推薦&評(píng)選

課題精選

「有方科研課題」將為您推薦重要或有趣的課題，我們整合全球Top高?？蒲袑?dǎo)師/教授，給你零距離與導(dǎo)師接觸的機(jī)會(huì)。

本周課題導(dǎo)視

計(jì)算機(jī)科學(xué)技術(shù)方向課題

• 使用多基因風(fēng)險(xiǎn)評(píng)分算法預(yù)測本人二型糖尿病的發(fā)生風(fēng)險(xiǎn)

• 投資效益最大化的地鐵線路規(guī)劃方法研究

• 基于學(xué)習(xí)的高精密機(jī)器人控制算法

• 基于人工神經(jīng)網(wǎng)絡(luò)的機(jī)器視覺

• 基于深度學(xué)習(xí)的時(shí)空興趣位置推薦

• 基于深度學(xué)習(xí)的空氣質(zhì)量預(yù)測模型

• BP神經(jīng)網(wǎng)絡(luò)算法原理及預(yù)測模型分析及應(yīng)用

1. 使用多基因風(fēng)險(xiǎn)評(píng)分算法預(yù)測本人二型糖尿病的發(fā)生風(fēng)險(xiǎn)

多基因風(fēng)險(xiǎn)評(píng)分算法可用于評(píng)估個(gè)體患有某種疾病的遺傳風(fēng)險(xiǎn)，是目前具有較大應(yīng)用前景的預(yù)測疾病風(fēng)險(xiǎn)的方法。由于目前PRS在其他非歐洲裔人群中的應(yīng)用有所局限，降低了其潛在臨床應(yīng)用價(jià)值。

本研究希望基于新的多基因風(fēng)險(xiǎn)評(píng)分算法更準(zhǔn)確地預(yù)測亞洲人群的二型糖尿病發(fā)生風(fēng)險(xiǎn)。同時(shí)，提取參與本項(xiàng)目學(xué)生的DNA進(jìn)行基因分型，并基于上述算法，對(duì)其本人的二型糖尿病發(fā)生風(fēng)險(xiǎn)進(jìn)行預(yù)測，以期預(yù)防相關(guān)疾病的發(fā)生。

相關(guān)學(xué)科

計(jì)算機(jī)科學(xué)技術(shù)、生物學(xué)

2. 投資效益最大化的地鐵線路規(guī)劃方法研究

為避免投資浪費(fèi)、降低地鐵建設(shè)的風(fēng)險(xiǎn)，同時(shí)保證地鐵的社會(huì)效益，本研究嘗試以地鐵的投資效益最大為目標(biāo)，對(duì)地鐵的線路規(guī)劃進(jìn)行數(shù)學(xué)建模和算法求解。

即分別實(shí)現(xiàn)單位投資下站點(diǎn)服務(wù)人口數(shù)最大、單位投資下站點(diǎn)服務(wù)出行量最大以及單位投資下站點(diǎn)服務(wù)興趣點(diǎn)數(shù)最多，同時(shí)保證地鐵線路和站點(diǎn)布局滿足站距、資金、線路總長度及幾何條件等約束。

相關(guān)學(xué)科

計(jì)算機(jī)科學(xué)技術(shù)、生物學(xué)

3. 基于學(xué)習(xí)的高精密機(jī)器人控制算法

機(jī)器人自動(dòng)化控制傳統(tǒng)上通常采取基于模型的設(shè)計(jì)和優(yōu)化，因此機(jī)器人系統(tǒng)的控制精度十分依賴準(zhǔn)確的系統(tǒng)建模。然而對(duì)于復(fù)雜機(jī)器人系統(tǒng)的精確建模是一個(gè)相當(dāng)困難的工作。

本項(xiàng)目旨在提出一種基于學(xué)習(xí)的控制算法，這能夠給予機(jī)器人系統(tǒng)自我學(xué)習(xí)的能力從而滿足日益增加的高精密控制需求。

相關(guān)學(xué)科

計(jì)算機(jī)科學(xué)技術(shù)，機(jī)械工程，電子與通信技術(shù)

4. 基于人工神經(jīng)網(wǎng)絡(luò)的機(jī)器視覺

我們將訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)識(shí)別生活中常見的物體，通過剪枝壓縮的方法，減少計(jì)算量和內(nèi)存占用，使得我們的人工神經(jīng)網(wǎng)絡(luò)可以部署在手機(jī)等小設(shè)備上。我們還將訓(xùn)練另外一種人工神經(jīng)網(wǎng)絡(luò)，使之可以生成加以亂真的真實(shí)圖像。

相關(guān)學(xué)科

計(jì)算機(jī)科學(xué)技術(shù)

5. 基于深度學(xué)習(xí)的時(shí)空興趣位置推薦

當(dāng)前最先進(jìn)的模型試圖通過分層網(wǎng)格解決空間稀疏性，并通過明確的時(shí)間間隔對(duì)時(shí)間關(guān)系進(jìn)行建模，而一些重要問題仍未解決。

我們希望提出一個(gè)模型，該模型明確地利用沿軌跡的所有簽到的相對(duì)時(shí)空信息，并使用具有最小選擇偏差的聚合信息，以提高現(xiàn)實(shí)世界的系統(tǒng)質(zhì)量和客戶體驗(yàn)。

相關(guān)學(xué)科

計(jì)算機(jī)科學(xué)技術(shù)

6. 基于深度學(xué)習(xí)的空氣質(zhì)量預(yù)測模型

為了對(duì)大氣環(huán)境進(jìn)行保護(hù)，需要對(duì)空氣污染物濃度和空氣質(zhì)量的歷史數(shù)據(jù)進(jìn)行深入的研究，尋找污染物濃度的變化規(guī)律，有效地對(duì)空氣污染進(jìn)行預(yù)測。

本項(xiàng)目旨在提出一種基于深度學(xué)習(xí)的空氣質(zhì)量預(yù)測模型，該算法準(zhǔn)確、端到端，并且需要最小的先驗(yàn)知識(shí)。

相關(guān)學(xué)科

計(jì)算機(jī)科學(xué)技術(shù)，環(huán)境科學(xué)技術(shù)及資源科學(xué)技術(shù)

7. BP神經(jīng)網(wǎng)絡(luò)的算法原理及預(yù)測模型分析及應(yīng)用

本研究主要分析BP神經(jīng)網(wǎng)絡(luò)算法的原理和應(yīng)用。我們首先概述BP神經(jīng)網(wǎng)絡(luò)的研究意義和研究背景，從深度學(xué)習(xí)的角度研究神經(jīng)網(wǎng)絡(luò)和BP算法的原理，并討論了幾種重要的改進(jìn)BP算法。

我們使用PyTorch框架將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用到MNIST手寫數(shù)字識(shí)別以及使用改進(jìn)后的LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測新冠疫情對(duì)我國經(jīng)濟(jì)的影響。

相關(guān)學(xué)科

計(jì)算機(jī)科學(xué)技術(shù)

課程詳情 WC：linstitute100