計算機深度學習科研課題推薦

本周課題導(dǎo)視

深度學習方向課題
基于深度學習的圖像理解和生成
基于深度學習的海嘯疏散應(yīng)急交通控制方法
使用GNN進行化合物-蛋白質(zhì)相互作用預(yù)測
基于強化學習的移動機器人路徑規(guī)劃
基于機器學習時序建模方法的假新聞識別
基于深度學習的阿爾茨海默病有毒化合物識別

1.基于深度學習的圖像理解和生成

圖像理解中對視覺信息和知識信息的研究過程就是進行信息表示、處理和分析的過程,具體表現(xiàn)為“表示與存儲今認知與學習今推理與理解”的圖像理解分析過程。

深度學習是一個復(fù)雜的機器學習算法，在語音和圖像識別方面取得的效果，遠遠超過先前相關(guān)技術(shù)，使機器模仿視聽和思考等人類的活動，解決了很多復(fù)雜的模式識別難題，使得人工智能相關(guān)技術(shù)取得了很大進步。

相關(guān)學科??
計算機科學技術(shù)

2. 基于深度學習的海嘯疏散應(yīng)急交通控制方法?

我們以美國阿拉米達市的沿海社區(qū)和阿留申-阿拉斯加地震造成的遠距離海嘯威脅作為案例研究，探索使用基于代理的交通模擬來支持短期通知，海嘯疏散計劃。

擬議的模擬方法可以作為未來努力表征世界其他沿海社區(qū)的遠距離海嘯疏散的分析基礎(chǔ)。

相關(guān)學科??
計算機科學技術(shù)

3.使用GNN進行化合物-蛋白質(zhì)?
相互作用預(yù)測

最近，使用深度神經(jīng)網(wǎng)絡(luò)對離散符號數(shù)據(jù)進行端到端表示學習在各種困難問題上表現(xiàn)出優(yōu)異的性能。對于 CPI 問題，數(shù)據(jù)以離散符號數(shù)據(jù)的形式來表示，即化合物表示為圖，其中頂點是原子，邊是化學鍵。

在這項研究中，我們研究了化合物和蛋白質(zhì)的端到端表示的學習，并通過將化合物的圖神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合來開發(fā)一種新的 CPI 預(yù)測方法。

相關(guān)學科??
計算機科學技術(shù)

如果你想了解高含金量的科研賽事
或者想根據(jù)自己的興趣匹配一個相應(yīng)的研究課題
那就快來掃碼咨詢吧！

4. 基于強化學習的移動機器人路徑規(guī)劃?

本項目旨在提出一種基于Q-learning的路徑規(guī)劃算法，該算法相比傳統(tǒng)算法更加智能且高效，我們將在Matlab 或者機器人ros平臺對算法進行仿真驗證。該算法可應(yīng)用于機器人物流配送、巡檢、自主導(dǎo)航等多種實際應(yīng)用。該課題適合對機器人算法研究感興趣的同學。

相關(guān)學科??
計算機科學技術(shù)，電子與通信技術(shù)

5.基于機器學習?
時序建模方法的假新聞識別

假新聞檢測任務(wù)對邏輯的判斷，以及常識的學習都需要很高的要求，我們將結(jié)合自然語言處理模型，提出并實現(xiàn)一種基于統(tǒng)計機器學習的時序序列建模方法。這種方法可以幫助我們高效并自動判別虛假新聞信息。

我們將對比目前的BERT、ERNIE和GPT等的結(jié)果，從而表明我們提出方法的可靠性在處理此類問題中更具優(yōu)勢。

相關(guān)學科??
計算機科學技術(shù)，應(yīng)用數(shù)學

6. 基于深度學習的阿爾茨海默病?
有毒化合物識別

在這個項目中，我們將使用深度學習來確定是否有任何天然化合物具有抑制與 AD 應(yīng)對途徑相關(guān)的蛋白質(zhì)的潛力。我們之后會用AD腦細胞來驗證這些化合物的毒性。這些結(jié)果會幫助鑒定導(dǎo)致患 AD 風險增加的化合物，和發(fā)現(xiàn)一些可以導(dǎo)致老年癡呆的分子。

相關(guān)學科??
計算機科學技術(shù)，生物學