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12月12日（星期一）9:00-12:00

地點：澳门太阳集团9728网站310教室

報告題目一：基于半監督學習的單模态醫學圖像分割方法研究

報告人：盧麗雲

報告簡介：深度學習技術在許多醫學圖像分割任務中取得了巨大的成功。全監督學習通過利用大量标記數據，取得了顯著的改進和最先進的性能。然而，由于醫學圖像中的不同器官之間以及不同組織之間的邊界很難明顯區分，導緻技術人員對醫學圖像進行标注既耗費時間又耗費精力，很難獲得大量完整标注的、精确度高的醫學圖像數據集。半監督學習在面臨标注數據不足的問題時，使用大量未标記數據參與模型算法的訓練，從而高了算法模型的性能，而且在提高未标注數據使用率的同時，解決了全監督學習方法在面臨标注樣本較少時，泛化能力的不足以及無監督學習方法面臨同樣情況下準确度難以提高的問題。因此，我們将重點放在半監督分割方法上，因為它更适合于少量的标記數據和大量的未标記數據。最近，已經有很多半監督分割方法應用于醫學圖像分割領域。其中，最先進的半監督分割方法大緻可歸納為兩類，即基于一緻性的正則化和僞标簽學習。

報告題目二：3D醫學圖像分割與配準聯合自訓練

報告人：石華榜

報告簡介：醫學圖像分割和配準是臨床醫學診斷中非常重要的相關步驟。在過去幾年中，用于聯合分割和配準的深度學習技術通過單向輔助學習或相互利用，在分割和配準任務中都取得了良好的效果。然而，它們通常依賴大的标記數據集進行監督訓練，或者直接使用僞标記而不進行質量估計。我們提出了一個聯合配準和分割自訓練框架(JRSS)，旨在使用分割僞标簽來促進在具有少量人工标記樣本的場景中分割和配準之間的共享學習，同時提高雙重任務的性能。JRSS将弱監督配準和半監督分割學習結合在一個自訓練框架中。分段自訓練通過注入噪聲、僞标簽篩選和不确定性校正，為未标記數據生成高質量的僞标簽。配準利用僞标簽來促進弱監督學習，并作為輸入噪聲以及數據擴充來促進分割自我訓練。在腹部CT和腦部MRI兩個公開的3D醫學圖像數據集上的實驗表明，我們提出的方法在少量拍攝的情況下實現了分割和配準精度的同時提高。在骰子相似性系數和雅可比行列式的标準偏差的度量方面優于單任務全監督訓練模型。

報告題目三：基于半監督學習的皮膚病變分類方法研究

報告人：鄧紹昌

報告簡介：深度學習是學習樣本數據的内在規律和表示層次，讓機器能夠像人一樣具有分析學習能力，能夠識别文字、圖像和聲音等數據的一種技術。全監督學習在許多醫學圖像分類任務中取得了巨大的成功。然而，獲取标注既耗費時間又耗費精力，難以通過人工手段進行。因此，基于半監督學習的方法更适合皮膚病變分類。半監督學習中的僞标簽和一緻性技術，極大的減少了對有标注數據的依賴，使得深度學習模型得以在标注數據較少的情景下也能獲得較好的性能。

報告題目四： RNA甲基化位點m7G在人類疾病中的影響

報告人：吳治宏

報告簡介： 目前存在多種基因表達的調控方式，其中mRNA可以通過堿基修飾對基因表達進行調節，以m7G修飾為例，m7G是一種帶正電荷的重要修飾，廣泛存在于生命活動的各個領域，m7G通過甲基轉移酶進行甲基化影響生物進，m7G甲基轉移酶的缺失導緻的疾病往往嚴重而難以痊愈，加深對m7G與疾病的關系的理解，有助于人們從分子水平找到疾病的病因，從根本上對疾病進行預防、診斷和治療。利用生物信息構建網絡模型，是研究m7G與疾病之間的關系的有效方式。在收集到疾病信息和m7G信息後，構建異構信息網絡，在此基礎上采用合适的算法以解決關聯預測的問題，推斷出m7G與人類疾病之間的關系。

