2024年广西大学计算机与电子信息学院

信息技术研究生论坛（五）

场次一、

时间：2024年4月15日（星期一）10:00-11:30

地点：计算机与电子信息学院604教室

报告题目一：基于知识图谱的农业智能问答系统研究

报告人：王鹏哲

报告简介：农业生产过程复杂，包含种植技术、水肥措施、病虫害防控等多方面知识，而这些知识分布碎片化，不同方面知识之间关联不紧密，难以综合多方面知识对复杂农业问题进行回答。针对农户组成群体复杂，提出的农业问句多数规范性不佳且含义较为复杂的问题，现有的问答方法缺乏对农业问句的充分理解利用，难以贴合农户需求筛选答案。针对农业知识碎片化分布，知识间缺乏有效的关联，数据孤立存在，导致其难以被问答需求捕获等问题。研究融合图注意力网络、卷积神经网络模型的知识嵌入方法，引入多角度关系特征抽取，增加关系类型注意，增强农业知识的信息表示，缓解农业知识稀疏性。

报告题目二：基于深度学习的结球甘蓝长势监测方法研究

报告人：吴小燕

报告简介：针对复杂背景下对结球甘蓝的长势识别 ，通过引入残差结构来优化主干网络Swin Transformer，减小计算复杂度。在基于结球甘蓝外叶的形态分割下，构建图像形态学处理与超绿分割的组合算法，提升结球区域的精细分割与识别。接着介绍结球甘蓝的产量预估方法，通过在原始回归计数模型CSRNet上加入上下文语义信息提取模块，用于学习不同尺度的权重；引入贝叶斯损失函数，以人工标注的点标签数据作为监督信号，用来提高模型准确率。

场次二、

时间：2024年04月15日（星期一）10：00-12：00

地点：计算机与电子信息学院509教室

报告题目一：星地激光通信分布式与AO技术

报告人：王汉

报告简介：本报告将探讨星地激光通信技术中的两个关键方面：分布式接收技术和自适应接收技术。星地激光通信作为一种高速、高带宽的通信方式，为卫星与地面站之间的数据传输提供了新的解决方案。分布式接收技术旨在通过多个接收节点来接收激光信号，从而提高通信的可靠性和稳定性。而自适应接收技术则通过实时监测通信链路的条件并对接收端参数进行调整，以最大化信号质量并抵御干扰和噪声影响。本报告将分别介绍这两项技术的原理、优势以及应用领域，并探讨它们在未来星地激光通信系统中的潜在发展和应用前景。

报告题目二：用Verilog实现DDS信号发生器

报告人：温锴

报告简介：设计的DDS简易信号发生器想要实现正弦波、方波、三角波和锯齿波4种波形的输出，需要事先在波形数据表ROM中存入4种波形信号各自的完整周期波形数据。ROM作为只读存储器，在进行IP核设置时需要指定初始化文件，我们将波形数据作为初始化文件写入其中，文件格式为COE文件。使用MatLab绘制4种信号波形，对波形进行等间隔采样，以采样次数作为ROM存储地址，将采集的波形幅值数据做为存储数据写入存储地址对应的存储空间。在本次实验中，可以实现4种信号波形的输出，使用外部物理按键实现波形的切换，一个按键控制一种波形，共使用4个按键。外部物理按键的触发信号通过顶层模块输入按键控制模块，按键控制模块内部实例化4个按键消抖消抖模块，分别对4路按键信号做消抖处理。消抖处理后的4路按键信号组成位宽为4bit的波形选择信号并输出至DDS模块。波形选择信号初值为4’b0000，当某一按键按下，波形选择信号对应位电平拉高。DDS模块有3路输入信号，1路输出信号，其内部例化了前面生成的波形数据表ROM；输入信号中有时钟sys_clk、复位sys_rst_n和按键控制模块输入的波形选择信号

wave_select。输入的波形选择信号有4种状态，分别对应4中波形，根据输入的波形选择信号的不同，对ROM中波形选择信号对应波形的存储位置进行数据读取，将读出波形幅值数据通过输出信号data_out输出到外部挂载DA板块，进行数模转换。

报告题目三：半导体激光器相干合束技术

报告人：唐瑞云

报告简介：简述了相干合束技术的原理及要求，从锁相技术出发，综述了半导体激光器相干合束技术近年来的发展现状，总结了主动锁相和被动锁相的优缺点，主动锁相技术采用主振荡放大结构（MOPA）通过相位负反馈技术实现锁相，在合束单元数量上具有优势，能获得大功率相干输出，但结构较为复杂。被动锁相技术结构简单，一般通过外腔的衍射效应或者共腔技术实现单元间的相位锁定，具备自组织锁相特点，但不易获得高功率输出。最后对半导体激光器相干合束技术的未来发展进行了展望。

