近期，南科大计算机科学与工程系助理教授余剑峤课题组在智慧交通领域取得一系列科研进展，在IEEE Internet of Things Journal，IEEE Transactions on Intelligent Transportation Systems，Transportation Research Part C: Emerging Technologies等相关领域国际顶级期刊，以及2020年IEEE国际智能交通系统会议上发表6篇论文。 （一）交通信息预测是交通运输研究中的关键问题，现有的预测方法基于深度学习以及大数据集而取得了出色的表现。然而，研究往往忽略了这些共享数据可能包含敏感的隐私信息，从而导致潜在的隐私泄露。图1 交通流预测中的隐私与安全问题针对此，余剑峤课题组发表在物联网领域顶级期刊IEEE Internet of Things Journal上的文章以“Privacy-preserving Traffic Flow Prediction: A Federated Learning Approach”为题，提出了基于联合学习的门控循环单元神经网络算法（FedGRU）来在隐私保护的约束下准确预测交通流。该算法将联邦学习与GRU结合，不会直接访问分布式组织数据，而是采用安全参数聚合机制在云中聚合分布式训练到的局部模型。此外，其采用联合平均算法（FedAVG）进行随机子采样以减少模型参数传输过程中的通信开销，同时引入一个联合公告协议（Joint-Announcement）来提高算法可扩展性。与传统的方法相比，此算法在可达到同等的预测精度的情况下，无需共享隐私数据集而降低隐私泄露的危险。图2.基于联邦学习的交通流预测架构图3. 联邦学习联合声明协议图4安全参数聚合机制该论文的第一作者为南科大访问学生刘毅，余剑峤助理教授为通讯作者，新加坡南洋理工大学教授Dusit Niyato，博士后Jiawen Kang以及南科大大三学生张舒昱为论文合作者。南科大为论文第一通讯单位。（二）实时交通速度估计是现代运输控制和管理应用程序的基础，目前工业方法主要涉及固定速度传感器和车辆全球定位系统（GPS）记录，但是其存在速度数据不完整的问题。此外，此前方法没有利用相邻道路实时交通速度之间的空间相关性，仅通过每条道路单独执行估计算法来构建，导致计算不高效。课题组在智能交通系统领域顶级期刊IEEE Transactions on Intelligent Transportation Systems上发表了题为“Real-Time Traffic Speed Estimation with Graph Convolutional Generative Autoencoder”的论文，该论文提出了一种新的深度学习模型GCGA，结合了深度学习技术的最新发展，利用少数众包车辆提供GPS记录，用于大区域的实时速度估计。该模型融合了GCN和GAN的概念和设计原理，以完成出色的图形特征提取，并采用一种实用的GCGA训练方法来微调网络参数以解决图形输入数据不完整的问题。与传统方法相比，该模型可以提取交通网络中与图有关的空间特征，一次绘制交通速度图，同时放宽了对固定速度传感器的依赖，充分利用了动态，独立和不完整的车载GPS记录。仿真结果表明，此方案可以取得目前最优的预测精度，且提出的GCGA作为一个通用的图形特征生成方法，有望应用于解决其他研究和工业问题。图5 GCGA模型示意图该论文的第一作者及通讯作者均为南科大助理教授余剑峤，Facebook AI Research及香港大学电气与电子工程系研究员Jiatao Gu为合作作者，南科大为第一单位。 （三）交通模式识别作为智能交通系统中的另一项基本任务，目前的研究主要基于可提供有关个人出行方式的详细且精确信息的GPS数据，但是其面临特征选择不足，数据维数高以及数据利用不足等问题。