報告題目五：聯邦學習在醫學圖像中的non-iid研究

報告人：劉方蔔

報告簡介： 深度學習已成功地應用于醫學圖像的病理檢測和診斷中，它可以在沒有醫學專家輸入的标準圖像處理規則的情

況下原始圖像中學習并提供高精度的輸出。但這需要大量不

同的數據才能發揮作用，若數據集差異很小或者疾病數據集

很少時，神經網絡是沒辦法有良好的泛化能力的。此外，在

訓練醫學影像模型中也可能依據機構偏見相關的混雜因素，

而不是将模型建立在所評估的病理基礎上，該模型在檢驗同

一機構的保留數據時，雖然準确度較高，但對外部機構的了

解較少，不能很好地擴展到外部機構。理論上，最有效的方

法是将有關患者的所有數據集中起來共享到一個中心，并進

行訓練，能夠産生良好的性能。

場次二、

時間：2022年12月12日（星期一）9:00-11:00

地點：澳门太阳集团9728网站601教室

報告題目一：個性化聯邦學習的優化問題

報告人：何思怡

報告簡介：報告介紹了個性化聯邦學習的優化問題。在 AI 研究的進步推動人工智能 (AI) 迅速采用的同時，人們對數據隐私的認識和擔憂也在不斷增加。 最近數據監管領域的重大發展促使人們對隐私保護人工智能的興趣發生了翻天覆地的變化。 這促成了聯邦學習 (FL) 的普及，聯邦學習是一種以保護隐私的方式在數據孤島上訓練機器學習模型的領先範例。個性化 FL (PFL)可以解決FL 在異構數據上的基本挑戰。本報告分析PFL 的主要動機，重點介紹了此方向的主要想法、挑戰和機遇，并展望了未來有希望的研究軌迹。

報告題目二：基于物聯網與邊緣計算的信譽環簽名改進型共識方案

報告人：馮敏瑜

報告簡介：報告介紹了一種基于邊緣計算的實用拜占庭容錯與信譽環簽名的改進共識法。由于薄弱簡單的密碼憑證、有限的計算力與集中化的體系結構使得傳統物聯網設備容易受到安全攻擊。通過在傳統物聯網結構中加入邊緣計算的概念，将計算能力放在邊緣設備上，并在此基礎上通過去中心化的區塊鍊賬本保護用戶隐私。該方法使用信譽環簽名使得網絡在去中心化的前提下增強了隐私安全保護。報告介紹了嗚嗚該方法的實現和效果，彌補了該研究領域的空白。

報告題目三：面向非獨立同分布數據的聯邦學習研究進展

報告人：陳逸欣

報告簡介：在聯邦學習中，因數據隻需在終端設備上進行訓練而不需要上傳到服務器端，從而有效的保證了數據的隐私性和安全性。雖然目前關于聯邦學習各方面的研究取得了很大的進展，但是在實際聯邦學習環境中，參與設備的數據是非獨立同分布(Non-Independent-and-Identically-Distributed, Non-IID)的，這仍然是一個難以攻克的難題。報告對聯邦學習中非獨立同分布數據方面的研究從性能優化、算法優化、模型優化、通信成本、隐私保護和個性化聯邦學習等方面進行了闡述，并介紹了現階段聯邦學習中有關獨立同分布數據的算法和研究方案。

報告題目四：基于資源受限的IoT設備的輕量級區塊鍊共識機制優化研究

報告人：謝金城

報告簡介：介紹了一種針對輕量級區塊鍊的基于獎懲策略的改進PBFT共識機制（SPBFT）和基于RS擦除碼的區塊鍊存儲優化策略（RS-BSOS）。大多數的物聯網設備在資源受限的場景中隻有有限的計算、存儲、帶寬和其他資源，這使得它産生了難以承受的負擔。因此，需要設計一個輕量級的區塊鍊對資源受限設備場景考慮到傳統PBFT機制的通信吞吐量，對PBFT機制的一緻性過程進行了建模，并給出了改進的PBFT機制。提出的SPBFT共識機制能夠減少區塊鍊共識對計算和網絡資源的占用，減輕區塊鍊網絡中資源受限設備的計算和通信負擔。

