推荐&评选
课题精选
「有方科研课题」将为您推荐重要或有趣的课题，我们整合全球顶尖高校科研导师/教授，给你零距离与导师接触的机会。
本周课题导视
1.基于深度学习的图像理解和生成
图像理解中对视觉信息和知识信息的研究过程就是进行信息表示、处理和分析的过程,具体表现为“表示与存储今认知与学习今推理与理解”的图像理解分析过程。
深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术，使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。
相关学科
计算机科学技术
2. 基于深度学习的海啸疏散应急交通控制方法
我们以美国阿拉米达市的沿海社区和阿留申-阿拉斯加地震造成的远距离海啸威胁作为案例研究，探索使用基于代理的交通模拟来支持短期通知，海啸疏散计划。
拟议的模拟方法可以作为未来努力表征世界其他沿海社区的远距离海啸疏散的分析基础。
相关学科
计算机科学技术
3.使用GNN进行化合物-蛋白质
相互作用预测
最近，使用深度神经网络对离散符号数据进行端到端表示学习在各种困难问题上表现出优异的性能。对于 CPI 问题，数据以离散符号数据的形式来表示，即化合物表示为图，其中顶点是原子，边是化学键。
在这项研究中，我们研究了化合物和蛋白质的端到端表示的学习，并通过将化合物的图神经网络和卷积神经网络相结合来开发一种新的 CPI 预测方法。
相关学科
计算机科学技术
4. 基于强化学习的移动机器人路径规划
本项目旨在提出一种基于Q-learning的路径规划算法，该算法相比传统算法更加智能且高效，我们将在Matlab 或者机器人ros平台对算法进行仿真验证。该算法可应用于机器人物流配送、巡检、自主导航等多种实际应用。该课题适合对机器人算法研究感兴趣的同学。
相关学科
计算机科学技术，电子与通信技术
5.基于机器学习
时序建模方法的假新闻识别
假新闻检测任务对逻辑的判断，以及常识的学习都需要很高的要求，我们将结合自然语言处理模型，提出并实现一种基于统计机器学习的时序序列建模方法。这种方法可以帮助我们高效并自动判别虚假新闻信息。
我们将对比目前的BERT、ERNIE和GPT等的结果，从而表明我们提出方法的可靠性在处理此类问题中更具优势。
相关学科
计算机科学技术，应用数学
6. 基于深度学习的阿尔茨海默病
有毒化合物识别
在这个项目中，我们将使用深度学习来确定是否有任何天然化合物具有抑制与 AD 应对途径相关的蛋白质的潜力。我们之后会用AD脑细胞来验证这些化合物的毒性。这些结果会帮助鉴定导致患 AD 风险增加的化合物，和发现一些可以导致老年痴呆的分子。
相关学科
计算机科学技术，生物学
