2023年广西大学计算机与电子信息学院

信息技术研究生论坛（二十二）

场次一、

时间：2023年11月27日（星期一）14:30-17:30

地点：计算机与电子信息学院807B教室

报告题目一：基于“安全墙”的唤醒交互研究

报告人：苏建春

报告简介：安全墙是VR人机交互中的安全保障，保障用户在VR世界里可以安全的进行游戏。本项目基于安全墙进行交互拓展，在墙上实现唤醒主菜单交互功能给用户添加唤醒的交互方式，并探讨唤醒交互的优越性和不足。现阶段虚拟现实的交互基本基于手势识别、触碰参考点等。墙的唤醒交互丰富了现有交互手段、提供更大的交互界面和扩展空间。报告提出基于“安全墙”的唤醒交互设计 ，并探讨目前阶段的墙更多潜在应用。

报告题目二：Dynamic safety wall-虚拟现实与物理环境空间冲突

报告人：覃浩钊

报告简介：Dynamic safety wall是基于虚拟现实头盔的基础设定安全墙。我们对安全墙进行了新的设计，使其能够根据虚拟现实与物理环境空间冲突和VR用户与旁观者的交互需求进行动态变化，以提高VR用户使用体验，增强其安全感。Dynamic safety wall设计理念是在平衡沉浸式VR体验和现实感知。

报告题目三：基于视频的远程学习系统

报告人：覃业畅

报告简介：通过视频能帮助我们远程学习其他用户创建的知识，但不同的视频参数和播放形式可能会对用户的学习效果和认知负担造成影响。我们可以通过改进视频的参数和形式帮助用户学习。

报告题目四：通过元学习神经网络进行类人系统泛化

报告人：郝兴家

报告简介：使用组合性元学习 （MLC） 方法，通过动态组合任务流指导模型训练。使用指令学习范式进行了人类行为实验，从而对人类和机器进行比较。在考虑了七种不同的模型后，发现与完全系统但刚性的概率符号模型，以及完全灵活但非系统的神经网络相比，只有MLC实现了类人泛化所需的系统性和灵活性。MLC 还在几个系统的泛化基准中提升了机器学习系统的组合技能。

报告题目五：VR中的触觉反馈的应用与研究

报告人：苏钊

报告简介：VR技术的快速发展使得VR的应用越来越普遍，然而VR中的触觉反馈的缺失限制了VR技术的发展，同时破坏了VR中的沉浸式体验。在VR中的触觉反馈有着大量的研究与应用，可以分为软件实现与硬件实现。报告旨在介绍目前主流与前沿的VR触觉反馈的技术实现，分析各种实现技术的优劣。

场次二、

时间：2023年11月27日（星期一）9:30-10:30

地点：国际学院218教室

报告题目一：基于多目标优化方法的多化疗药物调度

报告人：梁茜

报告简介：化疗是癌症治疗的主要方法之一，通过药物杀伤快速分裂的细胞来抑制癌症，但由于无法区分正常细胞和癌细胞，化疗还会伤害其他在正常情况下快速分裂的细胞，从而产生副作用。因此，癌症的治疗目标不仅仅在于消灭癌变细胞，还要保持患者身体的正常生理状态。寻找最佳的化疗方案是一个复杂的多参数问题，因为不同类型癌症、患者的可变性和疾病的特定状态都将影响方案的制定，而临床实验是一个昂贵且耗时的过程。因此，基于多目标优化方法以及模拟肿瘤生长的数学模型、受药代动力学和药效学约束的模拟给药计划开展研究，有助于帮助肿瘤学家制定具体的治疗计划。