場次三、

時間：2022年12月12日（星期一）15:00-18:00

地點：澳门太阳集团9728网站601教室

報告題目一：有界置信和排斥框架下的觀點極端化分析

報告人：侯永钊

報告簡介：介紹有界置信和排斥效應下的觀點動力學模型，該模型包含社會網絡交互和個體獨立的時變理性。在有界置信框架中，個體的觀點是由于與其他具有相似觀點個體的交互而演化的。因此，觀點可以達成共識或碎片化，但不能達成極端化。相反地，當排斥機制起作用時，觀點距離較遠的個體就能進行交互并相互排斥，導緻極端化。我們全面分析了模型的表現，發現群體的極端化程度可以被排斥規則所控制，而社會網絡促進了觀點極化，基于個體的理性和時變适應性也對觀點動力學有很大影響。

報告題目二：高階相互作用破壞了Deffuant觀點動力學模型中的相變

報告人：卞環宇

報告簡介：社會中觀點的形成和傳播在很大程度上是從物理學的角度進行研究的，通過基于程式化的主體模型，以交互主體的動态系統為社會建模，旨在了解社會交互的不同方面在現實生活中觀察到的模式中所起的作用。報告定義了一個高階Deffuant模型，将有界置信度觀點動力學的原始成對交互模型推廣到涉及一組大小為k的代理的交互。報告研究了從随機超圖集合到空間嵌入超格的不同超圖拓撲中的觀點動力學。結果發現，包括高階相互作用會導緻随機超圖的一緻性開始發生劇烈變化；随着置信值的增加，系統經曆了與大小無關的平滑過渡，而不是二元Deffuant模型所特有的急劇相變。這種現象在保持相變的正則超圖中是不存在的。

報告題目三：有關逆向選民模型在振蕩宣傳影響下呈現出随機共振等動力學現象的研究

報告人：白棚舟

報告簡介：研究在外部振蕩宣傳和随機噪聲影響下社會觀點形成的逆向選民模型。種群中的個體可以對給定的問題持有兩種可能的觀點之一——反對或贊成——并按照模仿動力學(選民行為)或反結盟動力學(反向行為)與鄰居進行交互：每個個體以依賴時間的概率p(t)接受随機鄰居的觀點，或以概率1-p(t)接受相反的觀點。模仿概率p(t)受社會溫度T控制，并根據模仿外部宣傳影響的周期性場随時間變化，使選民更傾向于采納與場一緻的觀點。我們在完全圖和格子中對模型進行了模拟，發現随着T的變化，系統表現出豐富多樣的行為：T=0時，觀點共識行為，T<Tc，雙峰行為，T>Tc時，一種平均觀點随場在時間上的振蕩行為，T>>1,完全無序。在完全圖中，臨界溫度Tc随着種群規模N的增大而減小， 。此外，停留時間tr在雙峰相中衰減。在振蕩區域内，我們在給定的溫度 下發現了一個類似随機共振的現象。此外，平均場分析結果表明，觀點振蕩在中等溫度時達到最大振幅，并且相對于随T下降的場表現出滞後。

報告題目四：基于從衆機制的空間囚徒困境博弈研究

報告人：黎钰欽

報告簡介：無處不在的合作行為與達爾文主義的進化論相沖突，解釋合作的出現和維持是一個持續存在的挑戰。演化博弈理論的出現為合作研究提供了有效的分析工具和求解方案。其可以解釋一個系統的内在機制并且預測未來的發展方向，可以很好地用于研究個體在一個群體中的合作演化問題。從衆作為社會影響的一種重要表現，其體現在人類的行為和決策會受到他人的影響。将從衆機制引入到演化博弈的研究，對于分析從衆行為的進化起源和合作演化過程具有重要意義。本報告系統地比較信息性從衆和規範性從衆這兩種不同的從衆反應類型在傳統囚徒困境博弈模型中的不同影響，探讨從衆個體對合作演化的影響及内在的機制。同時，考慮不同的網絡和博弈模型作用于從衆機制所産生的影響。

報告題目五：基于DeGroot模型和Hegselmann–Krause模型的社交網絡混合意見動力學的研究

報告人：蔡華生

報告簡介：結合觀點傳播和複雜網絡理論創新提出兩個新的意見動力學模型描述觀點演化和傳播過程： 1)意見相似性混合（OSM）模型和2)結構相似性混合（SSM）模型，這兩個模型結合了DeGroot模型和Hegselmann–Krause模型的部分特征。然後使用人工構造的網絡和真實的社交網絡進行模拟，即ER随機網絡、随機規則網絡、BA無标度網絡和Twitter網絡。最後分析所提出的模型在各個網絡下的不同結果，對模型在真實社交網絡和人工社交網絡下的結果進行對比分析。