针对此，余剑峤课题组还在IEEE Transactions on Intelligent Transportation Systems上发表了题为“Travel Mode Identification with GPS Trajectories using Wavelet Transform and Deep Learning ”的论文，提出了一种基于离散小波变换（DWT）和深度学习技术（DNN）的最新发展的新型出行模式识别机制，采用任意长度的GPS轨迹在全局和在线出行模式识别场景中得到精确的结果。该机制是在出行模式识别中使用小波变换和递归神经网络的开创性研究之一，利用DWT获得隐藏的时频域特征并使用DNN进行出行模式推断。与先前的工作不同，该机制充分利用了GPS轨迹中的时间相关性来训练用于识别的智能系统，并且轨迹的长度不需要固定，且由于DWT和DNN的计算效率高，采用该机制可实时进行整个识别过程。实验结果表明，该机制显着优于相同数据集上现有的行驶模式识别方法，并且计算时间短。图6.提出的出行模型识别机制的数据流图7. 提出的出行模型识别器示意图南科大余剑峤助理教授为论文唯一作者。 （四）此外，目前对于出行模式识别的研究严重依赖于具有准确行驶模式信息的GPS轨迹的手动注释，存在经济上效率低下且容易出错的问题。课题组在交通工程领域顶级期刊Transportation Research Part C 上发表了论文“Semi-supervised Deep Ensemble Learning for Travel Mode Identification”，提出了一种基于代理标签的半监督深度集成学习方法，以使用最少数量的带注释数据进行出行模式识别任务。该方法利用集成四种网络的神经网络，基于已知的少量带注释数据，生成未标注数据的代理标签，并将其与原始注释数据一起用作训练目标。图8.数据处理流程基于GeoLife数据集的案例研究证实了该方法的有效性，与最先进的出行模式识别方法相比，该方法在所有相同数据集配置下取得的结果明显优于其他方法。论文唯一作者为余剑峤助理教授。 （五）除上述国际顶级期刊文章成果发表外，余剑峤课题组在2020年度IEEE国际智能交通系统会议上发表了多篇交通模式识别研究论文，开创性地提出通过半监督及无监督学习方法进行出行模式识别的学习模型。课题组发表题为“MultiMix: A Multi-Task Deep Learning Approach for Travel Mode Identification with Few GPS Data”的会议论文，提出了基于GPS数据的另一种基于多任务的半监督学习框架的交通模式识别方法。该方法使用标记、未标记和合成数据来训练一个深度自动编码器，通过同时优化三个相应的目标函数来进行训练。案例学习结果表明，与以前的方法（有监督和半监督）相比,基于数据混合的多任务学习方法表现出最佳的识别性能。图9. MultiMix的结构论文第一作者为南科大一年级硕士研究生宋晓壮，通讯作者为余剑峤助理教授，南科大与悉尼科技大学联培博士研究生Christos Markos为论文合作者。（六）课题组同时发表了题为“Unsupervised Deep Learning for GPS-Based Transportation Mode Identification”的会议论文，首次利用无监督深度学习方法对运输模式下的GPS轨迹数据进行聚类以进行交通模式识别。该方法通过利用固定大小的轨迹段作为输入数据对深度卷积自编码器网络（CAE）进行预训练，并在CAE中的嵌入层上附加一个聚类层，将聚类中心保持为可训练的权重。之后通过重训练复合聚类模型来取得模型重构和聚类损失之间的平衡。在真实数据集上的实验证实该方法在交通模式识别方面显著优于传统聚类算法和半监督技术，无需使用任何标签就可取得具有竞争力的识别精度。论文的第一作者为南科大与悉尼科技大学联培博士Christos Markos，通讯作者为余剑峤助理教授。以上几项工作获得国家自然科学基金、广东省自然科学基金、广东省类脑智能计算重点实验室等项目和机构的资助。