报告题目四：瞄准捕获跟踪与光斑偏移技术研究

报告人：刘世淳

报告简介：由于地球遮挡、天气状况、太阳辐射等原因，卫星可通信的时间窗口很短，捕获耗时长会极大地影响正常通信的时间，造成通信效率下降甚至无法通信。捕获时间主要受扫描方式的影响，选择合适的扫描策略能够以最快的速度完成光束捕获。常用的扫描方式有螺旋扫描、栅形扫描、矩形螺旋扫描等。不稳定的跟踪过程会造成链路频繁断连，需要进行重捕获等过程重新建立链路，影响通信稳定性。精瞄控制器处理接收到的角度信号后，输出控制信号控制精瞄镜偏转。精跟踪控制器上需要运行平台微振动补偿算法和精跟踪算法，算法的优劣直接影响激光链路的稳定性。

报告题目五：硬件缺陷下的RIS辅助通信：保密速率优化与波束成形设计

报告人：李俊铭

报告简介：如何保证物理层通信安全已成为未来无线网络的关键问题，可重构智能表面（RIS）因能够重新配置电磁传播环境，在物理层安全中展现出巨大潜力。RIS是由大量几乎被动的反射单元组成的低成本自适应薄板，能够为合法用户增强信号功率或对窃听者进行破坏性反射。目前的研究虽已探讨RIS辅助下的保密通信，如单用户系统的保密速率最大化和多用户系统的稳健传输设计，但大多数研究都是假设合法用户拥有完美无损硬件的情况，忽略了实际通信场景中的硬件缺陷影响。实际上，射频组件容易受到相位噪声、量化误差等影响，因此，本研究考虑了存在硬件缺陷的情况下，RIS辅助的安全无线通信系统的稳健传输设计，通过联合设计主动和被动波束成形，提高了系统的保密速率。仿真结果证明了所提设计方案的性能优势。

场次三、

时间：2024年4月15日（星期一）9:00-10:00

地点：计算机与电子信息学院305教室

报告题目一：基于混合图神经网络的多模态相关性时尚服饰兼容度预测研究

报告人：吕梓民

报告简介：针对服装多模态特征间互补性挖掘不足以及服饰类别共现频率偏差问题，提出了一种基于混合图神经网络的多模态相关性时尚服饰兼容度预测方法。该方法深入分析文本与视觉两种模态间的相关性，利用混合图神经网络解决多模态融合过程中类别共现频率偏差导致的兼容度预测不精确问题，从而提升服饰兼容度预测的准确度。

场次四、

时间：2024年4月15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：虚拟现实中基于“安全墙”的交互研究

报告人：苏建春

报告简介：安全墙在VR人机交互中扮演着重要的安全保障角色，旨在确保用户在虚拟现实世界中能够安全地进行游戏和交互。本项目基于安全墙提出了一种交互拓展方案，即在墙上实现唤醒主菜单的交互功能，为用户提供了一种新的唤醒方式，并对这种交互方式的优点和不足进行了探讨。目前，虚拟现实的交互主要基于手势识别和触碰参考点等方式，而墙的唤醒交互则丰富了现有的交互手段，为用户提供了更大的交互界面和更多的扩展空间。本报告提出了基于安全墙的唤醒交互设计，并探讨了目前阶段安全墙的潜在应用。

报告题目二：VR中的行人入侵检测系统

报告人：覃浩钊

报告简介：目前对于检测行人入侵VR活动空间主要有基于硬件设备检测和基于计算机视觉检测两类方法。基于硬件的方法需要在人身上佩戴设备Tracker，通过基站进行精准定位。这样的方法需要提前佩戴设备，具有成本高，佩戴麻烦，不适合家庭空间内使用等缺点。计算机视觉是一种非常有效和方便的方法，被许多研究者应用于在VR环境下检测物理世界的行人。介绍了一个基于目标检测和双目视觉的VR活动空间入侵系统，通过双目相机和YOLO算法进行行人目标检测，通过坐标转化得到行人在虚拟世界里面的位置信息，虚拟世界会生成一个与物理世界行人位置一致的虚拟化身。

