CS课题 | 运动模糊图像在多领域成“绊脚石”，深度学习能如何突破恢复瓶颈？

更多科研赛事干货/留学资讯/有方学员故事
记得关注+🌟星标【有方背景提升】

人工神经网络能够根据训练样本输入和输出之间的关系来建立一个黑盒模型，并通过神经网络模型里的神经元来进行信息的传递和处理，从而建立一个映射关系。在这个项目中，我们使用先进的人工智能算法，来探讨如何通过人工神经网络模型来准确预测物体的升力和阻力，从而实现实现提高升力，减少阻力的最优化设计。

 2.基于大语言模型的化学分子 

 核磁共振化学位移预测研究 

基于大语言模型的化学位移预测研究旨在利用自然语言处理（NLP）技术，将分子结构信息转化为大语言模型可处理的形式。通过构建和训练大语言模型，如Transformer或GPT，能够从大量NMR数据中学习并预测化学位移，提高预测的精度和效率。

计算机科学技术，化学

近年来，人们使用定量磁共振技术，对人脑的髓鞘进行了磁化转移、生物大分子成像，探究髓鞘的完整性和功能性，进一步解开了人脑的奥秘。但是这些成像手段的复杂度较高，后处理时间较长，还需要进一步的探索。本项目中，我们将探索较为简便且快速的成像技术或后处理手段，期望通过寻求有效的方法从而为进一步探索脑科学提供助力。

计算机科学技术，生物学

EEG是一种非侵入式的脑电活动记录技术，能够详细记录大脑皮层的电活动。当我们的大脑发出指令控制身体运动时，比如挥动手臂，或者仅仅是想象这一动作，都会产生特定的EEG信号。通过研究这些信号，我们可以了解大脑如何控制我们的身体运动，以及如何通过训练和学习来改善这一过程。

计算机科学技术，生物学

当前的边缘设备协同推理框架仍与当前的数字通信系统不兼容。为了解决这一挑战，本项目旨在开发基于数字调制的边缘设备协同推理方法。首先，介绍编码理论和调制等基本技术，其次，我们将利用Python和深度学习框架PyTorch构建基于神经网络的边缘设备协同推理模型。然后，引入神经离散表示编码方法，以与数字通信系统兼容。

计算机科学技术