2020年7月18日晚，由深圳市政务服务数据管理局、南山区人民政府主办，南山区政务服务数据管理局、华为技术有限公司承办，第二届“华为云杯”2020深圳开放数据应用创新大赛（SODiC）成果分享汇暨颁奖晚会成功举行。本次大赛以“数聚粤港澳，智汇大湾区”为主题，自2020年3月27日启动以来，历时3个多月，经历了全球范围的精彩角逐，最终正式圆满落幕。 来自我校计算机科学与工程系宋轩副教授课题组的研究生冯德帆，本科生唐之遥和莫宇同学在“南方科技大学-东京大学超智慧城市联合研究中心”教授的联合指导下，参赛作品《医院门诊人力资源和诊室资源优化配置分析》获得了数据分析赛道冠军，揽获奖金10万元人民币。来自计算机科学与工程系杨双华教授课题组的研究生钱凯、周玉珏、冯泽正和刘宇焕组成的滴水不漏战队，参赛作品《数据驱动的供水管网漏损检测与溯源解决方案》获得了数据分析赛道三等奖，获得奖金2万元。 深圳开放数据应用创新大赛定位于国际一流的数据赛事和创新孵化器。本届大赛设置数据创意赛、数据分析赛、数据算法赛和南山专题赛共四个赛道，参赛选手范围扩大到全球，吸引了来自北京大学、香港大学、新加坡大学、科大讯飞等海内外名校和优秀企业6379名选手报名参赛，组成的1809支团队，总计提交1205份作品。从初赛脱颖而出的60支团队，经过线上AI训练营等层层选拔，进行了激烈的“数据大比武”，最终晋级总决赛，角逐创新大赛全国总冠军。经过激烈角逐，各赛题全部冠亚季军团队和优胜团队最终尘埃落定。图1：2020“SODiC” 颁奖典礼现场 数据时代，共建粤港澳大湾区智慧城市 深圳承载国家智慧城市建设先行示范区的使命，为认真贯彻落实《关于支持深圳建设中国特色社会主义先行示范区的意见》、《粤港澳大湾区发展规划纲要》等重要文件精神，积极贯彻国家大数据战略，持续积极推进政务数据开放共享利用，优化智慧城市数字资源的配置效率，促进数据跨界、跨域融合开发与应用，深入推进一流智慧城市建设和数字政府改革。 深圳市以“数聚粤港澳，智汇大湾区”主题大赛为契机，聚焦粤港澳大湾区一体化发展，在全球范围内征集基于开放数据的大数据创新应用解决方案，内容涉及疫情防控、环境保护、民生医疗、社会治理等领域，有力推进政府数据开放共享，提升公共数据资源价值，培育数字经济新产业、新业态和新模式，打造全球数据创新应用和智慧城市建设发展新高地。 图2：《医院门诊人力资源和诊室资源优化配置分析》团队获得冠军（一等奖） 图3： 宋轩副教授与获奖队伍代表唐之遥的合影图4： 《数据驱动的供水管网漏损检测与溯源解决方案》团队合影 AI大数据，助推智慧城市+智慧医疗新成果 获奖作品《医院门诊人力资源和诊室资源优化配置分析》简介：赛题依照智慧城市理念构建一个大数据平台，整合多种数据，如从气象局平台获取气象数据。内置训练好的AI模型，时事且智能的展示医院的运行状态和与智慧城市的联动。 基于龙华区某医院的门诊大楼布局图、医疗资源（包括医生资源、护士资源和检查检验资源），利用建模算法对固定服务对象（疾病排名靠前的就诊患者）进行资源优化配置的问题，参赛团队提出了一套结合预测、优化、模拟三维一体的优化配置框架。具体内容包括：（1）针对医务人员资源配置问题，我们从病人人数这一关键因素入手，通过预测未来一周的来院病人人数，提高医务人员每周排班的人员使用效率。（2）针对诊室资源配置问题，我们根据诊室之间的距离，来对诊室配置进行优化，从而减少病人在医院内的等待时间以及走路消耗的时间。