會議時間：2022年10月5日（周三）14:00—15:40

參會人員：信息科學與工程學院科研團隊全體教師

會議地點: 騰訊會議（218-841-590）

報告1：基于認知計算模型的教學行為模擬和仿真

報告人：姜振鳳

報告時間：14:00-14:20

內容簡介：“人類學習”是許多科學領域研究中一個重要的話題，例如神經科學、認知科學、心理學和教育學等領域都在研究人類如何獲得知識、發展技能和專長。在認知科學中，基于認知架構的計算模型一直是解決人類認知和學習問題的一個重要方法。認知計算模型也因為可以解釋、擬合和預測認知過程中的行為，被運用于決策評估和醫療診斷等多個領域。目前，認知計算模型在教育實踐領域中的運用還處于初級階段，對于認知計算模型的構建和應用研究將有助于產生新的學習理論和學習干預范式，并在完善自適應學習環境、提供有依據的學習干預策等方面發揮重要作用。本次報告分享了一篇“基于統一學習模型（ULM）的多Agent計算模型”的論文，討論了如何利用計算模型模擬對認知學習和教學進行模擬和仿真。

報告2：多種比例在VI設計中的應用

報告人：胡靜

報告時間：14:20-14:40

內容簡介：設計之美和數學也是存在一定聯系的。比如黃金比例、白銀比例、斐契那波數列的應用，再加上對稱、旋轉、重復，合理的使用這些數據規律，可以高效率的做好VI設計，特別是開始做排版或Logo時，能讓感性設計作品兼具理性的數學之美。

本文從生活中的求最優化問題的方法——優選法，及攝影中的三分法則，引申出黃金分割點，再通過研究黃金比例、黃金螺旋和斐契那波數列的關系，總結出設計三分割法，將幾何學知識運用到VI設計中去。其實斐契那波數列是一個自然科學命題，本是一個數學成果。自然界中充滿了具有斐波那契數列關系的植物生命，這些生命體本身就具備了美感的要素。這個優美的數列被運用到L000設計中，通過相關案例設計、研究與思考，力求探求斐波那契數列在LOGO設計的體現與運用，尋找視覺美將有效提高標志圖形的藝術性、科學性、嚴謹性,且更易得到社會的認可,更高效地履行符號傳播信息的職能。

其實除了黃分割例，本文還涉及了等分例、模數例、體例等在VI設計中的嘗試運用思路，嘗試從幾何學的視覺原理來解析多種比例構成及其相互關系,闡述數學的美學原理與VI設計的內在聯系。并通過具體的演算和推理,作了大量應用工作,探索出如何在設計中有效利用比例的美學屬性,旨在期盼提升科學對設計的拓展。

報告3：基于分數階導數的圖像邊緣提取算法

報告人：張猛

報告時間：14:40-15:00

內容簡介：針對傳統邊緣檢測算法對于圖像邊緣提取存在邊緣缺失、不連續等問題，為提高邊緣的完整性與連續性，提出一種基于分數階微分的邊緣檢測算法。由G-L 定義構造分數階微分掩模算子，使用不同階次的算子對高、低頻圖像分別進行邊緣提取，然后將兩部分邊緣進行融合，最終得到連續完整的圖像邊緣。該算法不僅提高了邊緣信息的完整性，還保留了更多的紋理細節及獲得了較好的抗噪性能。

報告4：圖神經網絡與生物信息數據挖掘

報告人：李政偉

報告時間：15:00-15:20

內容簡介：圖神經網絡是近年來出現的一種利用深度學習直接對圖結構數據進行學習的框架, 其優異的性能引起了學者高度的關注和深入的探索。隨著新一代測序以及其他數據采集技術的發展，各種生物大數據的出現正在迅速的改變著生物學和臨床醫學的研究方法和手段。本次報告主要介紹生物信息數據挖掘領域的研究現狀，以及圖神經網絡在該領域的應用研究。

報告5：聯邦學習數據異構的危害與解決

報告人：劉天

報告時間：15:20-15:40

內容簡介：由于聯邦學習能夠有效打破單機機器學習的數據壁障，其而逐漸成為一種新興的分布式機器學習范式。但是，真實物聯網環境中各設備所采集數據的異構性會導致聯邦學習模型訓練過程中“權重發散”的現象，這可能會導致嚴重的安全隱患。因此，如何在不引入大量的通信開銷且保證數據隱私安全的情況下，提升面向數據異構的聯邦學習算法性能是現階段聯邦學習在物聯網場景應用所亟待解決的關鍵問題。

科技處

信息科學與工程學院

2022年9月30日