2024年59599aa美高梅
信息技术研究生论坛(一)
场次一、
时间:2023年1月8日(星期一)9:00-12:00
地点:59599aa美高梅807b教室
报告题目一:基于TinyVit和图卷积网络的细粒度图像分类研究报告人:郑世杰
报告简介:细粒度图像分类是图像分类的一个分支。最近,视觉变换器在图像识别领域取得了卓越的进展。它的自注意机制可以提取非常有效的图像特征信息。然而,将固定大小的图像块输入网络会带来额外的噪声,不利于提取细粒度图像的识别特征。vison 变换器的网络模型很大,因此在实际应用中很难使用。此外,当今的许多细粒度图像分类方法都侧重于挖掘判别特征,而忽略了图像内部的联系。为了解决这些问题,我们提出了一种基于轻量级 TinyVit 骨干网络的新方法。我们的方法利用 TinyVit 的自我关注权重值作为指导,构建了一个有效的对象定位(OL)模块,该模块可切割和放大对象区域,为网络提供了专注于本地对象的机会。此外,我们还利用图卷积网络(GCN)创建了空间关系特征学习(SRFL)模块,借助转换器的自我关注权重捕捉 TinyVit 图像块之间的空间上下文信息。OL 和 SRFL 相互协作,共同指导分类任务。实验结果表明,所提出的方法取得了极具竞争力的性能,在 CUB-200-2011 和 NABirds 数据集上的分类准确率均位居第二。在斯坦福狗数据集上进行测试时,我们的方法优于许多流行方法。
报告题目二:无人机协同的移动边缘计算能耗优化研究
报告人:王志鸿
报告简介:智能移动设备的迅速普及对移动边缘网络的计算能力提出了新的要求。使用无人机作为临时移动边缘计算服务器,能够有效缓解移动边缘网络计算能力不足的问题。然而,由于无人机的电池容量有限,如何在现有硬件条件下提高服务的持续时间是一项挑战。为了提高能量效率,延长无人机的服务持续时间,提出一种在分层无人机辅助下的部分卸载移动边缘计算模型。以最小化无人机的能量消耗为目标,联合优化无线信道分配和传输功率,任务分配和CPU频率,以及无人机的飞行轨迹。由于问题的非凸性,将其分解为相对独立的子问题,采用迭代式方法交替求解。首先,利用CVX获取最佳无线信道分配,并使用拉格朗日对偶获取最佳传输功率。其次,根据优化目标的单调性推导出最优CPU频率分配。最后,使用连续凸近似求解最优无人机飞行轨迹。仿真结果表面,所提出方法能够有效提高任务卸载比例,降低无人机的整体能耗。
报告题目三:云边协同环境下一种面向任务的多智能体强化学习任务卸载方案
报告人:唐宁昆
报告简介:在云边协同计算环境中,计算任务的卸载问题是当前的研究热点。现有的方案通常采用单智能体强化学习算法求解该问题,存在鲁棒性低、决策空间过大等缺陷,且未考虑用户移动性、奖励延迟性以及信息观测与同步问题。针对上述不足,提出一种考虑设备局部观测能力的云边协同网络模型及任务计算队列和传输队列模型,并设计一种基于“面向任务”的多智能体强化学习的分布式卸载方案。首先,该方案给出网络信息同步协议以便设备获取网络全局状态,同时设计任务卸载调度规则以规定服务器在用户跨区移动和线路故障等场景下的计算和调度流程。然后,该方案以边缘服务器为智能体构建基于Actor-Critic框架的多智能体系统,给出智能体之间的协作方法,同时考虑线路故障时智能体的独立工作问题。随后为解决奖励延迟问题,我们将卸载问题建模为一种“面向任务”的马尔可夫决策过程,摒弃了常用的等距时隙模型,转而以任务处理时间为步长,采用动态且并行的时隙。最后以此过程为数学基础,提出一种任务卸载决策算法TOMAC-A2C。该算法利用多智能体强化学习思想,给出智能体之间协作完成卸载工作并相互评价以更新神经网络参数的方法,同时引入长短期记忆网络以对用户的移动性进行记忆和预测。基于来自现实世界的安卓设备移动情况数据集的实验结果表明,所提出的分布式卸载方案在面临高负载和高线路故障率时均能有效降低服务时延、能耗及任务丢弃率。
场次二、
时间:2024年01月11日(星期四)16:30-18:30
地点:59599aa美高梅509教室
报告题目一:用于经典通信的量子增强接收器
报告人:禹钧译
报告简介:随着时代的发展,信息传递无处不在,所以信息的出错率和信号强弱就变得极为重要。在传统通信信道中,受到光电效应的量子性质和泊松光子统计的影响,即使使用理想器件进行接收测量,也会产生散粒噪声,这种噪声会影响信号的强弱以及失真,而使用量子增强接收器利用量子理论提高通信性能,可以在某些情况下实现低于经典噪声极限(SNL)的误码率(SER),而传统接收器无法突破这一极限。量子增强接收器可以在部分通信场景下降低能量需求,从而提高能效。并且可以在长距离光纤通信中实现更高的能效,因为它们能够降低光功率,从而减少放大器引入的噪声。并且量子增强接收器有望支持经典通信和量子通信(如量子密钥分发和纠缠分发)的共存。报告对现有的增强接收器进行了概括和拓展。
报告题目二:经典通信的实用量子增强接收器
报告人:沈诗泽
报告简介:作为光脉冲是远距离通信的首选信息载体。数据呈指数增长导致底层物理系统出现“容量危机”。为阻止通信物理资源的指数增长,一种可能的方法是在接收端使用量子而不是经典测量。量子测量通过实现光的相干态鉴别,使光通信协议的能量效率提高,鉴别误差率低于噪声限制。在这篇综述文章中,作者侧重于在当前技术状态下可以实际实施的量子接收器,首先是基于位移的接收器。我从实验家的角度呈现了量子增强接收器的进展和发展的情况。
报告题目三:深度学习在微纳光子器件设计的应用
报告人:王巫亮
报告简介:在过去的几年里,深度学习分别在语言识别、机器视觉自然、自然语言处理等领域发展迅速。它的独特优势在于数据驱动的方法,来源于模型自发从海量数据中发现有用信息,通过其不断的迭代优化筛选最终可以得到我们需要收敛的最优结构。作为机器学习的一个子集,深度学习使用分层结构层来学习数据的多级抽象,他提供了一种设计光子结构的有效方法,催生了与传统的基于物理和规则的方法相辅相成的数据驱动方法。本次汇报基于深度学习的光子设计的最新进展,提供了历史背景、算法基础和关键应用,重点介绍了针对特定光子任务的各种模型架构。
报告题目四:电光调 Q 双脉冲 Nd:YAG 激光器的研究
报告人:黄永庆
报告简介:该项研究提出了可以实现脉冲延迟可调、能量比可调的共线纳秒双脉冲激光器新方法,并搭建了灯泵浦共线纳秒双脉冲 Nd:YAG 激光器进行验证。比较了单脉冲模式与双脉冲模式激光输出性能差异,并研究了施加在电光晶体上的电压对脉冲能量以及时间波形的影响。两束脉冲激光之间的时间间隔可以控制在 100 ns-10 μs 之间,可以满足大多数双脉冲激光器的需求。两束脉冲激光共享一个谐振腔,因此其具有自身同轴性,该方法是获得共线纳秒双脉冲激光器的理想方法,并且可以扩展到其他激光器。