报告题目三：基于具身学习的手势引导

报告人：覃业畅

报告简介：具身认知（Embodied Cognition），或称基础认知，是一种假设人类的思想和行为深深植根于个人对物质世界感觉的理论。具身认知理论和情境认知理论一样强调学习者在学习中的主体性，以及通过实践来帮助学习者学习的重要性。基于这个理论，利用虚拟手势来引导用户与虚拟空间或真实空间中的物体进行交互是一种有潜力的手段。

报告题目四：基于脑电通道相关性的图卷积模型进行癫痫检测

报告人：陈柳良

报告简介：在脑电信号分析中，通道间的相关性是一个重要的特征。不同脑电通道记录了大脑不同区域的神经活动，这些区域之间的相互作用和协调对于维持大脑的正常功能至关重要。癫痫发作时，异常放电往往会扩散到多个脑区，根据通道的相关性来分析脑电信号，可以更好捕获癫痫发作的脑区位置，更准确地对癫痫发作进行检测。因此，基于脑电通道相关性的癫痫发作预测模型具有重要的研究价值和应用前景。

报告题目五：虚拟现实中远程交互的新型代理方式

报告人：郝兴家

报告简介：虚拟现实的重要特性之一是它允许用户像在现实世界中一样与虚拟对象进行交互。然而，这种互动仅限于触手可及的空间范围内。这里要介绍一个允许用户重新安排空间的系统。在标记了一部分空间之后，远处标记的空间被镜像到附近的代理中。用户可以在附近远处空间内的内容进行操作，使得与多个远处的空间以及与其中的对象的交互变得十分容易。代理本身在此系统中会成为场景的一部分，可以移动、旋转、缩放或锚定到其他对象，还可以用于一组更高层次的交互，如对齐和动作复制。

场次五、

时间：2024年4月15日（星期一）15:00-16:00

地点：计算机与电子信息学院305教室

报告题目一：基于时尚单品重要性加权的套装兼容性预测方法

报告人：吕梓民

报告简介：针对时尚单品在整套服装中的重要性差异问题，本研究提出了一种基于时尚单品重要性加权的套装兼容性预测方法。该方法通过深入分析套装中各个时尚单品对整体搭配兼容性的贡献度，识别出关键单品，并根据其对套装整体兼容性的影响程度赋予不同的权重。通过这种加权方式，模型能够更准确地捕捉套装中各个单品对整体兼容性的贡献，从而提高预测的准确性。

场次六、

时间：2024年4月16日（星期二）15:00-17:00

地点： 计算机与电子信息学院601教室

报告题目一：利用生成对抗网络实现泛用性电力负载数据合成的研究

报告人：耿泽懿

报告简介： 生成对抗网络(GAN)是一种采用对抗策略的生成式模型，网络模仿自然界中掠食者与被捕食者，利用两个模型对抗的方法实现模型效果的提升，生成器可以生成各种各样具有原对象特征的逼真信息，非侵入式领域获取信息一直是难点，可以利用生成对抗网络进行数据增强和数据扩增。能满足对数据的多样化，个性化需求，多项研究证明，生成对抗网络可以满足多领域的数据生成需要。

报告题目二：利用Diffusion对时序数据进行预测生成与除噪的研究

报告人：耿泽懿

报告简介：Diffusion是一种通过加噪和去噪步骤，利用马尔可夫性质实现数据生成的一种模型。近些年来对于生成领域贡献巨大，没有生成对抗网络(GAN)的对抗不稳定性，对神经网络有更好的可解释性，之前在图像领域效果优异，ChatGPT所使用的DALLE底层技术已经是Diffusion。Diffusion目前许多课题组进行了时序数据如股票，能源，各种信号的时序预测，预测效果良好，还能削去数据噪声。而时序数据对任何领域都是重要数据，Diffusion目前展现的效果已超越以往的循环神经网络。

报告题目三：水平法在计算区位凸包价格的应用

报告人：林昕瀚

报告简介：凸包定价是一种有充分证明的方法，用于解决电力市场中不存在具有非凸成本和约束的统一清算价格的问题。我们重新审视计算凸壳价格的原始和双重方法，并讨论在该分类法中现有近似方法的定位。报告提出了一种称为水平法的对偶分解算法，并根据凸包定价的特殊性对基本算法进行了调整。将其性能与最近在文献中提出的列生成算法进行基准测试。提供了关于文中的算法在基于PJM和中欧的大型测试实例上的良好性能的经验证据。

