ku111net议时间：2022年7月1日（周五） 15:00—17:00
参ku111net人员：信息科学与工程学院科研团队全体教师，欢迎广大师生参加。
ku111net议地点: 理工楼2120
报告1：支持面部图像的性别学习
报告人：李学辉
报告时间：15:00-15:20
内容简介：介绍使用SVM进行性别学习的方法，针对低分辨率的面部图像进行性别分类学习；对低分辨率的面部图像进行试验，通过试验证实，SVM作为性别分类器比以往的经典的分类器有更低的错误率。
报告2：基于深度学习的miRNA与疾病相关性预测算法
报告人：王磊
报告时间：15:20-15:40
内容简介：microRNA（miRNA）在人类复杂疾病研究中发挥着重要作用。识别miRNA与疾病之间的关系对于提高复杂疾病的治疗水平和新药研发具有重要意义。本研究提出了一种新的方法，通过结合深度学习的堆叠自动编码器算法与旋转森林分类器对miRNA与疾病之间的关系进行预测。通过交叉实验验证可得，该方法是一种有效预测miRNA与疾病关系的工具，能够为生物实验提供高可靠的疾病关联miRNA候选物。
报告3：草莓营养生长建模研究
报告人：王永
报告时间：15:40-16:00
内容简介：草莓种植者在种植过程中面临着与天气、种植和市场有关的许多挑战。构建决策支持工具可以帮助优化草莓生产，但需要可靠的模型作为基础。本研究利用公开数据集和文献数据，使用天气、土壤、管理和生理参数作为输入，对草莓营养生长过程建立模型，使用GAMA平台进行模拟实验，为进一步的生物传粉、病虫害防治等研究提供草莓模型支持。
报告4：基于深度学习的目标检测SSD改进算法的研究
报告人：燕孝飞
报告时间：16:00-16:20
内容简介：目标检测是计算机视觉领域的研究热点之一。随着深度学习的发展，研究人员提出了很多基于卷积神经网络的目标检测算法。本报告对其中的SSD算法原理进行介绍，在分析其优点与不足的基础上，提出一种基于位置预测与类别预测分离的改进算法DF-SSD，该算法分离了位置预测与类别预测使用的特征图，增加了丰富的细节与定位信息，对提升模型检测性能效果显著。
报告5：水下无线传感器网络路由算法分析
报告人：贾继洋
报告时间：16:20-16:40
内容简介：在水下无线传感器网络中，水下路由协议可以有效地将数据从源节点传输到网络中的目标节点。通过分析不同水下路由协议的性能，并在算法上进行优化，可以有效解决高海洋干扰和噪声、高传播延迟、窄带宽、动态网络拓扑的限制和挑战。
报告6：基于机器学习的药物-靶标相互作用预测
报告人：王莹
报告时间：16:40-17:00
内容简介：对基于机器学习的DTI预测的基本流程进行介绍，并对利用机器学习预测DTI的研究进行回顾，同时对不同的机器学习方法运用于DTI预测的优缺点进行一个简单总结，以期对开发更加有效的预测算法和DTI预测的发展提供帮助。
科技处
信息科学与工程学院
2022年6月28日
检索
鲁公安网备37040002002001号