太阳成集团tyc122cc
信息技术研究生论坛
时间:2022年6月19日(星期日)18:00-21:00
地点:腾讯会议 996728783
报告题目一:人体关键点检测算法研究
报告人:苏豪胜
报告简介:姿态估计是计算机视觉领域中的基础性课题。相关研究成果对计算机理解现实中的物体、人物对感知以及认知有着至关重要的作用。近年来,随着人们对于计算机视觉技术智能水平需求的不断提升,图像理解研究也在朝着更高智能化、更拟人的方向发展。目前,图像理解以最新的人工智能、机器学习研究成果为核心,旨在实现更深层次、更接近人类认知的图像语义理解。它的研究重点在于图像场景的理解,人与物体的交互活动识别,以及图像主题、图像主要内容的自动生成等。
报告题目二:群体智能算法研究现状及经典算法介绍
报告人:陈永发
报告简介:首先介绍群体智能算法的相关背景和研究现状,与传统的确定性优化方法相比,群体智能算法可以通过直观、行之有效的搜索方式求解复杂的优化问题,并在工程、农业和生命科学等领域得到广泛应用。介绍集中经典的群体智能算法,包括粒子群算法(Particle Swarm Optimization,PSO)、乌鸦搜索算法(Crow search Algorithm,CSA)、烟花算法(Fireworks Algorithm,FWA)、教与学算法(Teaching-learning-based optimization,TLBO),通过经典案例使大家对群体智能算法有初步认识。报告详细介绍了一种改进的被囊群算法(Tunicate Swarm Algorithm,TSA),通过引入杂交变异策略、量子行为策略、群体学习策略,使被囊群算法在算法搜索精度、收敛速度、鲁棒性方面表现优秀。
报告题目三:基于DBNet与CRNN的面标识别方法研究
报告人:董维振
报告简介:首先介绍在冶金文本识别领域中的相关背景和主要方法和技术。当前,基于深度学习的文本识别研究愈加广泛,在工业领域具有良好前景。 报告详细介绍了一种基于深度学习的可微二值化算法网络和卷积递归神经网络, 通过引入高效通道注意力机制无效特征进行抑制,采用多种特征融合技术提升多尺度目标的能力,并通过改进CNN的特征提取网络提升了训练精度和网络收敛速度。
报告题目四:数据驱动优化控制及其在汽车零部件柔性生产过程监控中的研究
报告人:陈永聪
报告简介:首先介绍实现汽车零部件柔性生产的相关背景和课题来源。在基于数据驱动优化控制的生产过程监控方法受到广泛关注,针对汽车零部件柔性生产过程中数字化设备运行监控问题,按照数据融合-虚实建模-仿真预测-智能调控的思路,着重研究了数字孪生数据融合及建模方法、基于演化深度置信神经网络的非线性系统建模、高维多目标优化及决策、加工中心反向间隙误差值预测。而基于分解的复杂生物地理学优化算法框架,采用均匀分布的权向量和均值聚合方法,将高维优化目标分解成多个子系统,,但目前研究较少且仍有许多不足。报告详细介绍了深度神经网络的数据驱动优化控制方法,利用离散样本数据,通过深度网络中强大的非线性因素,可以深度地抽象出特征,实现数字化生产过程和设备监控的建模,特征的准确分类和预测,从而更好地解决建模、优化控制及预测等问题。
报告题目五:基于组合学习的出入境人员“三非”风险评估
报告人:曾敬
报告简介:首先介绍深度学习、集成学习、组合学习在风险评估的相关背景和课题来源。尝试将深度学习与Boosting模型结合起来组成串联结构的组合学习模型。具体做法是将深度神经网络的隐藏层作为“特征提取器”,将原始变量转化为更高层抽象特征后输入LightGBM和CatBoost集成模型进行训练。结果表明,组合学习的方法对模型效果有明显提升。
报告题目六:基于多策略的麻雀搜索算法的RFID网络优化
报告人:张江波
报告简介:通常在RNP问题中存在如阅读器数量不确定、阅读器干扰率高、经济效益差和鲁棒性不强等问题,为了解决这个问题。首先利用蜉蝣算法(MA)思想将麻雀搜索算法(SSA)初始种群一分为二并用Circle混沌映射初始化种群以增加种群多样性和算法初期探索能力,然后在发现者公式中引入惯性系数用于平衡全局和局部搜索。其次为了解决SSA算法后期易陷入局部最优解的问题,在加入者公式中引入Lévy飞行,然后利用MA思想对种群进行交叉合并保留更好的种群。实验结果表明MASSA与其他算法相比,不仅有良好的性能,还有更好的经济性和鲁棒性。
