CS课题
- 基于人工智能的物体升力和阻力预测
- 自动驾驶中的动态物体视觉检测与跟踪
- 通过成像技术助力脑科学探索
- 基于深度神经网络的声学异常检测技术
- 基于变换域技术和深度学习方法的高维图像去噪
- 基于深度学习模型的运动模糊图像恢复
- 可待因代谢的药代动力学建模与模拟:CYP2D6多态性对剂量调整的影响
- 多维时间序列预测的统一框架:探索深度学习方法
1.基于人工智能的物体升力和阻力预测
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.自动驾驶中的动态物体视觉检测与跟踪
在本课题的学习中,我们将详细介绍计算机视觉的基本知识以及其在自动驾驶感知模块中的应用。经过本课程的学习,学生将能够对自动驾驶的感知技术有一个比较全面深入的了解,并能在课程,作业和科研项目的训练中提升编程,建模,解决实际问题的能力。
相关学科
计算机科学技术,电子与通信技术
3.通过成像技术助力脑科学探索
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.基于深度神经网络的声学异常检测技术
异常声音检测(Acoustic Anomaly Detection,ASD)的任务是识别声音是否发出来自目标机器的数据是正常的还是异常的。本项目关注于如何设计并实现一个异常声学检测的算法模型,以解决实际生产应用中机械自动化异常检测的挑战。
相关学科
计算机科学技术
5. 基于变换域技术和深度学习方法的高维图像去噪
在这个项目中,我们将学习基于传统和高级神经网络的图像去噪的基本思想,讨论现有技术的缺点和可能的扩展。基于此,我们将提出一种新颖的去噪方法,该方法在有效性和效率方面都具有竞争力。
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
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.可待因代谢的药代动力学建模与模拟:CYP2D6多态性对剂量调整的影响
本项通过药代动力学建模和模拟,旨在阐明可待因及其活性代谢物在不同CYP2D6代谢亚型群体中的药代动力学特征。这些研究结果将有助于加深对CYP2D6多态性在临床上的意义,并支持为改善患者预后而开发的定制药物疗法。
相关学科
计算机科学技术,生物学
8.多维时间序列预测的统一框架:探索深度学习方法
时间序列预测在各个领域做出明智决策和预测的过程中至关重要。然而,创建一种能在不同类型的时间序列数据中表现一致的通用方法仍然具有挑战性,本计划旨在推进对时间序列预测中深度学习应用的理解,探索其适应性、准确性和效率。
相关学科
计算机科学技术