报告一

题目：边缘感知的3DGS精准分割

报告人：邓德成

时间：2026年10月8日（周四），14:00-14:20

会议地点：30-222

报告摘要：

  围绕3D开放词汇分割中边界模糊与目标分割不准确的问题，通过检测和处理可见越界高斯与隐藏越界高斯来优化边界：一方面利用边界损失纠正可见边界高斯，另一方面利用多视角面积利用率识别并纠正隐藏越界高斯；同时采用鲁棒的多视角语言特征聚合策略，获得更具代表性的视觉嵌入。

报告二

题目：酶活性位点预测研究

报告人：费欣愉

时间：2026年10月8日（周四），14:20-14:40

会议地点：30-222

报告摘要：

  基于多模态融合与三分支图神经网络的Evo-EquiGPS模型进行酶活性位点预测，首先构建多模态残基图表征：基于三维结构计算Cα原子欧氏距离生成拓扑边，基于ProtTrans与Ankh双蛋白质语言模型生成门控融合序列特征，并基于多序列比对提取PSSM与mfDCA-APC进化矩阵。编码器采用三分支并行架构：几何结构流采用等变图神经网络（EGNN）输出动态更新的节点坐标与特征；拓扑上下文流基于GraphGPS架构，结合局部边增强注意力与全局拉普拉斯注意力捕获长程依赖；进化流通过解耦编码器分别提取保守性基序与共演化环境特征。融合阶段设计双向交叉注意力与特征级线性调制（FiLM）策略，实现跨模态深度交互与语义对齐。损失函数采用多目标融合策略，兼顾加权二元交叉熵的分类性能与余弦距离对比损失的特征一致性。

报告三

题目：面向异步信息融合的多视角聚类方法研究

报告人：高旭凯

时间：2026年10月8日（周四），14:40-15:00

会议地点：30-222

报告摘要：

  针对多视角数据分散存储、逐步到达的问题，提出轻量化联邦多视角聚类与熵权融合增强的持续多视角聚类方法。联邦场景下，以图结构为知识载体避免原始特征传输，客户端采用轻量化MLP增强可部署性；持续场景下，利用信息熵自适应调节历史与当前视角融合强度，抑制低质量信息累积，缓解表示偏移与聚类结构退化。

报告四

题目：面向脑影像信号的精神障碍识别与亚型划分研究

报告人：龚彬斌

时间：2026年10月8日（周四），15:00-15:20

会议地点：30-222

报告摘要： 

  本研究围绕面向脑影像信号的精神障碍识别与亚型划分研究这一核心课题，按开题报告规划的两条技术路线——宏观鉴别（基于fNIRS的监督分类）与微观分型（基于EEG的无监督聚类）。

报告五

题目：可用性感知值相关分支预测与净增益门控

报告人：韩鹏龙

时间：2026年10月8日（周四），15:20-15:40

会议地点：30-222

报告摘要：

  针对目前 SOTA 分支预测器难以覆盖的残余误预测空间，提出的AVC-BP在未修改的 TAGE-SC-L 旁叠加取指可行的值相关纠正器，聚焦数据依赖型难预测分支：以三路值签名捕捉近期生产者与已完成 load 信息，并用净收益信任门控抑制“有毒”硬覆盖，仅在相对基线确有增益时才介入。该方案以容量互补方式回收残余误预测，在 CBP2025 全量评测中稳定降低 MPKI，为高性能处理器前端预测提供有效的补强策略。

报告六

题目：交通流预测中的动态时空依赖与时间迟滞建模研究

报告人：贺志勇

时间：2026年10月8日（周四），15:40-16:00

会议地点：30-222

报告摘要：

  面向智能交通系统中的多步交通流预测任务，围绕交通状态非平稳演化、路网依赖动态变化及交通影响异步传播等关键问题，介绍时间迟滞感知、趋势—周期分解、动态空间交互与分预测步建模。

报告七

题目：基于光谱技术的水果内部品质无损检测研究

报告人：廖泉清

时间：2026年10月8日（周四），16:00-16:20

会议地点：30-222

报告摘要：

  本研究基于近红外光谱技术，围绕水果内部品质的无损检测展开。针对传统水果内部品质检测方法存在破坏样品、耗时费力、难以实现在线分级等问题，利用近红外光谱快速、无损、无需复杂前处理且可多指标同时分析的优势，以典型水果样本为研究对象，采集其近红外光谱数据，并结合智能信息处理、化学计量学与机器学习方法，对光谱数据进行预处理、特征波长筛选和建模分析。研究旨在建立水果可溶性固形物、总酸、水分、硬度、成熟度及内部缺陷等内部品质指标与光谱信息之间的定性判别和定量预测模型，并通过校正集与验证集对模型的准确性、稳定性和泛化能力进行评价。通过本研究，可探索近红外光谱技术在水果内部品质快速检测、采后品质评价和智能分级中的应用可行性，为水果无损检测与在线分选提供理论依据和技术参考。

报告八

题目：多维表征脑电信号模型研究与应用

报告人：林炳儒

时间：2026年10月8日（周四），16:20-16:40

会议地点：30-222

报告摘要：

  当前脑机接口与智慧医疗是我国卫生健康重要发展方向，获多项政策支持，脑电信号分析在精神疾病辅助诊断领域潜力显著。广泛性焦虑障碍作为高发精神疾病，现有诊断高度依赖医师专业经验，基层与医疗欠发达地区易出现漏诊误诊；传统脑电表征方法多采用单一域特征，长序列处理效率低、信息表征不全面，制约诊断精度提升。本研究提出多维表征脑电信号模型，基于SpeMamba优化长时序处理，搭建时频域双路与自适应小波特征提取架构，融合时序约束稀疏群空间模式，构建多域自适应特征融合框架，并研发广泛性焦虑障碍辅助诊断系统。该方案有效提升脑电表征丰富度与诊断效率，可为基层精神疾病早筛提供技术支撑，助力智慧医疗落地。