報告題目六：在昂貴的網絡交互中同步與合作的協同進化

報告人：羅義軍

報告簡介：盡管有大量關于同步的研究，但很少有人考慮到相互作用對相關個體産生成本的假設。相反，引入代價高昂的互動會導緻形成一種二分的情景，在這種情景中，個體可能會決定合作并支付成本，以便與其他人群保持同步。或者，同一個人可以決定免費乘車，而不需要承擔任何費用，等待其他人與他或她的狀态同步。因此，同步的出現可能被視為進化博弈的副産品，在進化博弈中，個體根據過去積累的收益與成本比率來決定自己的行為。研究了Kuramoto振子網絡種群中合作和同步的開始，并報告了拓撲結構如何對合作繁榮至關重要。還展示了不同類型的拓撲在微觀和宏觀層面上如何不同地促進同步。

場次四、

時間：2022年12月13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：後量子時代的格密碼

報告人：韋璐璐

報告簡介：随着量子計算機的發展，當前的密碼體制面臨安全威脅，因此抵抗量子攻擊的密碼體制成為當前研究熱點之一。美國NIST最新一輪抗量子密碼算法征集中，最受歡迎的主要大多基于格密碼構造。本次報告将先介紹當前的密碼體制主要基于哪些數論難題，為什麼難以抵抗量子計算機的攻擊；其次介紹格理論的起源、結構；最後介紹當前格密碼上的發展現狀，包括當前格上存在哪些難題和熱門的算法應用。

報告題目二：基于圖神經網絡的生物網絡相似性查詢算法研究

報告人：王憶

報告簡介：生物網絡是由生物分子及其相互作用和轉化構成的複雜系統，生物網絡相似性查詢在生物網絡結構預測、功能預測、系統發生分析以及與疾病相關的特定研究中起着重要作用。本報告首先介紹生物網絡相似性查詢的概念、應用和發展現狀，其次介紹一種基于圖神經網絡的生物網絡相似性查詢算法，該方法結合生物網絡的拓撲結構和生化信息特征，使得查詢結果不僅在拓撲結構上表現出相似，并且更具有生化意義。

報告題目三：基于交替方向乘子法訓練神經網絡的研究

報告人：曹玉怡

報告簡介：在大規模神經網絡的訓練過程中，GPU對神經網絡的訓練變得越來越必要，傳統的優化算法依賴于随機梯度方法，不能很好拓展到集群環境。而ADMM已經成功地應用于許多傳統的機器學習應用，被認為是一種替代随機梯度下降(SGD)的深度學習優化器，報告介紹交替方向乘子法（ADMM）的基本原理和特點，詳細介紹使用ADMM算法來訓練神經網絡的方法，并對該方案下一步的發展進行展望。

報告題目四：Faster Than Nyquist技術介紹

報告人：賴鳳英

報告簡介：超奈奎斯特（Faster Than Nyquist，FTN）速率傳輸技術，通過壓縮時域信号發送間隔或頻域壓縮信道間隔的方式，使得不再滿足奈奎斯特正交傳輸準則，形成具有碼間幹擾的傳輸速率超過奈奎斯特速率的更高頻域效率的複用信号，并且借助強大的DSP（Digital Signal Processor）算法可實現各類線性/非線性損失的高效補償和信号恢複，是超高譜效、大容量相幹光傳輸鄰域極具潛力的發展方向。

場次五、

時間：2022年12月13日（星期二）15:00-18:00

地點：澳门太阳集团9728网站601教室

報告題目一：在線社交網絡中媒體對内容意識形态影響的研究

報告人：侯永钊

報告簡介：介紹在社交網絡中媒體對意識形态的影響，我們通過将媒體賬戶作為網絡中的影響者來建立有限置信度觀點動力學模型，用區間上的連續參數來量化内容的觀點，并制定了更高維的觀點空間來包含内容質量和越來越微妙的政治立場。我們使用一維和二維意識形态來模拟該模型，并使用模拟結果來量化網絡中媒體對用戶意識形态的影響力。通過調整媒體的數量和這些媒體的追随者 (followers) 數量，使媒體在社交網絡中的影響力得到優化。通過數值計算，我們發現媒體對用戶意識形态的影響取決于網絡的結構特征，包括網絡規模、平均訂閱者數量以及用戶對不同意識形态的接受程度。

