研途青年说第110讲-成人短视频

成人短视频

成人短视频 > 学术交流 > 正文

研途青年说第110讲

发布者：时间：2025-11-04 22:55:32 浏览：

主题一： 基于深度学习的白头叶猴叫声检测算法研究

主讲：洪子文

（导师：曹忠）

主题二：基于大型全可动射电望远镜反射面精度的风载仿真

主讲：胡瑞峰

（导师：曹忠）

主题三：工业长尾分布下的时序数据生成算法研究

主讲：胡伟俊

（导师：曹忠）

主题四：整合人类反馈和环境奖励的强化学习方法

主讲：施良玉

（导师：曹忠）

主题五：基于多智能体强化学习算法的电压控制研究

主讲：张瑞健

（导师：曹忠）

主办机构

成人短视频

时间安排

2025年11月3日10：30-12：00

地点

文新楼624

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，成人短视频主办的“研途青年说”第110讲于11月3日10：30-12：00在文新楼624举行。本次主讲人为23级研究生洪子文、胡瑞峰、胡伟俊、施良玉和张瑞健。

洪子文同学汇报的主题是基于深度学习的白头叶猴叫声检测算法研究，他的讲解主要包含以下6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、论文总结。研究以“基于深度学习的白头叶猴叫声检测算法”为核心，针对极危物种白头叶猴的保护挑战，将深度学习技术应用于叫声识别。白头叶猴栖息地破碎化，传统监测方法效率低下，面临数据量庞大、人工成本高昂及背景噪音干扰等难点。研究通过太阳能录音单元采集数据，并设计DeepADN模型进行声学特征提取与检测，结合消融实验优化参数，显著提升检测准确性。成果显示，算法能有效识别性别特异性叫声，支持行为研究与生态管理。

文本AI 生成的内容可能不正确。

男人站在墙边AI 生成的内容可能不正确。

房间的摆设布局AI 生成的内容可能不正确。

胡瑞峰同学汇报的主题是基于大型全可动射电望远镜反射面精度的风载仿真，他的讲解主要包含以下4个部分：选题背景及意义、现状与研究目标、研究方法与过程、研究结果。汇报主要介绍了影响射电望远镜精度的因素，以及平均风和脉动风的特性，然后讲述了国内外学者分别通过理论分析、风洞试验、现场实测和数值模拟的方法来研究风扰对大型射电望远镜的影响，在研究过程中通过使用Davenport风速谱计算风载，基于ABAQUS的二次开发进行361种工况下的仿真模拟，基于最小二乘原理计算反射面精度，最终展示实验成果，比较了俯仰角、风向角与精度的变化规律，对大口径射电望远镜的建设与风扰研究具有参考意义。

房间的摆设布局AI 生成的内容可能不正确。

胡伟俊同学汇报的主题是工业长尾分布下的时序数据生成算法研究，他的讲解主要包含以下5个部分：选题背景及意义、现状与研究目标、研究方法及过程、研究结果与应用、论文总结。工业时间序列分析是设备状态监测和工业智能化的核心基础。然而，由低频、低概率事件引起的时间序列长尾分布特性严重制约了分析模型的性能。在工业过程预测、异常检测等关键场景中，由于对尾部事件的表征不足，数据分析模型面临明显的性能瓶颈。现有的数据增强方法在捕捉尾部模式和建模长距离时间序列依赖关系方面具有双重局限性。针对这一挑战，提出了一种基于扩散模型的工业长尾时间序列生成器( DLTTS )模型。

文本AI 生成的内容可能不正确。

站在墙边AI 生成的内容可能不正确。

房间的摆设布局AI 生成的内容可能不正确。

施良玉同学汇报的主题是整合人类反馈和环境奖励的强化学习方法，他的讲解主要包含以下5个部分：选题背景及意义、现状与研究目标、研究方法及过程、研究结果与应用、论文总结。汇报介绍了融合人类反馈和环境奖励的创新方法。在一些复杂任务中，环境奖励可能非常稀疏，导致智能体难以通过传统强化学习有效训练，人类反馈能够填补环境奖励的空白，为智能体提供更连续和丰富的奖励信号，同时可以根据时间需求进行调整，帮助智能体在不同的环境和任务中保持适应性。但仅利用人类反馈训练的方法不具备广泛的适用性，且需要大量的人类反馈查询。因此提出Integrating Human Feedback and Environmental Rewards in Reinforcement Learning(HFER-RL)不单纯将人类反馈用作奖励信号，而是将其与基于数学建模的奖励信号(环境奖励)融合。

文本AI 生成的内容可能不正确。

文本, 白板AI 生成的内容可能不正确。

房间里有桌子和椅子AI 生成的内容可能不正确。

张瑞健同学汇报的主题是基于多智能体强化学习算法的电压控制研究，他的讲解主要包含以下4个部分：选题背景、国内外研究现状、研究内容及方法、案例分析。随着光伏等清洁能源在配电网络中的日益普及，有效解决了火力发电的污染问题。然而，天气条件的不可预测性给维持电压稳定带来了巨大挑战。这一问题引起人们对维持配电系统电压稳定性的关注。研究提出了一种多智能体强化学习方法Stable-MADDPG，通过在传统强化学习算法中加入谱归一化等模块构造稳定的控制器，并使用控制理论证明改控制器是稳定的，解决传统多智能体强化学习算法在应用到实践中时无法有效保证其稳定性以至于很难落地的问题，同时有效解决电压控制问题。

文本AI 生成的内容可能不正确。