亮度增強網絡和目标檢測網絡的級聯網絡結構，具體來說，給定一幅包含有待檢測目标的低亮度圖像作為整個級聯網絡的輸入圖像，首先應用增強網絡，然後将亮度增強後的圖像輸入到目标檢測網絡進行檢測任務，最後輸出目标檢測結果。将亮度增強網絡與檢測網絡聯合，大大提升了模型的檢測性能。

報告題目六：面向圖像分類的圖像超分辨率技術研究

報告人：袁梓健

報告簡介：圖像分類是圖像信息領域内的主流研究熱點，目前主要分類訓練的都是高清的真實圖像，若圖像的分辨率過低，會使得分類精度下降。現有的方法主要通過在低分辨率數據集上訓練精心設計的體系結構或以簡單的方式使用圖像調整算法來解決這一挑戰，這些方法的性能改進通常是有限的。設計一種更加針對高層任務的超分辨率網絡，提升其訓練和測試的速度及性能。充分利用兩者的相關性，網絡以端到端的方式通過多損失函數進行優化，為多任務設計一個有效的網絡結構，突出超分辨率圖像以進行精确識别。

報告題目七：基于生成對抗網絡的知識蒸餾算法研究

報告人：崔振雷

報告簡介：知識蒸餾從充分發掘神經網絡潛力出發，旨在實現使用層級淺、結構簡單的神經網絡發揮良好的性能，使得獲得的小模型可以應用在資源能力受限的移動嵌入式設備當中。當學生網絡比教師網絡小很多時，強迫學生網絡精确模拟教師網絡是很困難的，而生成對抗網絡有助于保持輸出分布的多模态性質。因此，本文研究了一種基于生成對抗網絡的知識蒸餾，提供了知識蒸餾的一種全新的思路，通過使用判别器和學生網絡交叉疊代訓練使得學生網絡不斷向教師網絡靠近，該方法不僅可以實現端到端的訓練，而且解決了人工調參帶來的誤差和麻煩，訓練效果較好。

報告題目八：多信道無線網絡動态頻譜接入深度多用戶強化學習

報告人：王怡

報告簡介：在多信道無線網絡中網絡效用最大化的動态頻譜訪問問題。由于大的狀态空間和狀态的部分可觀測性，獲得頻譜接入問題的最優解通常需要大量的計算，開發了一種基于深度多用戶強化學習的分布式動态頻譜訪問算法。目标是找到一種多用戶策略，該策略以分布式方式最大化某個網絡效用，而無需用戶之間的在線協調或消息交換。在每個時隙，每個用戶将其當前狀态映射到基于經過訓練的deep-Q網絡的頻譜訪問操作，用于最大化目标函數。

場次四、

時間 2022年7月7日17：30-19：30

地點：計電學院601

報告題目一：基于拉格朗日松弛算法的UAV路徑規劃研究

報告人：賈哲松

報告簡介：根據最新的研究，即在無人機額定功率的前提下，無人機有兩個特殊的速度，                                               （最大航程速度）以及 （最大量耐力速度），經證實: < < ，且三者都與無人機自身重量有關，這就為我們研究變速（Variable speed）的TSP（VSTSP）提供了可能性。現有的研究方法，模拟退火算法，遺傳算法，蟻群算法等都是針對速度不變的TSP，經相關文獻的閱讀和學習，我們可以寄希望于使用拉格朗日松弛法來探尋優化策略。

場次五、

時間：2022年7月4日（周一）上午8--12點

地點：澳门太阳集团9728网站807B教室

報告題目一：鍊路故障下的無線傳感器網絡虛拟骨幹重構研究

報告人：何峰

報告簡介：無線傳感器網絡的虛拟主幹是一個連通的子網，它使得子網外的每個節點在子網中都有一個鄰居結點。在理論分析中，無線傳感器網絡通常被建模為磁盤圖，而其虛拟骨幹則相應地建模為磁盤圖中的連通控制集。由于外部因素和内部設置，在高速通信的大規模無線傳感器網絡中，一些節點或鍊路的故障是不可避免的。這意味着設計對節點和鍊路故障具有魯棒性的容錯CDS是有價值的。在本次報告中，我們介紹了鍊路故障下的無線網絡中虛拟骨幹的重構。