场次三、

时间：2023年11月27日（星期一）15:00-17:00

地点：计算机与电子信息学院601教室

报告题目一：基于异质投资的公共物品博弈动力学研究

报告人：邹宽

报告简介：合作行为在人类社会中是普遍存在的，但如何理解合作在复杂关系中的涌现和演化仍是世纪科学之问，而演化博弈动力学为描述个体间复杂关系的变化提供了理论框架。在经典的公共物品博弈模型中，假设每个合作者进行相同的投资，但这与现实中合作者依据自身意愿来分配投资相违背。基于此，考虑合作者的投资由其在上轮博弈中所获得的收益占比来决定，并通过增大或缩小异质参数来调节整个系统的投资异质程度。结果表明，往高收益群组进行更多地投资可以有效促进合作，而往低收益群组进行更多地投资则显现相反的结果，并且存在一个异质参数最不利于合作传播。

报告题目二：基于强化学习的公共物品博弈动力学研究

报告人：邹宽

报告简介：以往基于公共物品博弈的研究都假定个体之间采用直接模仿邻居策略的方式来更新自身策略，而不考虑个体在多轮博弈中所获得的个人经验和环境影响。基于此，考虑使用强化学习中的Q-learning算法作为策略的更新规则。在计算博弈的奖励时，同时考虑个体在博弈中所获得的收益以及个体自身的声誉，通过声誉来反馈周围环境对个体决策的影响。结果表明，强化学习可以让个体更好地根据自身收益和所处环境来选择相应的策略，并且促进了合作行为的演化。

报告题目三：基于社会学习者影响的观点决策动力学模型研究

报告人：吴洪帅

报告简介：社交系统中总是存在倾向于学习大多数人的决策的社会学习者个体，这些个体的存在是否会对系统的观点决策造成不利影响？由于在社会学习者影响下的观点决策结果是受认知和社会因素的复杂交互影响产生的，因此很少有学者在以往的工作对这些因素一起研究，从而对社会学习者在社交系统中的利弊得到了不一样的结论。本研究建立了数学模型来研究这些社会因素，并预测了社会学习者占比下的观点占优的临界阈值。当社会学习者占比大于该阈值时，无论观点的价值如何，都可能演化成个体更愿意选择的观点。本研究有助于研究显示社会中大型群体的决策，如民主选举和会议议案的决策中。该框架也便于引入新的机制，以扩展到更多的动力学研究中。

报告题目四：基于从众机制下的多元观点决策动力学模型研究

报告人：吴洪帅

报告简介：具有从众机制的社会学习者在多元观点决策中的影响在以往的研究中鲜有考虑。这促使建立一个具有普适性的、不止于二元决策的动力学模型去刻画社交系统中因从众机制而产生的决策结果。该模型引入了由从众性函数推广得到多元决策下的从众影响力，并进行了模拟演化和数学解析证明。结果表明，在多元观点决策中，社会学习者阈值可能存在多个，它由决策的数目及其价值的高低决定。此外，研究中还发现，个体最初支持的决策占比对稳态时的决策占优情况也具有影响。

报告题目五：合作与同步在具有交互成本的网络中共同演化

报告人：徐豪杰

报告简介：尽管有大量关于同步的研究，但交互对相关个体承担成本的假设很少被考虑。相反，引入昂贵的交互成为了一种新的模式，在这种情况下，个体可以决定合作并支付成本，以便与其他人同步。另一方面，个体也可以决定免费搭便车，而不承担任何费用，等待他人同步到他的状态。因此，同步化的出现可以被视为一个演化博弈的结果，在这个演化过程中，个体根据他们在过去积累的收益-成本比来决定自己的行为。报告研究了Kuramoto模型的网络种群中合作和同步的出现，并报告了拓扑结构是如何促进合作的持续。此外还展示了不同类别的拓扑结构如何在微观和宏观层面上不同地促进同步。

报告题目六：合作与同步共演化动力学中的爆炸性转变

报告人：徐豪杰

报告简介：雪堆博弈框架下合作的出现和维持已被进行了大量的研究，但适应性合作成本的假设很少被考虑。在这项工作中，我们将Kuramoto模型纳入到雪堆游戏的构建中，每个振子作为一个游戏参与者与其邻居相互作用。个体的策略不仅用于计算收益，还可以决定它们是否与他人同步。同时，我们利用同步水平来表征个体之间的协调程度，这与合作的成本有关。在这里，我们已经报告了在随机网络上的合作和同步中的爆炸性过渡的证据。此外，我们还研究了耦合强度、灵敏度强度、频率分布和平均度对协同性和同步性的影响，并提供了一系列的理论分析。我们的研究阐明了该模型中同步与合作的耦合动力学，推进了对雪堆博弈中特殊合作机制的理解。

