为增强我院研究生的学术氛围，增进研究生间的学术交流，提升研究生的科研水平，5月19日下午，我院成功举办线上研究生学术沙龙。本次学术沙龙主要由李晋益、陈振和姚冰冰主讲。
第一位主讲人李晋益研究方向是蒙古语语音识别，本次分享的论文题目是基于DNN-HMM的蒙古语声学模型结构实验研究，并分别从背景、方法、实验、结论和展望五个方面对论文进行了介绍。声学模型是语音识别的一部分，用于寻找特征向量和音素的对应关系，本文目的是通过实验寻找适合语音识别的声学模型的结构。传统声学模型主要是GMM-HMM和DNN-HMM，但是DNN-HMM的输入可以更好地利用上下文信息，本文主要对DNN-HMM的隐藏层进行改进，并设计了四种不同结构的声学模型，通过实验证明声学模型的良好表现。
第二位主讲人陈振研究方向是时序数据的处理，本次分享的论文题目是基于对抗生成网络多变量风电时间序列异常值处理，并分别从背景、方法和实验结果三个方面对论文进行了介绍。受各种因素的影响，采集到的风电场数据会存在一定的异常值和缺失值，本文的主要目的是从风电场数据中检测出异常数据，最终修正异常值并插补缺失值，得到完整的风电场时间序列。
第三位主讲人姚冰冰研究方向是强化学习和区块链，本次分享的论文题目是结合深度强化学习的区块链分片系统性能优化，并分别从背景、方法、实验、结论对论文进行了介绍。随着人工智能、物联网、互联网的发展，区块链技术广泛应用于金融、医疗等各种领域，目前提高区块链吞吐量较为有效的方式是应用分片技术，并重新设计区块链体系结构，方法为静态优化方法使用分片策略固定不变和动态优化方法实时提供动态分片策略。本文提出将深度强化学习Branching Dueling Q-Network(BDQ)算法与区块链分片技术结合，解决行为空间爆炸问题和神经网络难以训练问题，并提高区块链吞吐量。
本次线上学术沙龙为我院研究生营造了良好的学习氛围，也为不同研究方向的研究生提供了积极互动的交流平台，让大家有机会拓宽学术视野，为学习和科研提供了新思路和新方法。
（撰稿：数据科学与应用学院；摄影：数据科学与应用学院）