報告題目二：新型負載均衡的數據收集樹的構建

報告人：曾偉健

報告簡介：首先介紹無線網絡虛拟骨幹的背景和課題來源。虛拟骨幹網絡常常用于承擔整個無線傳感器網絡的路由工作，能夠有效的降低整個網絡的能量開銷，從而延長網絡壽命。Directional Virtual Backbone Based Data Aggregation Scheme(DVBDAS)是一種新型的虛拟骨幹，該骨幹是一棵樹。同時每個節點向外廣播信号的方向是可選擇的，不需要每個方向都發送信号。可以進一步的降低能量消耗延長網絡壽命。

報告題目三：基于滅點檢測的高速公路監控場景下視覺測速方法

報告人：梁書偉

報告簡介：室内場景三維重建是計算機領域中的重要研究課題。快速、精确、低成本的室内場景三維重建在虛拟現實、室内定位、機器人導航等方面有着廣泛應用。常見的基于圖像的三維重建技術通常使用多張圖像作為輸入，相比普通圖像，全景圖像有着更大的視野，能夠減少數據量和數據複雜度，但圖像中也存在較大畸變。針對全景圖像的特點，結合深度學習技術提出一種多視圖室内場景重建方法。

報告題目四：基于弱标簽的半監督語義分割研究
報告人：肖毅烽

報告簡介：通過僞标簽進行自訓練是一種利用無标簽數據進行半監督學習的簡單方法。為了減少僞标簽方法中錯誤或者低質量的僞标簽使用，本研究提出一個僞标簽篩選方法來進行僞标簽的篩選。同時為了緩解僞标簽方法中重新訓練的學生模型和教師模型之間的耦合問題，本研究通過擾動的方式使重新訓練的學生模型能夠從受幹擾的數據中學習到更多不同的知識，從而提高學生模型重新訓練的效果。

報告題目五：基于經驗小波變換的微震信号識别研究

報告人：劉冠霆

報告簡介：首先介紹微震信号識别的相關背景和課題來源。對于礦山等地的微震信号，可能包括的類型主要有岩石破裂信号和爆破信号等，微震信号識别的最終目的是識别出有用的岩石破裂信号，在岩石破裂信号的識别中，改進的經驗小波變換被用于信号特征的提取，針對傳統經驗小波變換的頻譜過切分問題，采一種平滑化頻譜曲線的改進方法，以得到更合理的頻譜切分，從而得到信号的時頻特征，将信号的時頻特征等構建成向量作為信号的特征向量，訓練出集成學習模型，模型可給微震監測提供參考。

報告題目六：基于卷積神經網絡的混凝土裂縫結構自動檢測方法

報告人：鄭力文

報告簡介：建築物在其生命周期内，由于長期的超載和環境影響，容易過度老化。特别是老化的混凝土建築，正面臨着使用的退化，這可能會危及它們的安全和使用能力，而裂縫是最常見的缺陷之一，因此對于觀測到的裂縫結構正确地識别和解釋裂縫形态是至關重要的。為了解決上述問題，本文分析了混凝土結構不同的結構裂縫和非結構裂縫形态特征及其産生的原因，并将裂縫形态分為兩類。在裂紋模式分類的基礎上，提出了一種基于計算機視覺算法的裂紋模式自動檢測方法。

場次六、

時間：2022年7月9日（星期六）15:00-17:00

地點：北京農科大廈A820 騰訊會議号893375879

會議密碼638653

報告題目一：一種實時高精度的小交通标志識别方法

報告人：丁智歡

報告簡介：随着計算機視覺和人工智能的快速發展，交通标志識别系統已應用于高級駕駛員輔助系統和自動駕駛系統，幫助駕駛員和自動駕駛車輛準确捕獲重要的道路信息。然而，在實際應用中，小型交通标志識别仍然具有挑戰性。(1)對于模型的主幹，我們引入高級特征來構造更好的探測頭；(2)對于模型的頸部，利用RFB塊來獲取特征圖的上下文信息；(3)對于頭部模型，我們對檢測器頭部網格進行細化，以實現對小型交通标志的更精确檢測；(4)對于輸入，我們提出了一種随機消除注意的數據處理方法，該方法可以增加困難樣本，增強模型的魯棒性。在具有挑戰性的數據集TT100K上的實際實驗表明，與現有技術相比，我們的方法可以實現顯著的性能改進。此外，它是一種實時的方法，在高級駕駛輔助系統和自動駕駛系統中顯示出巨大的潛在應用。