报告题目七：群体互动调节社会习俗中的临界质量动力学

报告人：龚璐璐

报告简介：少数人如何才能够推翻社会习俗？临界质量动力学中提到，当一个忠诚固执的少数群体达到临界规模时，一连串的行为变化就会发生，从而颠覆表面上稳定的社会规范。从实验结果得知。大小不同的少数群体，包括极小的少数群体，都能将一个系统推向临界点。我们将群体互动作为现实主义的关键元素引入社会习俗模型中探索场景的多样性。我们发现，如果个人改变观点的倾向有限，那么触发行为改变所需的临界质量可能非常小。此外，少数人推翻现有规范的能力以一种复杂的方式取决于群体的规模。我们的研究结果调和了在以前的调查中发现的不同大小的临界质量，并揭示了群体在这一过程中的关键作用。这进一步突出了高阶网络这一新兴领域的重要性，超越了两两交互。

报告题目八：对立情绪促进少数群体观点传播

报告人：龚璐璐

报告简介：社会中的决策通常是由初始占据优势的人群所决定，研究少数群体在达到怎样的条件才能够推翻社会习俗是有着重要的社会意义。本工作基于命名博弈，在原来仅在博弈小组仅对传播观点进行达成一致或吸收观点的基础上，加入反方观点的对立情绪，其传播作用与前面一致，以上用来模拟选举中人群内具有煽动性的反方成员。实验结果得出相比于只有正向传播阈值的加入，对立情绪的影响是有利于少数观点的传播，并且反向传播阈值也在适中值促进少数个体推翻全社会达到观点一致。此外还研究考虑固执少数个体的比例、正向传播阈值对少数个体传播的影响。此实验对临界质量动力学的研究提供了不同的角度探析。

场次四、

时间：2023年11月28日（星期二）16：30-18：30

地点：计算机与电子信息学院509教室

报告题目一：星地激光通信关键技术调研

报告人：刘世淳

报告简介：星地激光通信能够提供高于微波通信2个数量级以上的通信容量，有希望解决当前星地馈电链路的容量瓶颈问题。然而，由于受到大气信道波动、卫星发射机载荷、地面接收机等多方面影响和限制，星地激光通信的实际通信容量和可用性还不够理想。本课题希望通过建模和定量计算理清实际限制星地激光通信容量的影响因素，具体包括：星地激光通信国内外发展现状，包括典型计划/项目、标准、关键指标等等；星地激光通信核心技术，包括光收发、捕获跟踪、波前畸变校正、光束整形和光纤耦合等。

报告题目二：基于FPGA的卫星通信CCSDS 131.2-B-1发射机设计

报告人：温锴

报告简介：卫星通信是一个成熟的研究领域，过去十年的主要创新是使用多载波调制和更稳健的信道编码技术。然而，近年来，由于发射机和接收机的信号处理能力的增加，已经开始为这些通信开发新的高级信号处理。尽管信号处理能力正在增加，但它们仍然受到很大的限制，因为这些技术需要在真实的硬件中实现，从而使得复杂性成为至关重要的问题。因此，本文提出了一种在现场可编程门阵列（FPGA）上设计和实现具有自适应编码和调制的发射机。主要的动机来自于标准CCSDS 131.2-B-1，该标准推荐了这样一种迄今为止尚未在真实的系统中实现的新型发射机。该系统由MATLAB建模，目的是在部件之间遵循AXI-stream协议的VHDL中编程。在VIVADO中获得了行为仿真结果，并与MATLAB进行了比较，以进行验证。发射机逻辑电路在FPGA Zynq Ultrascale RFSoC ZU28DR中进行了综合，显示出低资源消耗和正确的功能，使我们得出结论，在卫星通信中部署最先进的硬件中的新通信系统是合理的。