報告題目二：活動驅動網絡中的觀點動力學

報告人：卞環宇

報告簡介：個體之間的社會交流不斷地影響着個體觀點的發展。以前的模型，如Deffuant模型和Hegselmann-Krause(HK)模型假設個人隻有在與觀點相似的鄰居互動後才會更新他們的意見。報告中提出了一個模型，其中個體聽取所有鄰居的意見。在具有容忍阈值的活動驅動網絡中研究連續的觀點動力學。研究了初始意見分布、容忍阈值、意見更新速度和活動率如何影響意見的演變。

報告題目三：個人社會影響力和收益機制共同作用的觀點動力學研究

報告人： 白棚舟

報告簡介：現實中的社會多樣性為我們提供了探究觀點動力學的一個新思想。我們通過引入與個人相關的兩種不同社會機制——個人社會影響力機制，社會影響力用網絡度值k衡量，和個人收益機制，代表個體的财富值——給出了一個變體選民模型。在模型中我們按不同濃度混合了這兩種機制，個人社會影響力機制為ε（0≤ε≤1）和 個人收益機制1-ε，使其共同作用于在無标度網絡上的整個演化過程。有趣的是，我們發現融合了個人收益機制的模型，比僅考慮個人社會影響力機制，在達成全球共識方面要更優，大大縮短了共識時間。另外，每個個體被分配了一個可調節的參數，權重α，它控制網絡中個體之間的多樣性水平。個人收益機制的融入，極大的弱化了在單一個人社會影響力機制下權重α的作用，并且總是存在一個最優的成本收益比，促使最短共識時間的出現。除此之外，我們還考慮了觀點的多樣選擇性，而非局限于二值觀點。結果表明，随着初始觀點的增加，将不利于全球共識的達成。然而，融合個人收益機制後，會有最優的成本收益比，去平衡因初始觀點的增加造成的負面影響，促使最短時間達成共識。這個最優的成本收益比，會随着初始觀點的增加，而減少。

報告題目四：基于BM強化學習模型的連續公共物品博弈研究

報告人：黎钰欽

報告簡介：人類具有很強的學習能力，他們會通過過去的經驗來調整未來的行為或決策。這類個體被稱為強化學習者，他們從經驗信息中形成兩種認知機制，即接近和回避。他們更傾向于重複過去産生滿意的結果的行為，并避免導緻産生不滿意的結果的選擇。強化學習機制是自然界中最廣泛存在的适應機制之一，其對研究重複困境博弈中的合作行為，具有重要的現實意義和理論價值。本報告研究一個基于BM模型的強化學習機制下的連續公共物品博弈模型。進一步研究基于BM模型的強化學習機制影響合作演化的内在機理，和不同個體的類型對于群體中合作行為的影響。

報告題目五：基于在線用戶意見重構社交網絡結構的研究

報告人：蔡華生

報告簡介：利用網絡重構的意見動力學和壓縮感知方法，提出了一種具有社區結構的社會網絡重構模型，該模型可根據在線社交網絡中用戶的意見重構該社交網絡的網絡結構。然後在一個真實的社交網絡下模拟，并比較個體觀點在初始時刻的不同分布對網絡重建精度的影響。最後對信息傳播和社會網絡關系的關系機制進行總結展望。

報告題目六：在相互交織的動力學和進化博弈論中，向同步和合作的雙重爆炸性轉變

報告人：羅義軍

報告簡介：集體行為，從雜音到心髒細胞的同步跳動，支配着自然界中一些最美麗和最重要的方面。同樣地，合作——為共同利益而犧牲個人利益的行為——是社會進化的支柱之一，也是從單細胞生物到現代人類社會出現集體組織行動的基礎。在這裡，我們将這兩種現象合并成一個單一的模型，考慮一個網絡振子的集合，其中每個振子既可以是合作者，也可以是叛逃者，并且隻有合作者對同步做出貢獻。同時，将每個振子附近的序參量的值作為一個有效的局部溫度，它決定了演化博弈中的策略更新過程。因此，合作與同步的出現交織在一起，産生了一種新穎而迷人的動力學，其中包括一個雙重爆炸性的轉變。

