为了进一步促进研究生学术交流，拓宽研究生学术视野，营造良好的学术氛围，广州大学电子与通信工程学院主办的“研途青年说”第29讲于2月24日下午16:00-17:00在线上（腾讯会议：617-573-139）举行。本次主讲人为20级研究生任玲玲以及钟小容，主题分别为面向运动和言语想象的脑机接口深度学习分类算法研究，以及无冗余特征生成的零样本学习算法研究。

第一位进行汇报的是任玲玲同学，她从选题背景及意义，现状与研究目标，研究方法及过程，关键技术与实践难点，研究结果与应用，论文总结的六个方面对其此次的研究情况展开了介绍。她首先向我们简单介绍了关于脑科学与脑机接口技术（BCI）的一些相关讯息，给我们构建脑科学与脑机接口技术（BCI）可以更好地理解人类大脑复杂的运作方式和思维活动，进而准确地预测大脑神经活动的基本概念信息。进而向我们讲述了她的研究意义，该项研究可以应用于智能家居，健康医疗，教育科技，娱乐控制，具有很强的实用性。紧接着，她通过脑电信号产生机理，系统的基本流程，实际面临的主要问题，传统脑电信号分析过程，深度学习研究现状使我们更进一步地了解此次研究的原理和面对的挑战。基于前面叙述，她和我们分享了其研究方法及过程、数据分析过程、数据分析-ERSP图、关键技术与实践难点；最后对于研究结果与应用，我们可以知道基于BCI2008数据集2a,9个被试平均精度达到了77.21%，与近三年的文献结果的卷积神经网络进行对比，也取得了较好的分类精度，验证了基于注意力的多尺度卷积神经网络模型的有效性。

在最后的总结中，对于工作总结，她分享了整个研究过程其主要成果及此次研究的进步性；而对于不足与展望，她提出要提高BCI个体自适应性，针对不同人的脑电特征，指定合理的训练模式和算法，以降低被试者的脑电信号的差异导致的实验误差。而对于未来从事相关方向的研究或对相关方向感兴趣的师弟师妹们，她展望到我们未来的工作是将该实验范式用于同步BCI在线控系统，以检测其实时控制的能力。

第二位进行汇报的是钟小容同学。她首先通过大数据时代背景下基于深度学习的监督学习算法的巨大成功引出这种依赖于大量带标签数据以拟合神经网络的算法渐显弊端的现实问题。为摆脱数据的依赖性，使得深度学习系统能够从非常少量甚至没有样本的环境中高效地学习和推广其认知能力，研究者提出了零样本学习( Zero Shot Learning)。紧接着，她简明扼要地向我们介绍了关于零样本学习（ZSL），广义零样本学习（GZSL）的一些基本信息，构建了我们对其目的，基本运作原理的知识结构。进而对接下来的研究现状与研究目标、研究现状与挑战、研究方法及过程有了更深刻的理解。此次研究主要面对的挑战有：由于视觉特征和语义特征是两种不同的模态特征，生成模型通过借助低维的语义特征以拟合较高维的视觉样本，其生成的伪特征与原始的视觉特征之间存在较大的差距；在细粒度数据集中，不同类样本在图像外观上有着较大的相似性，模型很容易忽略掉细微的判别信息而被较大面积的冗余信息干扰其识别能力。所以，进行了基于无冗余特征生成的零样本学习算法研究，搭配变分自编码器、去冗余模块、生成对抗网络、网络优化函数的研究方法。最后通过大量的实验研究以及特征空间的可视化研究，对比其他先进的零样本学习算法，其提出的算法的实验验结果验证了该算法的有效性。

最后在论文总结中，她总结了在生成模型、生成对抗网络、特征去冗余模块、实验结果上的工作成果，体现了此次研究的进步性同时也给未来进行同方向的师弟师妹们不少的启发性。

在活动的问答环节，两位主讲人都对同学们的疑问进行了探讨，通过本次“研途青年说”的分享，希望同学们对无线通信领域和该两位的算法研究的内容可以有了更深的认识和理解，对自己的研究生生涯规划也有了更清晰的认识，这为自己今后的科研道路奠定了基础。

研途青年说学生简介：

任玲玲

2020级电子与通信工程学院

电子与通信工程专业硕士

导师：王力

主要研究方向：脑机接口

主要科研成果：发明专利一项、论文一篇

钟小容

2020级电子与通信工程学院

电子信息专业硕士

导师：胡晓

主要研究方向：零样本学习

主要科研成果：北大核心论文一篇，EI会议论文一篇，发明专利一篇（已授权）