計通學(xué)院研究生學(xué)術(shù)交流報告會(第十二場)
發(fā)布時間: 2021-05-06 11:03:36 瀏覽量:
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。