報告題目二：黃瓜溫室環境下的氣候預測調控模型研究

報告人：黃天藝

報告簡介：介紹溫室環境調控研究現狀。研究針對目前的研究中缺乏考慮溫室環境中噪聲傳感器數據引入的不确定度、溫室内外環境的随機性引起的預測不确定度等問題以及深度學習模型相關的模型不确定度等問題，為了量化這些不确定性來源對于溫室環境預測的綜合影響，提出利用LASSO回歸篩選出與溫室濕度變化強相關的環境因子，在減少環境因子輸入數量的情況下，利用bayesian_LSTM網絡，将神經網絡的權重由常數設置為概率分布，捕捉溫室環境因子的數據變化規律和不确定性，利用dropout技術捕捉模型感知不确定性，與LSTM等模型進行對比實驗，驗證所提出模型的預測精度後，将模型部署至樹莓派。

報告題目三：對GRU模型語言建模的改進

報告人：王奧

報告簡介：介紹語言建模的GRU模型，對比傳統語言建模模型與引入額外門控的GRU明顯對比，針對傳統特征提取模型的循環神經網絡提出改進意見，提出一種當前信息和前一時刻狀态在進入神經元之前進行多輪交互的方法，并對基于改進GRU模型的方法的下一步發展進行展望。

報告題目四：基于深度學習的小樣本目标檢測算法研究

報告人：劉春磊

報告簡介：首先介紹兩種經典的目标檢測算法，以一階段算法yolo v3和二階段算法faster rcnn為例，針對通用目标檢測訓練所需數據量大的問題，引出小樣本目标檢測方法，小樣本圖像目标檢測隻需要提供少量的标注信息，就能夠檢測出感興趣的對象，對小樣本圖像目标檢測研究做了詳細的綜述。将現有小樣本圖像目标檢測基于遷移學習和基于元學習的兩種經典範式。根據不同算法改進方法的不同，将小樣本圖像目标檢測分為注意力機制，圖卷積神經網絡，度量學習和數據增強四種，對這些方法進行分析總結，最後讨論了小樣本圖像目标檢測的未來發展趨勢。

報告題目五：用于光譜成像多分量同步分析的 Python 框架

報告人：靳遠

報告簡介：光譜成像具有可視化、精度高、靈敏度高的特點，适用于分析複雜材料的空間分布。介紹一種用于光譜成像多分量同步分析的Python框架，該框架基于特征波段法和fast-NNLS算法，可處理複雜樣本的光譜數據，獲取基于目标組件的像素尺度上的樣本的半定量信息。用戶可選擇合适的處理方法，使得分析物質的目标成分更加直觀省時。

場次七、

時間：2022年7月7日（星期四）19:30-21:00

地點：澳门太阳集团9728网站601教室

報告題目一:分布式優化熱點研究

報告人:王思鑒

報告簡介:分布式優化早已成為研究熱點，本次報告旨在介紹分布式優化的發展曆程和國内外研究現狀。為了實現保持所有節點狀态一緻和共同找到原分布式優化問題的解，在設計算法時，通常需要設計一緻項協議并且與集中式優化算法結合，但尋求一緻所有節點狀态一緻的方向與梯度方向相沖突，為了克服這種沖突一個可行的方案是采用衰減步長，但是其會導緻收斂速度變慢。本報告讨論克服上述缺陷的分布式優化算法，并對更複雜的分布式優化算法設計進行可靠的指導。

報告題目二：加權平衡圖上的連續時間的分布式凸優化

報告人：李浩宇

報告簡介：首先介紹基于有向圖的凸函數連續時間分布式優化的概念以及适用場景。在基于動力學的一緻性問題上，無向圖的連續時間優化問題在轉化為有向圖時會有無法收斂的情況。本次彙報的主要内容就是介紹一個推論，并通過将不變性和強制性的概念與圖矩陣的正定性特性結合來确定推論的正确性，即在保證任何強連通并且加權平衡的有向圖上，一定能找到一個目标函數收斂到具有全局Lipschitz梯度的凸可微函數的之和的最小化集上。

