会议时间：2022年10月05日（周三）14:00—15:40

参会人员：信息科学与工程学院科研团队全体教师，欢迎广大师生参加。

会议地点: 腾讯会议（218-841-590）

报告1：基于认知计算模型的教学行为模拟和仿真

报告人：姜振凤

报告时间：14:00-14:20

内容简介：“人类学习”是许多科学领域研究中一个重要的话题，例如神经科学、认知科学、心理学和教育学等领域都在研究人类如何获得知识、发展技能和专长。在认知科学中，基于认知架构的计算模型一直是解决人类认知和学习问题的一个重要方法。认知计算模型也因为可以解释、拟合和预测认知过程中的行为，被运用于决策评估和医疗诊断等多个领域。目前，认知计算模型在教育实践领域中的运用还处于初级阶段，对于认知计算模型的构建和应用研究将有助于产生新的学习理论和学习干预范式，并在完善自适应学习环境、提供有依据的学习干预策等方面发挥重要作用。本次报告分享了一篇“基于统一学习模型（ULM）的多Agent计算模型”的论文，讨论了如何利用计算模型模拟对认知学习和教学进行模拟和仿真。

报告2：多种比例在VI设计中的应用

报告人：胡静

报告时间：14:20-14:40

内容简介：设计之美和数学也是存在一定联系的。比如黄金比例、白银比例、斐契那波数列的应用，再加上对称、旋转、重复，合理的使用这些数据规律，可以高效率的做好VI设计，特别是开始做排版或Logo时，能让感性设计作品兼具理性的数学之美。

本文从生活中的求最优化问题的方法——优选法，及摄影中的三分法则，引申出黄金分割点，再通过研究黄金比例、黄金螺旋和斐契那波数列的关系，总结出设计三分割法，将几何学知识运用到VI设计中去。其实斐契那波数列是一个自然科学命题，本是一个数学成果。自然界中充满了具有斐波那契数列关系的植物生命，这些生命体本身就具备了美感的要素。这个优美的数列被运用到L000设计中，通过相关案例设计、研究与思考，力求探求斐波那契数列在LOGO设计的体现与运用，寻找视觉美将有效提高标志图形的艺术性、科学性、严谨性,且更易得到社会的认可,更高效地履行符号传播信息的职能。

其实除了黄⾦分割⽐例，本文还涉及了等分⽐例、模数⽐例、⼈体⽐例等在VI设计中的尝试运用思路，尝试从几何学的视觉原理来解析多种比例构成及其相互关系,阐述数学的美学原理与VI设计的内在联系。并通过具体的演算和推理,作了大量应用工作,探索出如何在设计中有效利用比例的美学属性,旨在期盼提升科学对设计的拓展。

报告3：基于分数阶导数的图像边缘提取算法

报告人：张猛

报告时间：14:40-15:00

内容简介：针对传统边缘检测算法对于图像边缘提取存在边缘缺失、不连续等问题，为提高边缘的完整性与连续性，提出一种基于分数阶微分的边缘检测算法。由G-L 定义构造分数阶微分掩模算子，使用不同阶次的算子对高、低频图像分别进行边缘提取，然后将两部分边缘进行融合，最终得到连续完整的图像边缘。该算法不仅提高了边缘信息的完整性，还保留了更多的纹理细节及获得了较好的抗噪性能。

报告4：图神经网络与生物信息数据挖掘

报告人：李政伟

报告时间：15:00-15:20

内容简介：图神经网络是近年来出现的一种利用深度学习直接对图结构数据进行学习的框架, 其优异的性能引起了学者高度的关注和深入的探索。随着新一代测序以及其他数据采集技术的发展，各种生物大数据的出现正在迅速的改变着生物学和临床医学的研究方法和手段。本次报告主要介绍生物信息数据挖掘领域的研究现状，以及图神经网络在该领域的应用研究。

报告5：联邦学习数据异构的危害与解决

报告人：刘天

报告时间：15:20-15:40

内容简介：由于联邦学习能够有效打破单机机器学习的数据壁障，其而逐渐成为一种新兴的分布式机器学习范式。但是，真实物联网环境中各设备所采集数据的异构性会导致联邦学习模型训练过程中“权重发散”的现象，这可能会导致严重的安全隐患。因此，如何在不引入大量的通信开销且保证数据隐私安全的情况下，提升面向数据异构的联邦学习算法性能是现阶段联邦学习在物联网场景应用所亟待解决的关键问题。

科技处

信息科学与工程学院

2022年9月30日