時間：2021.5,7 下午 2.30

地點(diǎn)：理科樓B311

標(biāo)題：《基于多核相關(guān)濾波器的判別可靠性學(xué)習(xí)跟蹤研究》

匯報人：馮文俊

摘要：

在視頻序列中做目標(biāo)跟蹤研究一直是計算機(jī)視覺中基本研究之一，為了能推廣至實(shí)際應(yīng)用中，它的一系列研究有著不可或缺的價值。最近幾年的研究實(shí)時更新，各有各的創(chuàng)新性，都取得了一定的研究成果。但是隨著跟蹤目標(biāo)場景的變化也在與時俱進(jìn)，越來越復(fù)雜。如何在多種復(fù)雜場景中脫穎而出，設(shè)計出一種跟蹤算法在滿足一定的跟蹤精度的前提下，提升跟蹤的魯棒性成了眾多研究學(xué)者的首要問題。本項目研究就在傳統(tǒng)相關(guān)濾波器的基礎(chǔ)上，加入極具創(chuàng)新的方法思路，對前者有一定的改進(jìn)！

標(biāo)題：《面向邊緣IOT的智能算法研究與應(yīng)用》

匯報人：謝志紅 

摘要：

為了深度學(xué)習(xí)智能算法更好地適用在邊緣IOT上適用，我們對深度學(xué)習(xí)智能算法進(jìn)行研究和改進(jìn)。面對神經(jīng)網(wǎng)絡(luò)龐大的參數(shù)和計算需求，研究者通常適用模型剪枝的方式降低模型的大小，而我們針對神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)約束進(jìn)行研究，提出了基于拓展分組懲罰的過濾器剪枝。它利用拓展分組構(gòu)造的Lasso在反向傳播中全局地約束過濾器大小，實(shí)現(xiàn)模型地平滑剪枝。此外，分析過濾器在模型中值的變化過程，使用了基于噪聲過濾器識別機(jī)制，通過提前識別冗余過濾器從而提高模型精度。

標(biāo)題：《基于區(qū)塊鏈技術(shù)的高效存儲及共識機(jī)制研究》

匯報人：魏博洋 

摘要：

目前區(qū)塊鏈技術(shù)中的Merkle Tree主要被用來進(jìn)行交易信息與數(shù)據(jù)的完整性驗(yàn)證處理上。在對分布式環(huán)境下的數(shù)據(jù)完整性的驗(yàn)證過程中，Merkle Tree會大大減少數(shù)據(jù)的傳輸量以及計算的復(fù)雜度。在區(qū)塊鏈中，輕節(jié)點(diǎn)對某一筆具體交易進(jìn)行驗(yàn)證時，通過已知的交易數(shù)據(jù)以及所在分組利用哈希算法求出該組數(shù)據(jù)的哈希值。我們提出一種高效的Merkle Tree存儲結(jié)構(gòu)，在數(shù)據(jù)的存儲過程中，將交易數(shù)據(jù)Data1進(jìn)行哈希運(yùn)算的到的哈希值放入節(jié)點(diǎn)A，再將剩余的交易數(shù)據(jù)通過哈希運(yùn)算后依次放入葉子節(jié)點(diǎn)。按照結(jié)構(gòu)計算出對應(yīng)的哈希值，得到根哈希值Merkle Root。輕節(jié)點(diǎn)驗(yàn)證某筆交易時，找出該交易存放在Merkle Tree中的位置，計算出哈希值。全節(jié)點(diǎn)按照Merkle Tree的結(jié)構(gòu)發(fā)送驗(yàn)證所需的所有哈希值。輕節(jié)點(diǎn)按照Merkle Tree的結(jié)構(gòu)對所發(fā)送的對應(yīng)位置的哈希值進(jìn)行哈希運(yùn)算得到上一層的哈希值。重復(fù)哈希運(yùn)算，最后算出根哈希值。輕節(jié)點(diǎn)比較驗(yàn)證得出的根哈希值與全節(jié)點(diǎn)發(fā)送過來的根哈希值，如果相同，則驗(yàn)證的該筆交易正確無誤，如果不相同，則該筆交易產(chǎn)生了錯誤。在現(xiàn)有的Merkle Tree存儲結(jié)構(gòu)中，輕節(jié)點(diǎn)驗(yàn)證某筆交易必須從Merkle Tree底端的葉子節(jié)點(diǎn)逐一往上計算哈希值，全節(jié)點(diǎn)需要發(fā)送相應(yīng)的驗(yàn)證所需的哈希值。在改進(jìn)的Merkle Tree存儲結(jié)構(gòu)中，由于是三組哈希值進(jìn)行哈希運(yùn)算求出一個哈希值，所以在相同數(shù)量的交易數(shù)據(jù)下，對Merkle Tree結(jié)構(gòu)的層數(shù)進(jìn)行了縮減，使得在驗(yàn)證較上層的交易時全節(jié)點(diǎn)發(fā)送哈希值的數(shù)量減少，減少了發(fā)送數(shù)據(jù)的大小，降低了網(wǎng)絡(luò)的傳輸負(fù)載，提高了交易驗(yàn)證效率。

標(biāo)題：《基于深度學(xué)習(xí)的MIMO信道狀態(tài)估計技術(shù)研究》

匯報人：陳穩(wěn)

摘要：

信道估計作為無線通信的關(guān)鍵，近年來成為相關(guān)領(lǐng)域的研究熱點(diǎn)。針對無線系統(tǒng)下傳統(tǒng)信道估計算法性能難以滿足復(fù)雜場景的通信需求、受噪聲影響大等問題，提出了一種基于反卷積網(wǎng)絡(luò)及擴(kuò)張卷積網(wǎng)絡(luò)信道估計的深度學(xué)習(xí)方法。該方法利用信道的相關(guān)性構(gòu)建了一個輕量級的反卷積網(wǎng)絡(luò)，利用少數(shù)幾層反卷積操作來逐步實(shí)現(xiàn)信道插值與估計，在較低的復(fù)雜度下較好地實(shí)現(xiàn)了信道估計。為改善估計性能，進(jìn)一步構(gòu)建了一個擴(kuò)張卷積網(wǎng)絡(luò)來抑制信道噪聲，提高信道估計的準(zhǔn)確度。仿真結(jié)果表明，在不同信噪比條件下，本文提出的基于反卷積及擴(kuò)張卷積的深度學(xué)習(xí)方法比傳統(tǒng)方法具有更低的估計誤差，且復(fù)雜度較低。

標(biāo)題：《基于非局部的自適應(yīng)半耦合字典學(xué)習(xí)的圖像重建》

匯報人：熊閩 

摘要：

基于錨定鄰域的超分辨率（SR）重建算法利用圖像中的非局部相似性，能夠有效的從單個低分辨率（LR）圖像中重建出高分辨率（HR）圖像。在本文中，我們提出了一種相似性閾值調(diào)整的錨定鄰域重建算法，以提高映射矩陣的重建效果。在提出的方法中，引入了相似度調(diào)整矩陣來提高鄰域中偏差度較大的圖像塊的相似度。此外，應(yīng)用閾值函數(shù)確定圖像塊的權(quán)重系數(shù)。遵循此功能，較大的權(quán)重被分配給具有低偏差的樣本，較低的權(quán)重系數(shù)將分配給相似度較低的圖像塊。實(shí)驗(yàn)結(jié)果表明，算法能以較低的計算量提高圖像的重建質(zhì)量。