報告題目三：分布式僞凸優化

報告人：黃镘潼

報告簡介：首先介紹分布式優化相關背景和課題來源。在基于集中式優化的基礎上，彙報當前分布式優化的研究進度。主要研究為分布式優化模型的證明，在原有的凸函數優化上進一步探索僞凸優化的收斂性，根據僞凸函數和問題建立的神經網絡模型是否能證明可行。

報告題目四：非凸分布式優化的研究

報告人：覃海華

報告簡介：首先介紹非凸分布式優化的研究背景以及研究的意義。目前在分布式優化中大多數的研究是以凸函數為目标函數，但是現實存在的基于非凸函數的問題是常見的，并且目前以非凸函數作為目标函數的分布式優化研究成果比較少。報告詳細介紹了幾種目前比較新的基于非凸函數的分布式優化算法，并且對其算法進行分析和總結。

報告題目五：分布式優化問題模型的構建方法

報告人：周順

報告簡介：目前分布式優化問題已經成為研究熱點。與集中式的神經網絡模型相比，分布式還需要解決一緻性等相關問題，報告分享了一些分布式優化相關的模型并給出在構建模型時常用的方法以及它們的特點，常見的方法有：罰函數法、投影法、拉格朗日乘子法等等。

報告題目六：密峰聚類優化算法研究

報告人：張睿權

報告簡介：密度峰聚類算法有許多優點，例如：可以對任意形狀的簇進行聚類，具有對球形數據集進行聚類的能力；不需要預先知道簇的數目，大大提高了算法的适用性；抗噪聲能力較強；算法速度較快等。然而密度峰算法也有一定的缺點：需要從決策值中選擇簇中心點，具有一定的随意性，使得算法不夠嚴謹；密度的定義過于簡單，且參數對密度的影響較大；分配剩餘點的時，一次分配的魯棒性差；依然會被噪聲幹擾等。

報告題目七：基于遞歸正則化的層次分類特征選擇框架研究

報告人：曹玉怡

報告簡介：大規模的分類任務有數百、數千甚至數萬個類别标簽，這些類标簽之間通常存在層次結構，這種任務稱為層次分類。針對層次分類，可以考慮層次結構中不同類之間的依賴性，父子關系的類的可能共享某些共同特征，兄弟關系的類需要不同的特征進行區别。因此，報告介紹一個具有遞歸正則化的層次特征選擇框架用于層次分類，介紹了如何使用層次遞歸正則化建模父子關系、兄弟關系和家庭關系來進行層次特征選擇，以此實現一個強大的分類模型。

報告題目八：蟻群優化算法及其在TSP問題上的應用

報告人：黎國偉

報告簡介：傳統的TSP問題是組合優化中的一個NP困難問題，在運籌學和理論計算機科學中非常重要，但難以在多項式時間内找出答案，而群智能算法是一種新興的演化計算技術，目前廣泛應用于工程領域。報告介紹了傳統蟻群算法（Ant colony optimization）的常用框架、參數設置原則及常見蟻群變種（MMAS、ANT-Q），并基于群智算法的研究熱點、應用進行展望。

場次八、

時間：2021年7月8日（星期五）14:00-15:00

地點：澳门太阳集团9728网站807B教室

報告題目一：基于多源交互融合的跨網絡實體對齊

方法研究報告人：莫少聰

報告簡介：基于在網絡表示學習層面的研究基礎，對目前的網絡實體對齊方法進行深入分析，從實際場景下跨網絡實體對齊标記數據難以大量獲取的現實問題出發，提出一種殘差循環對抗實體對齊方法。利用本文提出的殘差對抗實體對齊模型實現了無監督場景下的實體對齊學習，在此基礎上，利用重建損失模型和循環對抗模型對其進行了優化。在真實數據和生成數據上對所提出的方法進行了驗證，實驗結果表明，本文提出的方法相比目前的方法有較大提升，無監督學習的特性也提升了模型在實際場景下的應用能力。