（3）我们对医院内的病人的移动轨迹进行了模拟，一方面验证诊室配置优化的有效性，一方面为避免某一位置病人人数过多带来的疫情传播隐患等问题提供有效的参考。 参赛团队开发的智慧医疗系统具有如下的优点：第⼀，模型使⽤真实时事的数据，模拟结果更加准确。第⼆，优化效果显著，能够⽤于真实布局优化。第三，就诊数预测准确率⾼，可⽤于做排班参考。第四，模型扩展性⾼，可以扩展为智慧医疗系统。 图5：智慧医疗系统模型框架 获奖作品《数据驱动的供水管网漏损检测与溯源解决方案》简介：赛题依照智慧城市理念，整合供水管网的空间分布信息和检测数据的时间序列信息，训练供水管网漏损情况分析模型，为建立节水型城市提供支持。 基于光明区某区域的供水管网布局图、检测数据（流量、压力）和用水数据，分析整个供水管网的漏损情况的问题。参赛团队提出了一整套包含管网漏损检测、管网漏损溯源和可视化辅助决策工具的解决方案。具体内容包括：（1）根据监测站点位置信息与监测站点时序数据（流量计、压力计实时数据），设计了一款漏损检测模型，通过结合单通道检测分析结果与多通道检测分析结果，来综合判断最终的可疑漏损时间点。（2）根据真实管网布局图和真实传感数据（有漏损事件）与建模仿真管网生成的仿真传感数据（无漏损事件）对比生成的残差数据，放入基于CNN的溯源模型中，得到管网中各个节点的漏损概率，由此得到管网漏损的最大概率源头。（3）基于上述两个模型，制作了一款可视化辅助决策工具，功能包括：根据管径范围筛选管道，根据模型预测结果查验可疑漏损点以及实时检测和报警。参赛团队提出的解决方案具有如下优点：第一：采用了多模型融合的检测模型，具有较高的鲁棒性。第二：可以做到快速检测和精准溯源，具有较高的应用价值。第三：可视化工具可以辅助上层决策，做到漏损的快速响应，减少漏损带来的损失。图6: 基于地理信息可视化分析的漏损实时展示及报警工具颁奖仪式视频链接为：https://v.qq.com/x/page/x3118xn1ym2.html

近期，南科大计算机科学与工程系程然课题组在计算智能及其应用领域取得重要研究成果进展，在IEEE Transactions on Evolutionary Computation (SCI影响因子：11.169)、IEEE Transactions on Cybernetics (SCI影响因子：11.079)、IEEE Transactions on Systems, Man and Cybernetics: Systems (SCI影响因子：9.309)、Journal of Hematology & Oncology (SCI影响因子：11.059) 等知名期刊发表并成功被录用共6篇论文，所提出的算法成功应用于电容式电压互感器（CVT）误差评估、肢端肥大症分级诊疗等领域。 （1）电容式电压互感器（CVT）给电能表提供电压信号，其测量误差直接影响电能计量的准确性。CVT在110kV及以上变电站中得到了广泛应用，然而CVT长期运行后易出现误差异常。为了跟踪CVT的计量误差状态变化，一般采用基于标准器比对的定期停电检定法，但由于变电站停电困难等原因，CVT往往无法按期检定，导致长期运行准确性难以得到保证。以IEEE Fellow A.G.Phadk为代表研究了CVT预检定在线评估方法，首先对站内部分CVT进行停电检定，再通过对变电站的精确建模求取其他CVT的计量误差。其缺陷在于未能完全脱离停电检定，且由于停电评估的时效性有限，无法实现CVT计量误差状态的长期动态跟踪。因此，在完全无需标准器的条件下，实现CVT计量误差状态在线评估，是计量领域的国际性难题。程然课题组通过与华中科技大学李红斌教授团队合作，通过测量学科与信息学科的交叉与融合，首次将计算智能优化的思想用于解决物理设备测量误差状态评估问题，提出了信息物理融合的CVT群体计量误差评估模型，以群体模型实现了对CVT个体的误差评估，可实现CVT个体计量误差状态的在线评估。