新闻

卡片列表

上海科技大学张海鹏课题组提出了一种新的交通运输需求时空建模方法

对交通运输需求的准确预测有助于提高城市的交通运输效率，降低能源浪费，是一项重要的基础工作。然而该任务的难点在于区域之间复杂的时空关系，具体表现为：1）区域之间存在由多种关系构成的复合关系；2）空间关系具有异质性；3）时间关系和空间关系的同时性。图1 STHAN框架图针对以上难点，上海科技大学信息学院张海鹏课题组提出了一个基于时空异构图的运输需求预测模型 (Spatio-Temporal Heterogeneous graph Attention Network, STHAN)。研究团队采用具有多种边类型与元路径的时空异构图来刻画区域之间的多种空间关系和复合关系，设计了一种包括节点层次和元路径层次的层次注意力机制以捕捉空间关系的异质性，并在时空异构图中加入时间类型的边，以期连接过去和现在的区域节点，帮助描摹时间关系和空间关系的同时性。实验证明，研究团队提出的模型在4个真实场景的数据集上均超越了当前最优方法。相关成果以题为STHAN: Transportation Demand Forecasting with Compound Spatio-Temporal Relationships发

2023-04-14

新闻
上海科技大学：十年一剑，勇创“一流”

这是一所“年轻”又特殊的小规模大学。2013年9月30日，上海科技大学正式建立，成为由上海市人民政府与中国科学院共同举办、共同建设，上海市人民政府主管的全日制普通高等学校。“小而精”、体制活、与国家战略和区域发展深度融合成为了这所创新型、研究型大学的鲜明标识。这是一所“实力”与“活力”兼具的一流大学。2022年备受关注的全国第二轮“双一流”建设高校名单公布，上科大成为新增的7所高校之一，也是上海唯一新增的一所“双一流”高校，“材料科学与工程”学科列入一流学科建设名单。此时，距离上科大成立，还不足十年！上科大一举成为“最年轻的“双一流”高校”！“立志、成才、报国、裕民”是上科大始终倡导并践行的育人理念。始终以服务国家战略需求为己任，也使学校学科建设步入快车道。十年中，上科大探索走出了一条科教融合的高质量发展之路，学科发展、创新策源、人才培养等方面成果显著。《上海教育》杂志2023年4月1日刊特别推出《上海科技大学：十年一剑，勇创“一流”》专题报道，探寻这所不一般的大学十年铸一剑背后的一流创新之路，并独家专访了上海科技大学常务副校长兼教务长印杰。全新电子刊让你先睹为快！扫码了解专题详细内容

2023-04-12

新闻
喜讯！上科大获批建设“智能感知与人机协同”教育部重点实验室

近日，教育部公布了“十四五”第一批教育部重点实验室建设立项名单。上海科技大学“智能感知与人机协同”教育部重点实验室成功获批立项建设。“智能感知与人机协同”重点实验室依托上科大信息科学与技术学院，结合智能感知、大语言模型、机器人技术、多智能体等前沿方法，旨在探索下一代人类智能与机器智能的协同发展和相互增强，建立人类智能与机器智能交互协作的新型理论基础和实验平台。实验室以计算机视觉、智能机器人与人工智能理论为研究重点，在多智能体系统中将视觉感知、多模态数据分析与知识推理相结合，开展虚拟和增强现实、仿生智能和人机交互等跨领域、开创性研究。实验室目前已取得一系列阶段性成果：搭建了国内第一个光场大数据智能视觉计算平台，突破人机交互场景重建和感知的数据壁垒；开发了智能视觉系统以及三维传感系统，实现对三维物理世界进行高精度的静态复刻；构建大规模多模态感知信息采集系统，构建以人为主的大场景三维感知；研发了面向神经辐射场渲染的专用处理器芯片，完善交互系统落地应用所必需的硬件生态。实验室自主研发搭建系列光场采集设备，突破人机交互场景重建和感知的数据壁垒自主研发的多视角高精度人物动捕系统自主研发的大规模多模

2023-04-06

新闻
上科大学生团队喜获第三届阳光电源高校创新大赛亚军

燃青春创未来阳光电源高校创新大赛3月24日，第三届阳光电源高校创新大赛决赛落下帷幕。经过现场测试与答辩评选，上海科技大学SIST-Pearl代表队荣获亚军。该团队由上科大信息学院智慧电气科学中心束冬冬（2020级博士生）、潘其山（2022级硕士生）、周明德（2021级博士生）、梁家伟（2022级博士生）组成，指导老师为信息学院副教授王浩宇。阳光电源高校创新大赛是由阳光电源股份有限公司主办的国内知名电力电子设计竞赛，聚焦工业界电力电子领域难题。第三届阳光电源高校创新大赛围绕“宽范围输入高效高功率密度供电电源”这一赛题，旨在为1500V光伏发电系统提供更高功率密度、更高效率、更高可靠性的辅助供电方案。辅助电源模块是连接光伏板与低压负载的重要部件。由于光伏能源的不稳定性，1500V光伏系统的工作电压在250V-1700V的超宽范围内波动；同时，光伏电站中的传感器、控制器和驱动电路等低压负载工作电压通常为24V，需要辅助电源模块进行供电。这为高效、高功率密度的辅助电源模块设计带来了巨大挑战。图|赛题解读为了满足宽输入电压范围和高降压比的需求，团队采用了单级式、原边串联副边并联的反激拓扑结构，