报告题目七:频率跟踪技术在超声波电源中的研究
报告人:崔利娟
报告简介:功率超声技术在国内已经发展了数十年之久,超声波电源也经历了几代方案的迭代发展,但是其在技术上仍然存在很多的问题,例如体积大、成本高、转换率低等,最主要的是频率跟踪技术的不完善,导致超声波电源不稳定,经常出现超声换能器机械振动输出低,甚至无输出情况。近年来电源技术的几次革命性发展,已经解决了逆变电路输出不稳定的问题,这在一定程度也改善了超声波电源输出的稳定性。但是受超声换能器负载特性的影响,周边环境的变化、振动疲劳、温升提高、老化磨损等因素导致超声换能器负载参数发生变化,从而出现换能器负载的谐振频率发生漂移,此时需要超声波电源及时的调整输出频率,以便使得超声换能器始终工作在谐振频率处,才能保证最大的机械效率输出,否则容易出现失谐现象,机械振动效率大大降低。本文通过对现有技术的研究分析和仿真,提出一种更适合跟踪频率的方法。
报告题目八:动力电池管理系统工作原理及应用
报告人:何璐
报告简介:目前,我国新能源汽车发展迅速,BMS(电池管理系统)作为新能源汽车不可或缺的重要部件之一,是管理和监控动力电池的中枢,它主要的功能包括电池物理参数实时监测、电池状态估计、在线诊断与预警、充放电与预充控制均衡管理、热管理等等,可以达到增加续驶里程、延长使用寿命、降低运行成本的目的,并保证动力电池组应用的安全性和可靠性 。其中,动力电池SOC和SOH估计是电池管理系统的核心功能之一,由于动力电池具有可测参数量有限且特性耦合、即用即衰、强时变、非线性等特征,车载环境复杂,高精度、强鲁棒性的SOC和SOH估计极具挑战,具有着很大的研究发展空间。
报告题目九:计算机视觉技术在无人驾驶中的研究
报告人:王栋
报告简介:早期无人驾驶车辆主要应用激光雷达传感器,近些年来计算机视觉发展迅速,低成本的视觉传感系统在无人驾驶领域也得到广泛的应用,视觉SLAM技术更是将研究推向了一个新的高度,成为无人驾驶领域重要的研究方向。其研究有利于实现低成本高量产的无人车产业化解决方案,因此提升视觉传感技术的稳定性和精确性是实现无人驾驶车辆达到量产的关键。而近些年来随着计算机系统的不断优化,对计算机视觉算法的不断研究以及传感器设备性能的不断完善,大大稳固了无人驾驶领域对于视觉传感系统以及视觉SLAM技术的应用。特斯拉可以说是纯机器视觉路线的代表了,如今几乎所有的特斯拉汽车都配备了摄像头来实现Autopilot自动辅助驾驶。特斯拉CEO马斯克曾在“Autonomy Day”产品发布会上炮轰“用激光雷达的都是傻子”,他认为从依靠摄像头的纯视觉算法已经可以完成自动驾驶,不必使用价格高昂的激光雷达。依靠着目前所有在路上跑的特斯拉汽车进行数据搜集,特斯拉在技术落地和数据搜集量上做到了领先同行的水准。通过研究计算机视觉技术在无人驾驶中的应用,是未来无人驾驶取得巨大进步的关键之一。
报告题目十:基于word2vec的数据预处理研究
报告人:陈瑞霞
报告简介:在社交网络中,可以通过做用户的人口学标签,用户的兴趣标签,甚至是用户画像信息等多方面的信息挖掘对用户的深层了解。但是对用户的社交关系也就是拓扑特征并不容易得到;当用户基数非常大时,能最完整的表达整个社交关系的邻接矩阵方式却不能方便的用来做分析和机器学习任务;如果通过设计一些统计指标,比如好友数、Kcore、Pangerange等来表达用户的拓扑特征又显得乏力。本研究利用word2vec和embedding方法对时序数据进行数据预处理,并改进word2vec方法,用于处理社区网络数据,为数据分类打下基础。
报告题目十一:NOMA传输中能量采集无线传感器网络的中断性能分析
报告人:雷昆成
报告简介:首先介绍NOMA上行链路数据传输与OPMA上行链路数据传输的优缺点。其次阐述NOMA于RF能量收集与数据包发送系统中的应用,基于NOMA的RF能量收集系统模型,信道假设。最后介绍NOMA上行链路技术下,数据传输效率,能量收割时间,信噪比,传输距离等对中断概率的影响,从中得出中断概率首先随着能量收割时间的增加而下降,而后有上升,分析其原因,并给出一种有效的分配能量收集时间和数据包传输时间方法,以至于可以找到中断概率最优的时间点。
欢迎广大师生踊跃参加!