2024年6月24日下午,计算机科学与技术学院“迎百年校庆,传学术薪火”研究生学术交流活动月——优秀博士学位论文报告专场在腾讯会议线上举行,有100余名研究生参加报告。报告邀请了计算机科学与技术学院2024届优秀博士学位毕业论文获得者进行分享,四位博士结合自身研究专长为我们带来计算机学科研究领域的精彩报告,并与参会人员进行了互动和交流。
![5e78ae108f754d09d1e103e4548ba24](/__local/6/EC/40/65233A941F23DF95A3D4C43F3E2_84EE2E83_9C3B.gif)
![282049b495350bbee0aa5cd22d25e28](/__local/3/ED/0E/537AFC3D933E5B1BF1735343423_6CA0FB5D_25C2.jpg)
![](/__local/C/48/55/9CA3AF354A31B7ED2EC63F07E28_3F1FCC99_18D1.jpg)
![fb49beff3b5376234c576e9d950e558](/__local/6/8E/64/411D89252CD6573D1F32F73C834_84A60C53_9CAA.gif)
张翠博士报告的题目为“基于深度学习的遥感图像变化检测方法研究”,该报告介绍了作者提出的四种遥感图像变化检测方法,它们从精度和效率等方面对变化检测方法进行了优化和提升。
伊克萨尼·普尔凯提博士报告的题目为“非结构化环境下的无人车环境感知与决策规划关键技术研究”,该报告针对无人车在非结构化环境中,存在的如高度复杂的通行区域、公开数据集的匮乏、以及现有深度学习模型和决策规划技术在适用性和灵活性上的限制,从系统平台设计与感知信息预处理、高鲁邦可验证性通行区域环境感知、结构化环境通行区域知识迁移地形适应性决策规划4个方面进行了细致的汇报。
高古学博士报告的题目为“基于深度学习的沙尘图像增强与复原方法研究”,该报告针对当前沙尘图像增强与复原领域存在的问题,以深度学习为技术手段,从无监督和有监督两个层面,围绕沙尘图像性能的提升、数据集的构建及网络结构的设计及参数的减少等方面进行了系统的介绍。
袁二东博士报告的题目为“基于深度强化学习的复杂作业车间优化调度方法研究”,该报告介绍了带不同特性的复杂作业车间调度问题,以作业车间调度问题及其变体,柔性作业车间调度问题作为研究对象,通过深度强化学习方法在小规模问题上训练有效的策略模型,并利用模型的泛化性快速求解各种规模的问题。
此次活动为研究生学术交流活动月系列活动之一,通过分享优秀研究成果和讨论,激发同学们的创新意识和科研精神,拓展研究视野,营造良好学术氛围,后续还将开展导师论坛、研究生学术沙龙等丰富多样的学术交流系列活动,欢迎各学院师生参加。
![海报_02](/__local/4/0C/9C/1B8A6B5435F547120C27199BBBC_A6FD7935_7E8D.jpg)
![海报_03](/__local/D/19/D0/AF58E539812745FF60505F4EA7C_C76F1CCC_6911.jpg)
![海报_04](/__local/9/EE/4B/E7EDCFB2F4CEC4923691701D307_EA731907_702B.jpg)
![海报_05](/__local/B/42/FC/4DEF6F4B4A1030ECACC2D1C0F75_B4D4064F_76B4.jpg)