場次九、

時間：2022年7月7日（星期四）8:00-12:00

地點：澳门太阳集团9728网站604教室

報告題目一：KDM安全公鑰密碼方案的挑戰函數集合的放大

報告人：連毓晨

報告簡介：首先介紹公鑰密碼方案為何需要KDM安全，在公鑰加密的場景中經常會遇到需要加密密鑰相關信息，但這實則存在很大的安全隐患，當敵手獲得足夠多的密鑰相關信息的密文後可破解密鑰，而KDM安全可以保證密鑰相關信息加密後密文的安全。其次，介紹KDM安全的定義及其挑戰函數，密碼方案的KDM安全性的高低取決于其挑戰函數集合的大小，挑戰函數集合越大，包括的函數越多，方案KDM安全性越高。

報告題目二：格上可撤銷的基于身份加密方案研究

報告人：範輝鳳

報告簡介：首先介紹身份加密的相關背景和課題來源。基于身份的加密(IBE)是一種無須使用公鑰證書進行身份認證的密碼系統，能夠克服公鑰尺寸對密碼體制實際應用效率的影響。而可撤銷的基于身份加密(RIBE)方案的研究，目的是解決系統用戶的公私鑰因各種原因有時需要被撤銷并替換為新的密鑰的問題，實現密鑰撤銷和更新的機制。針對現有的RIBE方案中密文尺寸受身份長度線性增長問題，在格基問題下利用完全子樹CS選擇算法提出新的用戶撤銷機制，可以有效實現用戶的身份管理；再利用多位加密方案的結構方法，改進密文大小。

報告題目三：基于RLWE的多密鑰全同态加密方法研究

報告人：陳宇月

報告簡介：全同态加密的誕生，為雲計算安全提供了理論上的解決方案，可在不洩露敏感信息的前提下完成對密文的處理任務，有着與生俱來的保護用戶數據安全和隐私的特性，在很大程度上解決雲計算上的數據安全問題。同時，全同态加密本身在密文檢索，隐私保護數據挖掘以及加密數據處理等方面具有廣泛應用前景。而多密鑰全同态加密方案允許雲服務器對多個用戶的密文進行任意計算，更适用雲計的應用場景。多密鑰全同态加密支持對不同用戶（不同密鑰）的密文進行任意的同态運算，且運算之後的結果由參與計算的所有用戶聯合解密，可用于安全多方計算、隐私保護等場景。（1）首先設計一個基本的單密鑰全同态加密方案；（2）加入密文擴展部分，使得單密鑰全同态轉為多密鑰全同态；（3）利用工具矩陣G修改密文擴展部分，使密文不再随用戶加入而指數增長；（4）采用低位比特丢棄技術優化計算密鑰生成部分，減少比特展開技術帶來的冗餘；（5）将單密鑰全同态加密中優化的密鑰交換技術擴展到多密鑰全同态加密中，解決密鑰交換過程複雜的問題。。

報告題目四：多密鑰TFHE加密方案的研究

報告人：王冠倫

報告簡介：首先介紹TFHE方案的來源與發展，TFHE是基于GSW發展而來的全同态加密方案，他是FHEW的改進版本，其主要提出了外積這一算法來保證對同态乘法的支持的同時也解決密文乘積為矩陣相乘的形式，使得同态運算的開銷大大減小，提升了方案的效率。其次，介紹TFHE方案的三種密文形式以及外積的運算過程與原理，其将FHEW中的RGSW×RGSW改進為TGSW×TLWE形式。介紹查找表以及盲旋轉算法，其中查找表使用CMUX門電路，盲旋轉算法用于方案的電路自舉。最後對多密鑰TFHE方案進行改進，使用橫向壓縮與縱向壓縮技術加快查找表的效率，使用XOR門電路優化多密鑰方案的同态運算，使其支持SIMD技術，提高方案的效率。

