第五届武汉科技大学人工智能与信息融合研究院研究生学术年会成功举办

发布时间:2021-12-28 发布者: 浏览次数:

第五届武汉科技大学人工智能与信息融合研究院研究生学术年会成功举办

20211224日,第五届武汉科技大学人工智能与信息融合研究院研究生学术年会在我校隆重举行。会议在信息学院401学术报告厅举行,由我校人工智能与信息融合研究院主办。本次学术年会共有9位研究生做专题报告,13位研究生展示成果海报,并邀请了人工智能信息融合研究院全体老师担任评委。人工智能与信息融合研究院院长柴利教授在学术年会开幕式上致辞,他勉励大家心无旁骛,潜心学术,做有品位的研究。本届会议由陈曦副教授及刘青松副教授主持。

本次大会上半场由雷子珂戴家浩余成熙伍科秦潇五位同学进行学术汇报,下半场为程灿、谢福燃、李明鹏、张智四位同学汇报。上下半场的茶歇期间,还有十三位报告人通过海报展示的形式介绍自己研究工作及成果。

  雷子珂同学做题为“视觉定位系统的有向地标部署优化”的报告。本次报告提出了一种部署给定数量的有向地标的方法,优化了地标的位置和姿态。提出了一个称为多重覆盖概率的新指标,以表示有至少n个地标能被相机同时覆盖的概率。通过对给定3-D任务空间进行全局探索并优化多个地标的位姿以最大化多重覆盖概率。使用淘汰遗传算法优化地标部署任务,然后将其应用于SE(3)上观测器以检测性能。提供了仿真和实验结果验证了所提出的地标部署优化方法的有效性。

  

戴家浩同学做题为“Optimal Memory Scheme for Accelerated Consensus Over Multi-Agent Networks”的报告。本次报告的主要内容为为了探究智能体的记忆对一致性收敛速度的影响,设计了一类同时具有节点记忆和状态偏差记忆的控制协议来加快多智能体网络上一致性。首先,对于一步记忆方案,证明了一步的状态偏差记忆对最优收敛是无效的。其次,在未知网络上,证明了一步的节点记忆即可达到最差情况的最优收敛,任意步长的状态偏差记忆都是不必要的。最后,证明了两步的状态偏差记忆在一些特殊图上是有效的,如星型图。

余成熙同学做题为“无人车系统的室内控制及定位”的报告。本次报告主要关于多智能体编队实物实验的全向轮小车平台搭建工作。工作包括单个全向轮小车的运动控制,机载传感器在定位方面的应用分析和多传感器的数据滤波算法。此外,使用外部单目相机设备作为辅助定位传感器,结合图像处理算法同时定位多个小车位置,通过实验验证了算法的实时性和可行性并进行了多个小车的通信实验,为将来要进行的多智能体编队实验奠定了基础。

伍科同学做题为“基于超图频谱的精神分裂症患者脑网络分析”的报告。本次报告介绍了一种方法将二阶简单图拓展为超图并使用基于张量的表示形式,整合结构信息和脑网络信号,使用超图傅里叶变换对脑网络信号进行分解,发现精神分裂症患者脑网络与健康组的差异。通过连通性分析,发现存在异常的脑区,并导出异常的功能连接。在COBRE数据集上验证了模型的有效性,取得的了良好的分类精度。

 秦潇同学做题为“Learning graph approach to PET image denoising”的报告。本次报告提出了一种基于图学习的PET图像图小波去噪方法,其对构造图矩阵的先验要求没有那么苛刻,可从数据中直接学习到图矩阵,能在仿真数据上具有较好的实验结果。并提出未来将从以下几点深入研究:从PET图像的特性出发找到一种更加适用于PET图像去噪的图学习方法,将此方法在临床数据上加以验证。

程灿同学做题为“基于分数阶傅里叶变换的核相关滤波跟踪算法”的报告。本次报告针对KCF算法的缺陷,提出了一种改进的算法。传统傅里叶变换的响应图存在能量分散,频带宽的情况,用分数阶相关取代KCF算法中的傅里叶变换,利用阶数p来调节互相关峰的位置及强度克服这一问题。同时,对OTB100整体数据集进行实验,取得较好的效果,与KCF算法相比有了较大的改善,有较强的鲁棒性,整体综合性能较好。

 谢福燃同学做题为“A Fast Distributed Clearing Algorithm for Peer-to-Peer Electricity Market”的报告。本报告主要介绍了针对分散的P2P市场,建立了一个具有产品差异化的多双边能源交易模型。在该模型中,每个消费者直接与有关联的生产者协商确定交易价格,并将交易价格作为优化变量来协调市场参与者的产生或需求。

李明鹏同学做题为“具有遗忘群体的社会网络多维观点动力学分析与应用”的报告。本次报告提出了一个新的具有遗忘个体的多维观点动力学模型, 刻画出了不同话题之间表达和私人观点的互相影响。在社会网络是拟强连通的条件下,根据逻辑矩阵和网络影响子矩阵的正则性, 给出了表达和私人观点收敛的充分条件。

张智同学做题为“基于稀疏表示和图拉普拉斯正则化的高光谱图像去噪方法”的报告。本报告提出了一种稀疏表示和图拉普拉斯正则化 (SRGLR) 方法来解决去条带和去噪问题。通过分析混合噪声的特性,结合图拉普拉斯正则化、稀疏表示和低秩项来构建去噪模型。

茶歇期间,还有十三位报告人通过海报形式介绍自己的研究工作。研究领域广阔,包含视觉覆盖、图像处理、社交网络等,吸引了现场师生驻足交流,热烈讨论。

  本次年会得到了人工智能与信息融合研究院师生的广泛支持,报告现场洋溢着浓重的学术气氛。最终伍科同学获得硕士生优秀报告一等奖,秦潇、程灿同学获得硕士生优秀报告二等奖,李明鹏、谢福燃、张智同学获得硕士生优秀报告三等奖。雷子珂、余成熙、戴家浩同学均获得博士生组优秀报告一等奖。陈欣同学、李畅同学获得张贴海报一等奖,路万里、惠成煊同学获得张贴海报二等奖,习晓苗、王诗雨、杨勇同学获得张贴海报三等奖。本届人工智能与信息融合研究院研究生学术年会圆满结束。

 

 

 

上一条:第二届武汉科技大学人工智能与信息融合研究院乒乓球赛成功举办 下一条:人工智能与信息融合研究院论文荣获CAC2021最佳论文奖

关闭