（图文|刘心月 编辑|信息 审核|李伟夫、沈婧芳）10月29日，2023年数学与应用统计建设研究生论坛在第一综合楼B316会议室举行。华中科技大学尤新革教授、彭勤牧副教授、邵远杰博士，湖北大学邹斌教授、彭江涛教授参与了本次论坛并担任评委。太阳集团成副经理沈婧芳教授致辞，她诚挚欢迎受邀与会各位评委老师，并鼓励参会研究生在科研的道路上脚踏实地，扎实进取。公司数学与统计学系李伟夫副教授主持论坛。

   经个人申报，学院初审，共有1名博士研究生、11名硕士研究生进入数学与应用统计建设研究生论坛汇报答辩环节。候选人按照会前抽签顺序依次上台，主要围绕科研成果、学术活动等方面进行展示汇报。

   最终，经评委组根据答辩人科研、演讲等各个方面综合考虑评分，鲍泽韩、刘力源脱颖而出获评一等奖，梁婧轩、赵亮、吴昊、徐昊翔获二等奖，吴晓强、李健、韩冰获三等奖。







梁婧轩，21级数学专业硕士研究生。以独立一作身份发表AAAI（CCF-A）论文：“Stepdown SLOPE for Controlled Feature Selection”。梁婧轩在研究中突破已有排序L1惩罚估计仅关注特征错选率（FDR）控制的局限，构建了新的分别面向k-FWER和FDP控制的Stepdown SLOPE模型，并分析了正交情形下的模型统计性质。数据实验表明即使在一般情形下所构建模型依然具有良好的特征选择可控性。

李健，22级应用统计专业硕士研究生。李健同学针对IGBT（绝缘栅双极型晶体管）结温的实时监测问题，提出了一种基于物理信息的集成递归神经网络（PI-ERNN）方法。这种方法旨在高精度、低成本和快速地预测IGBT结温，以提高变频器的工作稳定性并延长其使用寿命。他完成了：“A Multi-Factor Intelligent Biologic Search Algorithm for Closed-Area Fiber Optic Network Planning”的投稿（Optical Fiber Technology在投）并发明专利：《一种网络路径规划方法和系统》（已公开）、《一种基于改进的蚁群算法的网络路径规划方法和系统》（已初审）。

鲍泽韩，22级数学专业硕士研究生。鲍泽韩同学将深度学习方法运用到农林科技领域，做了柑橘果皮颜色预测的研究。该研究构建了首个柑橘转色数据集，提出了一种将视觉感知融入深度学习的网络框架，使得该网络模型能够根据输入图像和不同的时间间隔来生成果皮颜色转变的预测图像。并以第一作者的身份发表论文：“Predicting and Visualizing Citrus Colour Transformation Using a Deep Mask-Guided Generative Network”(Plant Phenomics(SCI农林科学1区Top))。

刘影，21级数学专业硕士研究生。她在组织病理学图像端到端深度学习组织化学评分系统与基于条件随机场的中文医学文体命名实体识别等问题上做了细致且丰富的探索。并发表论文“Evaluation of string comparators for record linkage in Chinese environment”（International Journal of Wavelets, Multiresolution and Information Processing已发表）和“ML-LME: A Plant Growth Situation Analysis Model Using the Hierarchical Effect of Fractal Dimension”（Mathematics已发表）。

徐昊翔，22级应用统计专业硕士研究生。徐昊翔同学专注于高温合金构件的疲劳性能研究问题，采用机器学习方法预测高温合金构件疲劳寿命，通过裂纹源缺陷参数和循环变形数据建立高精度模型。模型选择重要特征，排除不必要的参数，提出预测剩余疲劳寿命方法，拓宽数据集，提高了模型的精度和鲁棒性。

赵亮，22级应用统计专业硕士研究生。赵亮同学将神经辐射场三维重建方法运用到园艺领域，做了植物的三维重建以及表型提取。该研究构建了多种植物的三维数据集，提出了一种植物快速三维重建与表型提取的方法流程，大大加速了植物表征的提取速度。并发表了论文：“Non-destructive fruit firmness evaluation using a soft gripper and vision-based tactile sensing”（Computers and Electronics in Agriculture(SCI农林科学一区TOP)已发表）。

刘力源，23级博士研究生。刘力源同学汇报了自己之前的研究工作以及现在的研究方向。他的第一份工作与梯度学习相关，梯度学习(GL)以估计目标函数的梯度为目的，在变量选择问题中受到了广泛的关注。为了减轻对于噪声的敏感性，他利用倾斜ERM准则提出了一种新的GL模型，并从函数逼近的角度建立了该模型的理论支持。除此之外，还对分布外泛化的梯度学习模型给出了泛化误差的上界，并在有界密度比的温和正则性条件下证明了它的理论一致性，推广了i.i.d.框架下的经典GL结果。刘力源同学以第一作者身份发表论文：“Gradient Learning under Tilted Empirical Risk Minimization”（entropy已发表）。

吴昊，22级应用统计专业硕士研究生。吴昊同学了解到传统经验育种和分子育种虽然已取得显著进展，但仍受制于技术上的限制。他的研究旨在应对这一背景下的挑战，通过探索并应用机器学习技术，特别是深度学习方法，以提高植物育种的效率和精度。

吴晓强，22级应用统计专业硕士研究生。吴晓强同学将深度学习方法运用到生命科学领域，使用深度学习预测蛋白质互作，建立蛋白质互作网络。该研究针对蛋白质多维度的结构，建立端到端的预测模型，通过标准蛋白质描述文件就可以得到蛋白质是否发生互作，这极大的降低了人力，财力成本。

韩冰，22级应用统计专业硕士研究生。韩冰同学为解决煤矿传送带实时状态检测问题，训练YOLO算法检测煤炭后使用TensorRT加速，改进稠密光流算法解决传送带中光滑运转难题，每10秒钟将状态信息发送至kafka中间件后前端生成可视化界面,检测精度高达98%。

刘雪丽，22级应用统计专业硕士研究生。刘雪丽同学使用实例分割方法识别高通量镍基高温合金微观组织中的GCP和TCP相。GCP相旋转角度多样，且分布密集，给分割任务带来了一定的困难，将旋转目标检测计算用于实例分割模型中以提高识别精度。

徐婷婷，22级应用统计专业硕士研究生。徐婷婷同学通过重建样本以获得稀疏相关矩阵，识别每个单元的最佳K值，提出一种将数据驱动的K值纳入因果推理中的K-NNM方法的研究来估计因果效应，同时还考虑了数据的邻域结构。此外，采用降维技术来提高方法的效率。并发表了论文：“A Data-Driven Approach to Finding K for K Nearest Neighbor Matching in Average Causal Effect Estimation”（Web Information Systems Engineering – WISE 2023已发表）。