研究方向

基于机器学习模型预测实验室地震 本课题将利用地震信号来预测实验室地震发生的时间。这些实验数据来自一个著名的用于研究地震物理学的实验装置。利用输入信号（acoustic_data）来预测下一次实验室地震前的剩余时间（time_to_failure）。
训练用数据是单个、连续的实验数据片段。而测试数据由一个包含许多小片段的文件夹组成。每个测试用文件内的数据是连续的，但这不代表所有测试文件都是来自于单个实验的连续数据；因此，不能假定所有测试文件都像训练数据一样遵循相同的规律和模式。
在本实验中，测试文件夹中的每个seg_id，都应该得出一个对应的time_to_failure，即片段的最后一行与下一次实验室地震之间的时间。

 

相关学科

计算机科学技术、环境科学技术及资源管理技术

 

科研导师

H. Z

• 纽约大学数据科学与生物统计博士，硕士毕于康奈尔大学与约翰霍普金斯大学；
• 曾任职AIG与康奈尔医学院担任数据分析师；
• 研究领域为机器学习在生物领域的应用与生物信息学。

科研成果

成果一：在英文期刊中发表学术论文

有方学者项目能够为学员在正规的英文学术期刊中发表论文。正规的学术期刊均要求由独立审稿人决定论文的录用与否。因此，论文的成功发表标志着这篇文章已达到学界公认的学术标准。有方学者最优秀的学生，不但可以冲击EI、SCI等高级别期刊，而且有机会参与全球顶级的学术会议。

成果二：第一作者身份

有方学者项目坚持帮助学生以第一作者身份发表论文。在申请过程中，招生官最看重的是学生在科研项目中的参与程度，而第一作者顺位恰恰是这一点的最佳证明。近年来，有大量的中国学生在教授署名的论文中挂名，这使得第一作者身份的含金量更为突出。

成果三：独一无二的课题

有方学者项目的导师会为每个学生提供独一无二的课题，连接最前沿的科研方法和学生感兴趣的学术方向，每个学生的研究内容具有差异性。

成果四：顶尖院校导师的推荐信

有方学者项目将为学生提供项目导师撰写的推荐信。导师作为推荐人，来自于美国顶尖学府的科研团队，影响着推荐信的可信度；而导师所提供的丰富的细节和生动的描述能更好展现学生的过人之处，从而大大提高了推荐信的价值。

成果五：高效备战具有高影响力、高含金量的科研竞赛

学生可以直接使用有方学者项目的成果论文冲击多项全球顶级的科研赛事，其中包括：被誉为“中国青年的诺贝尔奖”的丘成桐科学奖、ISEF 国际科学与工程奖、全国青少年科技创新大赛等。

 

 

了解更多详情

请扫描二维码

关注「有方背景提升」