报告题目四：一种计算凸包价格的高效算法

报告人：林昕瀚

报告简介：世界各地的电力市场允许参与者出价非凸生产报价。虽然非凸报价可以更准确地反映资源的能力，但它们给市场清算过程带来了挑战。例如，系统运营商可能需要向那些通过传统的地点边际定价方案确定的能源销售无法覆盖成本的参与者执行附加支付。凸包定价在提供统一(即地点和时间一致)价格的同时，最大限度地减少了这种和其他类型的附带支付。计算凸壳价格涉及求解大规模线性规划或相应的非凸调度问题的拉格朗日对偶。此外，前一种方法需要对市场参与者的凸壳进行明确描述。

虽然计算凸壳价格的线性程序很大，但它们的结构自然可以被生成器分解。在这里，提出并实证分析了Benders分解方法来计算凸壳价格，该方法利用了火力发电机组凸壳配方的最新进展。我们通过大量的测试实例证明，这一分解方法只需要适度的计算努力，获得的解决方案至少比等效的大规模线性规划方法快一个数量级。总的来说，报告提供了一种计算可行的方法来计算工业规模市场出清问题的凸壳价格，使实际采用这种先进的定价机制成为可能。

报告题目五：shaplets模型用于非侵入式负荷识别可行性研究

报告人：武轩仪

报告简介： Shapelet是一种具有辨识性的时间序列子序列,通过识别局部特征达到对时间序列准确分类的目的.将shaplet引入非侵入式领域，对电流和电压的时序数据使用，以提取出局部特征，重新对数据进行分类识别。提高了识别的准确度和速度。

报告题目六：transformer模型用于非侵入式负荷识别可行性研究

报告人：武轩仪

报告简介：Transformer 在时间序列分析中的应用核心在于其自注意力机制，这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码，Transformer 不仅提高了处理效率，而且确保了时间顺序的准确性。其灵活的模型结构允许调整以适应不同复杂度的数据，而编码器-解码器架构则特别适用于预测未来的时间点。将transformer架构引入非侵入式负荷识别领域，探讨transformer在时序数据的分类任务。

报告题目七：一种有效的深层双向Transformer能量分解模型研究

报告人：周雨铭

报告简介：非侵入式负荷监测(NILM)，即能量分解(Energy Disaggregation)，是一种高效且具有成本效益的降低能耗框架，它将一个家庭的总用电量信号分解为各个家用电器的电量信号。求解NILM问题已经在各种著作中进行了研究。一些最成功的使用深度学习结构来提取单个设备的消费模式。尽管这些技术表现出良好的性能，但仍存在一些限制和挑战。针对上述问题，在这项研究中，我们提出了TransformNILM，一种新的基于Transformer的非侵入式负载监测(NILM)模型。为了推断家用电器的消费信号，TransformNILM使用Transformer层，它利用注意机制成功地绘制输入和输出序列之间的全局依赖关系。TransformNILM不需要数据平衡，并且只需要最少的数据集预处理。与其他基于Transformer的架构相比，TransformNILM提供了一种高效的训练方案，其中模型训练包括无监督的预训练和有监督的模型微调，从而减少了训练时间并提高了预测性能。研究实验结果验证了TransformNILM与几种最先进的方法相比的优越性。

报告题目八：基于Transformer关注机制的时序模型与非侵入式负荷监测的时序池的研究

报告人：周雨铭

报告简介：非侵入式负荷监测(NILM)是一种用于在家用电器层面分离电力消耗的技术。智能电表仅提供建筑物层面的总能耗，这可能不足以影响消费者的行为。NILM过程包括数据收集、特征提取、事件检测、负载识别和能量分离，机器学习技术用于识别设备并在稳态和瞬态条件下提取特征。NILM系统还可以长期评估家电的性能，帮助制造商提高能源效率。可向消费者提出建议，减少或推迟到非高峰时段使用便携式电器，以节约能源。本研究中考虑的架构是ResNet和拨号卷积网络架构的组合。ResNet解决了网络层数增加时出现的梯度衰落问题，使用dial Convolution代替池化层提取局部信息，减少了信息损失。总的来说，这些方法在NILM领域显示出有希望的结果，进一步的研究可能会导致更有效和准确的能源消耗估计方法。本研究提出了一种利用注意机制、时间池、剩余连接和Transformer等多种技术来改进非侵入式负荷监测的方法。注意机制帮助模型专注于输入序列的相关部分，时间池将多个时间步长的表示合并为一个表示，残差连接绕过一个或多个层，使训练过程中的梯度流更平滑，Transformer在NLP和时间序列预测任务中取得了先进的效果。这些技术有助于提高器件级能量分解的准确性和鲁棒性，同时降低计算成本。