本课题涉及到 深度学习 | 信号处理，信息工程、计算机科学、软件工程 等方面的知识，适合申请 电子信息工程 | 自动化 | 电子电路 等相关专业的学生
有意提高自身知识水平及学术能力的学生
有意掌握最前沿科研热点及科研方法的学生
有留学意向、跨专业深造的学生
近年来，随着人工智能的发展，深度学习技术已经广泛应用于各行各业中，如语言识别、文本分类、智能推荐等。然而，对于信息行业的学生而言，深度学习应用得还不是很多，学校开设的课程仍然是围绕着传统的信号处理方法。本项目旨在通过理论与实践相结合的方式，以具体问题为入手点，帮助学员了解深度学习应用于一系列信号处理相关问题的前沿研究，同时引导学员自己动手实践编程，进而完成从入门、理解、熟知，到设计、实现等一系列的工作流程。随着深度学习的发展，其在各个领域尤其是数据处理方面表现出了强大的能力。在本项目中，我们将从深度学习的方法原理出发，针对信息工程中的热点问题进行研究。其中包括针对勘探数据中存在的复杂噪声，进行噪声消减及弱信号恢复处理；通过深度学习对医学图像显微细胞或杂质等进行分类识别与聚类问题。本项目将针对信号处理实际问题，结合深度学习自动学习优势，对上述问题进行仿真研究及模型优化。课题研究方法
需要一定的算法分析能力，Python和MATLAB编程能力
掌握查阅文献和研究方法
· 掌握查阅文献和面向文献学习的方法；
· 掌握文献管理的方法；
· 通过查阅文献，学习该方向的研究热点和方向；
· 掌握快速提炼文献重要信息的方法。
任务二
掌握信号处理基本模型和算法
· 通过查阅文献，熟悉基本的信号模型，了解要实现系统的输入输出情况等。掌握要实现算法，并且了解算法实现细节；
· 通过这一阶段，培养学生数学模型基本能力，并且熟悉算法等。
任务三
学习编程实验环境
· 学习编程实验环境，进行Python和MATLAB的学习和编程。
任务四
基于深度学习技术和信号处理应用，实现算法设
· 基于深度学习框架，对设计算法进行仿真，验证算法的有效性；
· 通过本任务建立起对Python等编程语言的使用技能，了解技术原理和深度学习框架。
任务五
基于仿真结果，进行实验验证
· 利用公开的数据集，亲自搭建应用模型；
· 基于识别和分类算法，完成医学图像识别、分类与预测等功能；
· 通过本任务建立实际的深度学习算法开发能力，通过实验验证算法的有效性。
任务六
项目收尾
· 撰写科研/整体报告；
· 准备一次20~30分钟的presentation。
（以上任务仅供参考，实际辅导根据定制化要求展开）
