【06.14】“青年科技工作者園地”第147次活動(dòng)：張量網(wǎng)絡(luò)方法及其應(yīng)用、X射線高維時(shí)序影像的分割、FRNet-優(yōu)質(zhì)感知數(shù)據(jù)的參與者動(dòng)態(tài)選擇算法
“青年科技工作者園地”第147次活動(dòng)
時(shí)間：2022年06月14日 (周二) 下午14:30
地點(diǎn)：計(jì)算中心二樓會(huì)議室
騰訊會(huì)議：823-238-388
鏈接：https://meeting.tencent.com/dm/zRaaucJoCu9b
報(bào)告一：張量網(wǎng)絡(luò)方法及其應(yīng)用 (Tensor network method and its application)
報(bào)告人：梁文昊（網(wǎng)絡(luò)中心）
摘要：在現(xiàn)代科學(xué)中，大量的問(wèn)題都涉及到高維計(jì)算，如大數(shù)據(jù)科學(xué)中的數(shù)據(jù)分析 , 神經(jīng)網(wǎng)絡(luò)模型的知識(shí)蒸餾，量子多體物理中波函數(shù)的求解 以及量子線路模擬問(wèn)題等等。在這些問(wèn)題中，如何解決“維度災(zāi)難”一直是人們思考的關(guān)鍵。近幾年來(lái)，張量網(wǎng)絡(luò)方法發(fā)展迅速，能夠很好的實(shí)現(xiàn)降維，受到了科研工作者的關(guān)注。這次報(bào)告首先介紹張量分解方法，引出并介紹密度矩陣重整化群理論，接著介紹張量縮并方法，引出并介紹量子電路模擬的相關(guān)工作，這些工作都能夠展示出張量網(wǎng)絡(luò)方法的優(yōu)勢(shì)。最后，簡(jiǎn)要介紹量子變分求解器（VQE），拋磚引玉，希望能夠在張量網(wǎng)絡(luò)和量子計(jì)算方面和大家相互討論，一起探索。
個(gè)人簡(jiǎn)介：梁文昊，2016至2020年本科就讀于西北大學(xué)物理學(xué)院應(yīng)用物理專業(yè)。2020年進(jìn)入中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心高性能計(jì)算部攻讀博士學(xué)位。目前研究興趣有：并行優(yōu)化，張量網(wǎng)絡(luò)計(jì)算，量子電路模擬，量子算法等。
報(bào)告二：X射線高維時(shí)序影像的分割
報(bào)告人： 邱曉夢(mèng)
摘要：圖像分割是計(jì)算機(jī)視覺(jué)的一個(gè)熱門(mén)領(lǐng)域，它廣泛應(yīng)用于地理信息系統(tǒng)、無(wú)人車駕駛、機(jī)器人等領(lǐng)域。在醫(yī)學(xué)領(lǐng)域通過(guò)分割可以得到病灶信息，從而輔助醫(yī)生進(jìn)行診斷。傳統(tǒng)的U-Net網(wǎng)絡(luò)是醫(yī)學(xué)圖像分割的黃金標(biāo)準(zhǔn)，以其獨(dú)特的編碼解碼以及跳躍連接結(jié)構(gòu)取得了很好的分割效果。本次報(bào)告將介紹一種分割時(shí)序醫(yī)學(xué)圖像的方法，該方法在傳統(tǒng)的U-Net網(wǎng)絡(luò)基礎(chǔ)上，添加了光流信息來(lái)獲取相鄰幀之間的運(yùn)動(dòng)信息，使得分割內(nèi)容更加豐富，分割結(jié)果也更加準(zhǔn)確。
報(bào)告三：FRNet-優(yōu)質(zhì)感知數(shù)據(jù)的參與者動(dòng)態(tài)選擇算法
報(bào)告人：李澤銘暉
摘要：移動(dòng)群智感知(Mobile Crowd Sensing, MCS)是一種基于移動(dòng)節(jié)點(diǎn)的感知模式，為城市數(shù)據(jù)采集提供了一種低成本高效益的解決方案。為了監(jiān)測(cè)城市環(huán)境和促進(jìn)市政管理，越來(lái)越多的應(yīng)用程序采用車輛作為參與者來(lái)完成監(jiān)督和控制系統(tǒng)的任務(wù)。然而,在MCS系統(tǒng)中,當(dāng)感知任務(wù)參與者收集并上傳感知數(shù)據(jù)時(shí),他們?cè)跁r(shí)間和空間上經(jīng)常重疊。因此，在此情況下，系統(tǒng)就獲得了很多的冗余數(shù)據(jù),導(dǎo)致最終不足以滿足MCS任務(wù)需求。同時(shí)，現(xiàn)有方案還存在無(wú)法實(shí)現(xiàn)感知任務(wù)的動(dòng)態(tài)分配和感知任務(wù)參與者動(dòng)態(tài)選擇的問(wèn)題。因此提出了一種基于強(qiáng)化學(xué)習(xí)的參與者選擇算法。
附件下載：