报告题目三：宽带直接调制型激光器

报告人：唐瑞云

报告简介：针对直接调制型激光器输出光功率低、带宽小等技术问题，提出了一种宽带直接调制型激光器的设计方法，给出了直接调制型激光器设计原理、内部结构，通过 Zemax 光学仿真软件，对比分析了准直透镜和聚焦透镜对光路耦合效率的影响，并对光学元件的位置容差进行了比较分析。直接调制型激光器的设计难点是激光器芯片与输出光纤的高效耦合，以及宽频带光芯片的阻抗匹配设计，解决光路高效耦合主要通过光学仿真，分析光路中透镜微位移对光路的影响，从而尽可能提高光路的耦合效率，而对于宽带阻抗匹配则是通过电路仿真，寻找合适参数，使得回波损耗尽可能小，达到阻抗匹配的目的，从而减小宽带微波信号的传输损耗。

报告题目四：调研现有影响星地激光通信信道的云雨雾、湍流定义和建模方法

报告人：王汉

报告简介：本次报告主要调研了现有星地激光通信信道中，云雨雾、湍流的定义和建模方法。云雨雾等气象条件对星地激光通信信道的影响主要表现在衰减、散射和折射等方面。这些影响会导致信号强度波动、传输速率降低以及通信质量下降。大气揣流主要是导致大气对光束的折射率随着传输路径改变并且大气湍流变化随时间、空间和波长而变化。目前，国内外研究者已针对云雨雾和湍流的影响开展了一系列研究。研究方法主要包括理论分析、数值模拟和实验验证等。然而，由于大气条件的复杂性，现有建模方法仍存在一定局限性。未来研究需进一步优化模型结构，提高预测精度，并探索更有效的抗干扰技术，以提高星地激光通信的稳定性和可靠性。

场次五、

时间：2023年12月3日（星期日）15:00-17:00

地点：计算机与电子信息学院601教室

报告题目一：基于置信度下多视角的骨肿瘤X片分类

报告人：黄元祥

报告简介：骨肿瘤高发于青少年，是致死青少年的一大癌症之一这项研究旨在解决骨肿瘤X片分类领域中存在的挑战，通过引入置信度下的多视角方法，提高分类准确性和鲁棒性。传统的骨肿瘤X片分类方法通常仅考虑单一视角的影像信息，而我们的研究则通过融合来自多个视角的信息，建立更全面的特征表示。与此同时，引入置信度评估机制有助于减轻不确定性，提高系统对于诊断结果的可信度。

我们的研究框架不仅注重分类准确性，更关注在实际医学应用中的可解释性和临床可操作性。通过充分利用多视角信息，我们期望能够更精确地区分骨肿瘤的类型，并提供医生更全面的诊断依据。这项研究不仅对于改善骨肿瘤X片分类算法具有重要意义，也为医学影像领域的深度学习方法提供了一个创新的视角。我们相信，通过本研究的深入探索，将为骨肿瘤的早期诊断和治疗提供更加可靠的支持。