場次十、

時間：2022年7月4日（星期一）8:00-10:00

地點：澳门太阳集团9728网站807B教室

報告題目一：基于深度學習的圖像去霧算法研究進展

報告人：李雅

報告簡介：圖像是信息的重要承載形式。霧霾的出現降低了圖像采集設備采集到的圖像質量，容易出現色彩暗淡、對比度和飽和度降低、細節信息丢失等問題，直接影響了有用信息的表達和利用。目前對圖像去霧的研究多采用深度學習的方法，卷積神經網絡代替了人工特征提取方式，取得了優于傳統算法的去霧效果，但普遍存在着對真實世界霧霾圖像和清晰圖像對的依賴。無監督學習的方法帶來了新的解決思路。報告對有代表性的深度學習圖像去霧算法從監督學習和無監督學習的角度進行分類，歸納了論文中常用的數據集、評價指标，概括分析了有影響力的去霧模型的核心思想，總結了各算法的優缺點和适用場景，并進行實驗分析與比較。針對目前工作存在的不足，探索下一步研究的方向。

報告題目二：融合音字特征轉換的非自回歸Transformer中文語音識别算法研究

報告人：滕思航

報告簡介：報告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。為提升非自回歸模型的識别準确度，報告将詳細介紹一種融合音字特征轉換的非自回歸Transformer中文語音識别算法，其中，重點介紹音-字特征轉換，通過在主要包含讀音信息的decoder輸出表示中融合上下文信息，産生的新表征将包含更多字符信息，從而改善非自回歸Transformer同音不同字的識别錯誤問題。報告最後展示了在中文語音數據集AISHEEL1上的實驗結果，可以表明基于深度雙向Transformer的音字特征轉換模型具有更強的特征抽取能力，并在速度與精度上均實現較好的水平，在衆多主流中文語音識别算法中展現出較強的競争力。

場次十一、

時間：2022年7月4日（星期一）8:00-12:00

地點：澳门太阳集团9728网站601教室

報告題目一：OCR技術導論

報告人：馮笑如

報告簡介： 首先簡要介紹了OCR技術的背景，包括應用場景和技術挑戰。雖然OCR是一個相對具體的任務，但涉及了多方面的技術，包括文本檢測、文本識别、端到端文本識别、文檔分析等等。學術上關于OCR各項相關技術的研究層出不窮，報告将簡要介紹OCR任務中的幾種關鍵技術的相關工作。最後，雖然學術上關于OCR技術的研究很多，OCR技術的商業化應用相比于其他AI技術也已經相對成熟，但在實際的産業應用中，還是存在一些難點與挑戰，報告也将從技術和産業實踐兩個角度進行簡要分析。

報告題目二：OBL在灰狼算法中的應用

報告人：郭世謙

報告簡介：反向相對基學習OBL（Opposition Based Learning），是一種在考慮候選解決方案的同時，也考慮相反的解決方案，實驗證明，在沒有先驗知識優化的條件下，反向解比随機解能達到全局最優的概率更高。将OBL引入灰狼算法中，能極大改善灰狼算法的效率。

報告題目三：基于NLP的水利輿情研究

報告人：楊林達

報告簡介：随着互聯網的發展，人們能夠越來越方便的在網絡上發表和水利有關的新聞和言論，但往往有些新聞或者言論是虛假的，甚至會給社會帶來負面影響。對此，可以利用 NLP 技術中的情感分析和關鍵詞提取監測負面新聞的傳播來維護社會穩定。對于NLP中BERT 處理長文本直接截斷丢失文本信息和TextRank 算法不具針對性兩個方面問題，提出一種的多特征融合的改進 TextRank模型。

報告題目四：TF-IDF模型及其用于文檔檢索的變體的分析

報告人：周聰

報告簡介：信息檢索系統是能夠存儲、檢索和維護信息的系統。在這種情況下，信息可以由文本(包括數字和日期數據)、圖像、音頻、視頻和其他多媒體對象組成。TF-IDF權重是一種統計度量，用于評估一個詞對集合或語料庫中的一個文檔的重要性。對于語料庫文檔詞和查詢詞，有多種加權模型。報告對向量空間模型在使用新數據集時的檢索效果進行分析和評估。

報告題目五:雲存儲環境下的密文檢索研究發展

報告人: 趙統

報告簡介:基于當下數據量不斷增長，導緻數據的存儲模式由本地轉向雲端從而面對更多安全問題及用戶數據的隐私隐患的情況下，對雲存儲環境下的密文檢索應用場景進行簡單的介紹，細分檢索方法的差異，對經典的密文檢索方法進行總結，最後對後續發展趨勢進行簡要的分析。

