「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。
文末留言你最喜欢的课题，即有机会获得神秘福利~有任何想要了解的方向，也欢迎与我们交流！
本周课题导视
CS课题
- 基于人工智能的物体升力和阻力预测
- 基于大语言模型的化学分子核磁共振化学位移预测研究
- 通过成像技术助力脑科学探索
- 基于EEG信号的脑机接口四状态识别与运动学习相关性研究
- 基于数字调制的智能边缘推断系统设计基于深度学习模型的运动模糊图像恢复
- 基于快速有限时间事件触发的智能汽车跟踪控制
1.基于人工智能的物体升力和阻力预测
人工神经网络能够根据训练样本输入和输出之间的关系来建立一个黑盒模型，并通过神经网络模型里的神经元来进行信息的传递和处理，从而建立一个映射关系。在这个项目中，我们使用先进的人工智能算法，来探讨如何通过人工神经网络模型来准确预测物体的升力和阻力，从而实现实现提高升力，减少阻力的最优化设计。
相关学科 计算机科学技术，物理学
2.基于大语言模型的化学分子核磁共振化学位移预测研究
基于大语言模型的化学位移预测研究旨在利用自然语言处理 （NLP）技术，将分子结构信息转化为大语言模型可处理的形式。通过构建和训练大语言模型，如Transformer或GPT，能够从大量NMR数据中学习并预测化学位移，提高预测的精度和效率。
相关学科 计算机科学技术，化学
3. 通过成像技术助力脑科学探索
近年来，人们使用定量磁共振技术，对人脑的髓鞘进行了磁化转移、生物大分子成像，探究髓鞘的完整性和功能性，进一步解开了人脑的奥秘。但是这些成像手段的复杂度较高，后处理时间较长，还需要进一步的探索。本项目中，我们将探索较为简便且快速的成像技术或后处理手段，期望通过寻求有效的方法从而为进一步探索脑科学提供助力。
相关学科 计算机科学技术，生物学
4. 基于EEG信号的脑机接口四状态识别与运动学习相关性研究
EEG是一种非侵入式的脑电活动记录技术，能够详细记录大脑皮层的电活动。当我们的大脑发出指令控制身体运动时，比如挥动手臂，或者仅仅是想象这一动作，都会产生特定的EEG信号。通过研究这些信号，我们可以了解大脑如何控制我们的身体运动，以及如何通过训练和学习来改善这一过程。
相关学科 计算机科学技术，生物学
5.基于数字调制的智能边缘推断系统设计
当前的边缘设备协同推理框架仍与当前的数字通信系统不兼容。为了解决这一挑战，本项目旨在开发基于数字调制的边缘设备协同推理方法。首先，介绍编码理论和调制等基本技术，其次，我们将利用Python和深度学习框架PyTorch构建基于神经网络的边缘设备协同推理模型。然后，引入神经离散表示编码方法，以与数字通信系统兼容。
相关学科 计算机科学技术
6.基于深度学习模型的运动模糊图像恢复
运动图像模糊是相机在拍摄时由于目标物体与相机发生相对运动而导致的图像退化现象。本项目旨在使用深度学习方法探讨运动图像模糊恢复的新方法，包括设计不同的网络结构以达到更好的恢复效果、处理目标物体运动速度发生改变等更加复杂的情形等等。
相关学科 计算机科学技术
7.基于快速有限时间事件触发的智能汽车跟踪控制
本课题致力于智能汽车的跟踪控制，优化现有的控制方案。在智能汽车行驶的过程中经常受到外界的干扰或者是执行器由于部件老化发生故障以及迟滞等等的问题，同时期待高的控制性能和低的资源消耗等，为此提出一种基于快速有限时间的事件触发控制方案。
相关学科 计算机科学技术，数学
添加小师姐，了解更多课题
关于我们
有方教育自2016年成立起，一直积极响应教育政策方针，本着"不鸡娃，不贩卖焦虑"的初心，始终专注于青少年定制化科研培养。有方与国内外名校及顶尖研究机构的科研一线人员携手，通过PBL探索式项目，汇聚了世界级的顶尖科研资源，旨在通过PBL探索式项目，发现每一个孩子的闪光点。在科研专家的亲自指导下，有方学子们得以深入浅出的探索科研奥秘，自身激发对科学研究的热情，助力斩获哈佛/MIT/斯坦福/牛剑等名校offer。有方教育，努力让科研更加贴近青少年，让科研触手可及。
有方科研教育所有项目不属于义务教育阶段，不与任何体制内的大学、中学招生加分活动挂钩，其成果不会作为评优的依据，仅定位为科研兴趣培养活动。未经有方科研教育许可，不得擅自转载、搬运有方科研教育的文章。对于无视劝告者，有方科研教育将保留追究法律责任的权力！