学术报告会海报 第1篇
2020级硕士吴佩树同学在汇报中，与大家分享交流了其近期在《IEEE Transactions on Instrumentation and Measurement》期刊上发表的一篇文章，主题为“面向小型目标检测的多尺度特征融合方法及其在缺陷检测中的应用”。他主要从背景介绍、方法设计、基本验证、实际应用和工作小结这几个方面展开系统化讲解。该项工作针对小目标检测难题，结合使用上下文信息、特征融合、生成增强特征的方式，提出了一种新颖的多尺度特征融合网络ABFPN；此外，将ABFPN连同多种策略应用至PCB表面微小缺陷检测中，通过在三个公共数据集以及缺陷检测实验，表明了所提出方法的有效性和优越性。
学术报告会海报 第2篇
现阶段文本摘要模型缺少对关键词信息关注的问题，针对上述问题，2019级硕士林舟同学提出了关键词语义信息增强的指针生成网络KSIE-PGN。首先，利用关键词抽取模块KsBert进行关键词抽取，再使用两种方法融合关键词语义信息。第一种为基于关键词掩码的覆盖机制，在使用覆盖机制时，对于关键词的重复关注不做惩罚，保留解码过程对关键词的持续关注。另一种为融合关键词语义向量的策略，结合关键词语义向量初始化解码器隐状态向量，并在每一时刻解码时融合关键词上下文语义向量，从而缓解解码器丢失输入文本关键信息这一现象。该方法在CNN/Daily Mail和Newsroom数据集上进行了实验，实验结果表明KSIE-PGN模型能够很好地捕捉输入文本中的关键信息。
学术报告会海报 第3篇
2020级硕士康玥同学针对RNA-seq数据的dropout现象,提出一种基于非负矩阵分解的算法对缺失的RNA-seq数据进行插补,算法包括对矩阵的四个不同约束,使用交叉验证调参的方法,并用梯度下降法进行迭代求解。与多种目前流行的插补方法比较，在用splatter生成的三组不同规模模拟数据，每种规模的一组数据都有20%、30%、40%、50%四种不同dropout率上测试的插补效果对下游分析的效果较佳。
学术报告会海报 第4篇
2021级博士章文浩同学主要针对单细胞染色质开放性测序(scATAC-seq)中，出现一个测序滴珠包裹两个或以上细胞核(doublet)的现象，利用基于迭代的无监督学习模型，检测测序数据中的doublets。在迭代模型中，每轮迭代根据聚类结果模拟高置信度的doublet表达，基于细胞间的Jaccard距离进行PCoA分析，以此构建带权重的KNN图并计算每个细胞的置信分数。本研究提出的方法在benchmark数据集上获得了相对其他方法更优的doublet检出率与准确率。
（图文：洪端钦，2020级研究生）
【延伸阅读】本期学术海报