报告题目二：基于细粒度知识蒸馏的零样本学习方法

报告人：韦柏全

报告简介：近几年来，深度学习快速发展，并在人工智能的各个领域取得了卓越有效的成果，这些成果大部分都是以监督学习为基础实现的。监督学习利用提前标注好的大量数据，让深度学习模型利用标注好的数据对目标任务进行拟合，从而达到可以解决目标任务的效果。但在这一系列步骤中，对于海量数据的标注是十分耗时耗力的一个步骤，数据多且杂，而且只能依靠人工手动标注，不仅消耗大量时间和人力，而且标注时还可能会因为标注人员长时间工作而造成标注失误从而产生标注误差。此外，面对某些稀有类别的数据，获取其大量的数据可能较为困难，这就使得模型对该类的拟合效果不好，识别正确率低。而零样本学习技术可以利用对已知的标注数据的训练，实现对该图片中所拥有的特征进行提取的功能，进而对拥有已知相似特征的未知类别的未标注数据，就可以利用零样本学习模型进行特征提取，从而达到既不需要对该类别图片进行人工标注，也不需要对该未知类别的图片进行训练，就可以对该类别进行特征提取和类别预测的效果。本文是关于对零样本学习模型构建的研究，零样本学习的重点在于对特征的提取效果，特征提取的效果决定了零样本学习对未知类别特征提取的效果。所以本文专注于将Vision Transformer与零样本学习进行有效的结合，研究利用Vision Transformer技术来实现对图像特征的有效提取。通过实验表明，将Vision Transformer与零样本学习相结合可以取得较为优秀的效果。零样本学习效果的提升，一方面加快了模型摆脱对大规模的人工标注数据的进度，另一方面也给模型提供了一种新的可行的训练方法。

报告题目三：基于深度学习的医学图像配准不确定性研究

报告人：王一铭

报告简介：不确定性是衡量手术风险的重要指标，在临床应用中有着重要意义。医学图像配准是医学影像分析中的一个基础任务，更是需要进行不确定性的评估。然而，目前医学图像配准的不确定性仍然有待发掘。深度学习本身的“黑盒”特性更给不确定性的估计带来困难。本报告将介绍基于深度学习的医学图像配准的基本观念和方法，讨论医学图像配准不确定性的种类以及这些不确定性的量化方法，并且进一步探讨对于医学图像配准不确定性的处理方法，以提升配准结果的可靠性与准确性。

报告题目四：不完整多视图数据补全的不确定性量化

报告人：韦吴杰

报告简介：随着数据的多样化和复杂化，不完整多视图数据在实际应用中越来越普遍。不完整多视图数据是指由多个视图组成的数据集，其中部分视图或部分样本缺失。这种数据的分析和挖掘面临着两个主要的挑战：一是如何从不完整的数据中恢复出完整的数据，二是如何量化数据补全的不确定性。本次报告将介绍一种基于主观逻辑和证据理论的多视图缺失数据补全方法，能够在一个稳定可靠的框架下对不完整的多视图数据进行分类。

报告题目五：MR模态缺失下与大语言模型下的医学影像分割

报告人：曾浩津

报告简介：由于采集协议、或图像损坏、扫描仪可用性、扫描成本或患者对某种对比材料过敏，在临床实践中并不总是能采集到完整的MR模态集。信息的缺失会对脑肿瘤的诊断、监测、治疗计划和预后造成一定的制约。因此，需要开发脑肿瘤分割方法来解决缺失模态问题。由于目前大语言模型的环境下，transformer组件也同样应用到了视觉领域上，在医学影像分割任务中，较为出名的模型为Swin Transformers模型

报告题目六：MAML与Reptile算法在血栓风险预测中的应用

报告人：黄力

报告简介：血栓风险预测对于患者的健康管理具有重要意义，而MAML和Reptile在解决快速学习问题上能够为血栓风险预测提供新的思路和方法。MAML通过在多个相关任务上进行参数更新，使得模型可以在遇到新任务时快速收敛到良好的参数。在血栓风险预测中，可以利用MAML算法在不同患者群体上进行参数更新，以实现个性化的血栓风险预测模型。通过在不同患者群体的数据上进行梯度下降来优化模型的初始参数，MAML能够使得模型更好地适应不同个体的特征，从而提高血栓风险的准确性。Reptile通过在多个相关任务上进行迭代更新，使模型能够快速适应新任务。它通过内部循环和外部循环的交替优化，在任务间共享知识并调整模型参数。这种方法有效地提高了模型的泛化性能和适应能力。在血栓风险预测中，可以利用Reptile算法在不同临床环境下进行迭代更新，以实现模型对新环境的快速适应。通过在每个临床环境上进行几次参数更新后将参数移动到目标方向，Reptile能够使得血栓风险预测模型在新环境下更快地实现良好的性能。