場次十二、

時間：2022年7月5日（星期二）14:30-17:30

地點：澳门太阳集团9728网站807B教室

報告題目一：增強現實中的多設備交互

報告人：鄭昱霖

報告簡介：首先介紹相關背景和課題來源。傳統的交互方式并不能很好的适應增強現實的需要，在多設備協同可以有效的增強AR設備的交互性。基于多設備與AR頭盔産生的新型交互方式能在一定程度上優化交互性。報告詳細介紹了一些基于多設備交互的改進的交互方式，通過這些新方式能有效提升用戶友好性與交互性，并且一定程度上提升人機交互的效率。

報告題目二：增強現實中的AR跑步伴侶研究

報告人：張友鵬

報告簡介：喜歡跑步的人群總是有一個現實的痛點，就是當他們跑步跑到筋疲力盡，但是還沒有完成任務時，需要一個人來在前面帶跑；或者想以一定的配速來跑完全程。增強現實眼鏡在一定程度上可以解決這個問題。我們提出了runner accompany 的概念，用戶可以根據自己的喜好，選擇不同的avater，比如人物、自然界的動物或者自己的寵物，然後根據上次的運動表現來設置當前的運動速度。經研究表明，runner accompany可以有效提升跑步者的運動表現，是增強現實有效的有前景的應用之一。

報告題目三：基于“延伸棒”的VR運動反饋問題研究

報告人：白化龍

報告簡介：随着虛拟現實技術的高速發展，虛拟現實在各行各業的應用範圍也更加廣泛，然而，虛拟現實與真實物理世界的區别在于真實物理世界可以真實性的與實際存在的物體産生運動學交互，虛拟現實則是通過營造虛拟的三維物體給用戶營造一種虛假的“真實感”，提高用戶在虛拟現實世界中的“沉浸感”是虛拟現實人機交互的一個重要的課題，目前很多研究的開展基于使用真實物體比如毛刷，電機等工具給用戶營造撫摸不同粗糙程度虛拟物體的觸感和模拟虛拟物體物理阻礙的方式提升用戶的體驗，然而，這些方式依舊存在着裝配不易，使用不便的問題。本次報告提出，在虛拟世界中通過在虛拟手增加“延伸棒”的方式，給用戶營造真實運動反饋的方式，提升用戶體驗，并對後續其他可行性進行展望。

報告題目四：基于“安全牆”的交互拓展研究

報告人：蘇建春

報告簡介：安全牆是VR人機交互中的安全保障，保障用戶在VR世界裡可以安全的進行遊戲。本項目基于安全牆進行交互拓展，在牆上實現更多的交互功能給用戶添加更多的交互方式。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。牆的交互可以打破空間上的顯示，是安全牆除了保障安全外具有更多的可能性。報告提出基于“安全牆”的交互拓展幾種方向，分别是與其他空間、與真實世界、與自身世界的交互，并探讨目前階段的牆的應用。

報告題目五：AR用戶與VR用戶之間的交互研究

報告人：覃浩钊

報告簡介：虛拟現實給VR用戶帶來沉浸式體驗。但其他用戶很難去理解VR用戶所處的環境和情景。我們可以通過其它設備實現AR效果，來觀察VR用戶裡面的場景。當VR用戶在虛拟世界中，可以把虛拟世界中的物體分享給AR用戶，讓AR用戶可以看到虛拟世界物體以達到理解VR用戶所處的情景。再通過可視化系統可以對虛拟世界物體進行操作，達到AR用戶與VR用戶之間的交互。

報告題目六：Hololens空間感知系統

報告人：覃業暢

報告簡介：Hololens混合現實眼鏡的虛實融合效果需要虛拟環境和現實環境的精确對齊，并且能互相作用。Hololens 2 的空間感知功能可以實時對周圍的物理環境進行檢測。但是其感知模塊存在着各種限制，報告詳細介紹了Hololens 2空間感知模塊的應用與限制，通過各種方式調整此系統，最終達到性能與效果的平衡。