2023-03-29

新闻
信息学院蔡夕然课题组提出超声和光声断层成像目标分割新方法

在超声和光声断层成像的图像重建过程中，只有目标物体内部才是感兴趣的区域。由于缺少先验的边界信息，通常需要对整个视场进行图像重建，造成计算资源的浪费。获得成像目标的边界信息除能节省计算资源外，还能补偿由于声速不匹配带来的相位畸变，提高图像分辨率和对比度。目前，物体边界提取方法主要是在重建后的图像上进行图像分割，结果容易受到图像本身重建质量的影响。例如，重建图像中存在的噪声、伪影和低对比度会降低分割的质量。针对上述问题，上海科技大学信息科学与技术学院蔡夕然课题组提出了一种信号域的目标边界分割方法，从超声信号中直接提取目标边界位置信息进行分割。该方法无需图像重建即可直接从原始超声信号中恢复成像目标的边界信息，在人手指和小鼠躯干超声/光声实验中展现了很好的鲁棒性（图2）。该方法克服了传统分割方法的结果依赖图像重建质量的问题，也可以和后续的超声/光声断层成像的图像重建无缝衔接，提高重建质量。此项工作由上海科技大学独立完成，研究成果以“A Signal Domain Object Segmentation Method for Ultrasound and Photoacoustic Comput

2023-03-26

新闻
信息学院林丰涵课题组提出超构表面多模态快速分析与综合方法

第六代移动通信需要突破单口面天线性能的极限以实现通信速率的显著提升。多模多入多出天线阵列技术在上一代多入多出天线技术的基础上新增了多模态这一全新的自由度，是实现单口面性能突破的关键使能技术。但是，由于模式空间解的丰富性，即便在最先进的单节点双路处理器上对多模谐振器进行一次精准的模式谱分析也可能需要上百小时。因此，受限于大规模、高精度的模式分析对庞大高效并行算力的现实要求，该技术一直未得到学术界和工业界的重视，成为阻碍高性能多模天线技术和下一代移动通信技术快速发展的关键瓶颈之一。针对以上问题，上海科技大学信息科学与技术学院林丰涵课题组提出并实验验证了一种基于表面阻抗等效的快速模式分析、调控与综合方法，通过物理等效实现了多模分析与计算效率的极大提升。该工作提出的等效表面模式分析方法是电磁超构表面的特征模理论从单元向阵列的重要拓展，通过降低对复杂超构表面阵列进行模式分析、综合和调控的时间与成本，为进一步分析阵列互耦的模式机理、构建先进多模多入多出天线阵列技术提供了高效的建模、分析和设计工具，为进一步突破单口面天线性能极限、实现通信速率的进一步显著提升提供了新的技术思路与储备。上述研究成果以“

2023-03-24

新闻
信息学院石野课题组在神经网络优化层微分上取得重要进展

深度学习技术的不断进步，使得神经网络在各种机器学习任务中被广泛采用，取得了极大的成功。然而，神经网络模型通常包含大量的参数，容易受到对抗攻击或过拟合等的影响。数学上的优化问题是指在一定约束条件下求解一个目标函数的最大值（或最小值），现实世界中的物理信息和人类知识适合被建模为包含目标函数和约束条件的优化问题。因此，将优化问题纳入神经网络有利于深刻理解神经网络的输出和内部运行机制，能够调整神经网络的归纳偏差，增强神经网络的鲁棒性和可解释性。近日，信息学院视觉与数据智能中心（VDI）石野课题组针对神经网络优化层，提出将优化问题解耦后进行交替微分，大幅提升优化层梯度计算效率，相关研究成果以“Alternating Differentiation for Optimization Layers”为题，被人工智能知名国际会议ICLR 2023接收录用。基于此，石野课题组研发并开源了神经网络底层训练求解器Alt-Diff，这是继卡耐基梅隆大学OptNet和斯坦福大学CvxpyLayer之后的第三款神经网络优化层微分求解器，Alt-Diff在大规模问题中具有显著的计算效率优势。图1 面向神经网络优化层

2023-03-17

新闻
信息学院汪婧雅课题组研究成果论文被AAAI会议录用

近日，上海科技大学信息学院汪婧雅课题组的研究成果“Lifelong Person Re-Identification via Knowledge Refreshing and Consolidation”被AAAI年会（AAAI Conference on Artificial Intelligence,AAAI 2023）接收录用，并入选大会口头报告。AAAI年会是中国计算机学会推荐的CCF-A类人工智能领域知名学术会议。行人再识别终身学习是面向现实场景的一种学习范式，期望能够不断处理在不同时间段、不同地点采集到的连续且非平稳分布的行人再识别信息流。在这种学习范式下，模型在每个训练阶段只能见到当前任务的训练数据。与传统的终身学习相比，在终身学习场景下开展的开集细粒度图像检索问题，其挑战在于如何有效保存旧知识并逐步增加新的识别能力。目前的多数方法都在解决模型的灾难性遗忘问题，缺乏对旧知识的优化和整合。图：(a)行人再识别终身学习流程示意图；（b）不同终身学习方法效果对比研究团队认为在终身学习的过程中不仅要减少行人再识别模型在旧任务上的遗忘，还要提升模型在旧任务和新任务的表现。为实现这

2023-03-16

新闻

每页 8 记录总共 920 记录
第一页 <<上一页下一页>> 尾页
页码 41/115 跳转到

每页 8 记录总共 920 记录
第一页 <<上一页下一页>> 尾页
页码 41/115 跳转到