場次六、

時間：2022年12月14日（星期三）14:30-16:00

地點：澳门太阳集团9728网站601教室

報告題目一：基于改進貝葉斯方法的基因調控網絡構建

報告人：饒臻

報告簡介：為了研究基因之間的複雜調控關系，使用貝葉斯網絡模型來構建基因調控網絡，針對以往單一貝葉斯網絡模型結構學習算法精度低的問題，提出一種結合信息論構建初始網絡并在該網絡上進行評分搜索的基因調控網絡學習方法，使用最大信息系數篩選有較高關聯性的節點構建初始網絡以提高解的質量，在評分搜索中使用禁忌搜索和BDe評分訓練生成最終網絡。之後在一組單細胞的蛋白質因果表達網絡數據和大腸杆菌表達網絡數據上進行構建基因調控網絡實驗，并在不同數據量，不同性能指标上與其他網絡構建算法進行對比，實驗結果證明了構建方法在不同規模的數據集上的有效性和準确率要優于用于對比的其他算法。

報告題目二：一種針對空間形變文本的圖像超分辨率

報告人：李志鵬

報告簡介：場景文本圖像超分辨率的目的是提高低分辨率圖像中文本的分辨率和可讀性。雖然深度卷積神經網絡(cnn)取得了顯著的改進，但對于空間變形的文本，尤其是旋轉和曲線形狀的文本，重建高分辨率圖像仍然困難。這是因為目前基于cnn的方法采用的是基于局部的運算，無法有效地處理變形引起的變化。在本文中，我們提出了一種基于CNN的文本注意網絡(TATT)來解決這個問題。首先通過文本識别模塊提取文本語義作為文本先驗信息;然後，我們設計了一個基于Transformer的新型模塊，該模塊利用全局注意機制，在文本重構之前發揮文本的語義引導作用。此外，我們還提出了一種文本結構一緻性損失的方法，通過對正則文本和變形文本進行結構一緻性重建來改善視覺外觀。在基準TextZoom數據集上的實驗表明，提出的TATT不僅在PSNR/SSIM指标方面達到了最先進的性能，而且在下遊文本識别任務中顯著提高了識别精度，特别是對于多方向和彎曲形狀的文本實例。

報告題目三：結合知識的方面級情感分析研究

報告人：淩鍵軍

報告簡介：現有 ABSA 方法性能良好，但大多數方法無法解釋為什麼将一條方面 - 情感信息歸類為正面或負面。方面術語和觀點詞之間的确切配對信息并不總是很清楚，因為如果沒有領域知識，句子中兩個實體之間的語義關系可能無法獲得。因此，有必要提供一種可解釋的方法來理解為什麼某些方面——情感信息被歸類為正面或負面。為了提供可解釋且準确的方面術語和相應的方面-情感檢測，考慮外部特定領域的知識通常很有用，将情感領域知識注入語言表示模型來利用情感知識圖中的附加信息，以此來提高情感分類的效果，同時使模型更具有可解釋性。

報告題目四：第三代測序數據基因組移動元件檢測方法研究

報告人：馬彙東

報告簡介：移動元件變異是一種特殊且重要的結構變異類型。現有基于長讀比對的檢測工具在低覆蓋度數據集的檢測性能仍有提升空間。本報告介紹一種利用長讀比對信息編碼與片段重比對來精确檢測移動元件變異的方法。該方法通過将插入與缺失變異的長讀比對信息編碼為圖像并輸入到卷積神經網絡來訓練分類模型，後使用分類模型淘汰檢測結果中的假陽性，最後将插入和缺失變異的長讀與一緻性序列進行重比對以判斷該移動元件的類型。實驗結果表明本報告介紹的方法在F1分數要由于現有檢測方法。

報告題目五：基于生成對抗網絡的網絡補全算法研究

報告人：何浩發

報告簡介：從生物、社會、技術和信息系統中提取的網絡數據通常不完整，存在缺失的節點和邊．這些不完整的數據資源會嚴重降低信息檢索、用戶行為分析和計算生物學等領域數據分析方法的性能，因此，如何補全可觀測網絡中的缺失數據成為目前網絡分析領域的關鍵問題之一；為了解決網絡補全問題，本方法采用NAPAbench框架生成大量樣本，進行GAN網絡補全的訓練，然後将真實的數據輸入網絡進行補全，最終通過網絡比對方法評估網絡補全前後的對準質量得分，以衡量補全的效果。