場次十二、

時間：2022年7月5日（星期二）15:00-17:00

地點：國際學院208

報告題目一：基于Q-Managed的多目标強化學習算法

報告人：唐嶽鵬

報告簡介：多目标強化學習(MORL)涉及使用強化學習技術來解決具有多個目标的問題，無論這些問題是否相互沖突。在處理這類問題的主要技術中，主要會受到帕累托前沿的形狀、計算成本的限制。在這項工作中，提出了一種新的基于單策略方法的疊代算法，稱為Q-Managed算法。該算法的實驗使用了最傳統的具有不同形狀的帕累托前沿的MORL基準，成功地為所有這些基準找到了所有的最優策略，比文獻中的所有單策略算法都要好，并且在策略質量方面與最好的匹配，在計算成本問題上可能更好。

報告題目二：基于Bert模型的研究

報告人：江俊聰

報告簡介：介紹深度學習當中較為火熱的NLP方向的預訓練模型Bert模型的來源及其概念，介紹其前身的transformer模型。将其運用于文本分類的實際問題，并展望該模型進一步的改進以及優化。

報告題目三：關于BERT預訓練模型的研究

報告人：魏丹陽

報告簡介：BERT全稱為 Bidirectional Encoder Representation from Transformers（來自 Transformers 的雙向編碼器表示），是谷歌2018年發表的論文中1，提出的一個面向自然語言處理任務的無監督預訓練語言模型。其意義在于：大量無标記數據集中訓練得到的深度模型，可以顯著提高各項自然語言處理任務的準确率。BERT采用Transformer的編碼器（Encoder）結構作為特征提取器，并使用與之配套的MLM訓練方法，實現輸入序列文本的雙向編碼；與隻使用前序文本信息提取語義的單向編碼器（如GPT等）相比，BERT具有更強的語義信息提取能力。

場次十三、

時間：2022年7月7日（星期四）15:00-17:00

地點：國際學院208

報告題目一：基于Softmax的多目标強化學習算法

報告人：唐嶽鵬

報告簡介：盡管近年來強化學習在多目标問題中的應用越來越引起人們的興趣，但在多目标背景下探索策略的适用性和有效性的研究卻很少。該論文考慮了單目标強化學習文獻中幾種廣泛使用的探索方法，并研究了它們與多目标Q學習的結合。特别是，本文提出了兩種新的方法，将Softmax算子擴展到與向量值獎勵一起工作。這項算法的效果是在一組基準環境中進行評估的。結果表明，在所考慮的技術中，新的Softmax-epsilon勘探與樂觀的初始化相結合提供了勘探和開采之間最有效的權衡。

報告題目二：基于預訓練模型的研究

報告人：江俊聰

報告簡介：介紹自然語言處理當中較為熱門的預訓練模型，包括transformer模型、Bert模型以及ERNIE模型，将其運用于文本分類方向，提出了一種改進的文本分類的模型，并對該模型的下一步發展進行展望。

報告題目三：關于prompt範式的研究

報告人：魏丹陽

報告簡介：近幾年來，有關預訓練語言模型（PLM）的研究比比皆是，自然語言處理（NLP）也借着這股春風獲得了長足發展。尤其是在2017-2019年間，研究者們的重心逐漸從傳統task-specific的有監督模式轉移到預訓練上。基于預訓練語言模型的研究思路通常是“pre-train, fine-tune”，即将PLM應用到下遊任務上，在預訓練階段和微調階段根據下遊任務設計訓練對象并對PLM本體進行調整。

場次十四、

時間：2022年7月4日（星期1）8:00

地點：澳门太阳集团9728网站516教室

報告題目一：行為識别技術研究

報告人：蔣家基

報告簡介： 報告主要分為穿着識别、行為識别、步态識别三大部分進行演講。對于特定穿着識别采用YOLOX算法對采集到的數據集進行訓練和驗證。行為識别部分采用CNN+LSTM算法進行，長短時記憶網絡時是針對這一問題的具體解決方案。在步态識别方面，由于同一個樣本在不同時間段步态未必一緻，要達到較高識别水平，需要采集大量樣本進行訓練。采用GaitPart算法對現有開源數據集OU-ISIR MVLP進行訓練測試，并探讨對模型進行剪枝處理，合适做輕量化和工業化部署。

歡迎廣大師生踴躍參加！