研途青年说第78讲-广州大学电子与通信工程学院

首页

首页 > 学术交流 > 正文

研途青年说第78讲

发布者：时间：2024-10-16 14:40:57 浏览：

主题一：基于特征信息重建的工业缺陷检测算法

主讲：钟天葵

（导师：彭绍湖）

主题二：基于数据驱动的流程工业数字孪生建模方法研究

主讲：陈振浩

（导师：唐冬）

主题三：面向分布式机器学习的模型参数预测方法

主讲：陈道校

（导师：刘外喜）

主题四：基于IRS辅助CR-NOMA网络安全传输研究

主讲：吕沥

（导师：赵赛）

主办机构

广州大学电子与通信工程学院

时间安排

2024年10月15日16：15-18：00

地点

黄埔研究院A1栋303教室

为拓宽研究生学术视野，促进研究生学术交流，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78讲于10月15日16：15-18：00在黄埔研究院A1栋303教室。本次主讲人为22级研究生钟天葵、陈振浩、陈道校和吕沥。

钟天葵同学汇报的主题是基于特征信息重建的工业缺陷检测算法，他首先介绍了基于机器视觉的工业缺陷检测方向的主体前言背景与意义，在工业检测中，具有定位的异常视觉检测是一个及其被重视的研究方向，其能够对工业样品进行异常的识别和异常点的定位，从而促进工业的高质量生产。随后阐述机器视觉在工业缺陷检测领域的研究目标，表明兼顾算法的检测正确性能的同时，降低算法的内存需求和运算量是基于机器视觉工业缺陷检测的主要目标。随后进一步讲述了师生网络、分割网络、AE自编码器以及基于特征信息重建与分割在缺陷检测方法上的应用。最后展示了算法的可视化性能结果。

陈振浩同学汇报的主题是基于数据驱动的流程工业数字孪生建模方法研究，他首先介绍了数字孪生的概念并简要讲述其在未来的应用，同时阐明数字孪生技术的重点解决问题，接着针对当前复杂的工业应用场景，提出了一种基于数据驱动的数字孪生模型建模方法。该方法对多源异构数据的进行处理，实现跨设备、多模态、多维度的时间-空间特征提取；并提出一种高效的特征融合技术，融合多模态、多维度特征，有效提升数字孪生技术在流程工业的建模能力，最后使用神经网络模型对流程工业运行历史数据进行训练，搭建了流程工业数字孪生模型，并引入了类激活图技术，最终有效提升数据驱动孪生模型的可解释性和可视化能力。

陈道校同学汇报的主题是面向分布式机器学习的模型参数预测方法，他的讲解主要包含以下几个部分：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。首先介绍了分布式机器学习的研究背景与意义，表明随着机器学习模型和数据集规模的增加，分布式机器学习成为了减少训练时间的热门方法，但同时也面临着严重的通信瓶颈限制其可扩展性的问题，随后针对这一问题提出一种在PS架构下的模型参数预测方法，允许worker仅推送部分模型参数给PS，剩余参数由PS通过训练好的深度预测模型在本地预测，显著减少通信量。在减少通信量的同时保持模型精度，并且降低计算开销。并且保证了方法的泛化性，为加速分布式深度学习提供了新思路。

吕沥同学汇报的主题是基于IRS辅助CR-NOMA网络安全传输研究，他首先介绍了无线电信号的研究背景及意义，简述了无线电信号的特点与缺陷，点明了目前系统中存在的安全问题。接着针对这个问题提出了基于混合功能IRS辅助CR－NOMA系统，以提高系统的安全性能，其中的IRS通过增强合法用户的信号并抑制窃听者的信号。随后介绍了系统模型，信道模型以及优化问题的建模并基于所提的优化问题的非凸性，将优化问题解耦为两个子问题，提出一种基于交替优化的方法对问题进行处理。最后展示了仿真结果，表面与其他基准方案相比，所提出的方案有效地增强了CR-NOMA网络的安全性，并且具有较好的收敛性。