相关工作成果已发表在计算智能顶级期刊IEEE Transactions on Evolutionary Computation。南科大何成研究助理教授是第一作者，程然助理教授是通讯作者，华中科技大学李红斌教授团队是合作作者。此外，项目研制的装置及平台，已应用于山西、山东、浙江、湖南、湖北等地的近300个变电站，现已累计发现16台互感器误差异常，全部经停电检定验证了评估的有效性，实现了无标准器条件下对CVT计量误差状态的准确在线评估与预警。程然助理教授为通讯作者，何成研究助理教授为论文第一作者，其他合作者包括南科大姚新教授 (IEEE Fellow)、华中科技大学李红斌教授团队等。南方科技大学为第一单位。 （2）肢端肥大症通常是由垂体腺瘤引起的生长激素的持续性分泌引起的一种临床综合征，其患病率约为60/百万人，年发病率约为0.03~0.04/万。由于其隐匿的发作，模糊的症状和缓慢的进展，该疾病的诊断通常被延迟，导致严重的并发症，例如心血管疾病和治疗困难。因此，必须使用自动高效的筛选方法，促进该疾病的快速准确诊断。图 2 深度学习方法在不同级别肢端肥大症预测结果课题组在医学领域知名期刊Journal of Hematology & Oncology上发表了一种通过学习面部照片特征，构建肢端肥大症自动诊断和严重程度分类的深度学习方法。该方法可以帮助人们方便地进行自我筛查，从而对肢端肥大症进行早期诊断并因此得到早期治疗。并且，该方法是第一个具有肢端肥大症严重性分类功能的自动化方法，并对每种分类取得了89%以上的准确率（超过一般医师水准），为进一步推广应用奠定了基础。南科大程然助理教授为论文共同通讯作者，合作单位包括北京协和医院与剑桥大学公共卫生和初级保健司。 （3）物流调度、航班规划等复杂应用场景中，设计方案的评价随着时间动态改变。这类优化问题在现实中广泛存在并且求解困难。为了推动该领域的发展，亟待提出能反映动态优化问题复杂特性并且可控的测试集，从而推动动态优化算法在现实问题中的应用。课题组在IEEE Transactions on Cybernetics上发表了一种生成连续动态优化问题的测试集，同时对现有的测试集进行了全面的综述，并探讨了它们在捕获不同问题特征方面的缺点。该研究提出了高度可配置的基准测试套件，能够生成不同特性的问题实例，且基准生成的组件在梯度，高度，最优位置，条件数，形状，复杂性和变量交互方面是高度动态的。图2. 具有不同变量交互程度的可控复杂动态优化问题实例 程然助理教授为通讯作者，Danial Yazdani博士为论文第一作者，其他合作者包括英国华威大学Juergen Branke教授。南方科技大学为第一单位。 （4）随着计算智能方法在更广泛的应用问题上的使用，其从问题本身学习的能力亟待增强。为此，越来越多的工作提出使用机器学习模型来驱动计算智能。通常，这种基于模型的进化算法的性能高度依赖于所采用模型的训练质量。而传统机器学习方法需要大量的训练数据进行模型训练，而且受维度灾难的影响，这类方法通常很难解决维度较高的问题，约束了计算智能方法的应用范畴。课题组在IEEE Transactions on Cybernetics上发表了一种由生成对抗网络（GAN）驱动的进化多目标算法。在提出的算法中使用生成对抗网络（GAN）强大的生成能力替代传统的交叉变异方法。该方法基于生成学习的角度，从现有数据中学习有潜力的分布模式，从而在训练数据有限的情况下，高效学习问题本身模式，解决问题维度较高的优化问题。该方法的提出为计算智能与深度学习的结合开辟了一条新的道路。图3. 用于计算智能方法中候选解生成的对抗生成网络模型训练框架 程然助理教授为通讯作者，何成研究助理教授为论文第一作者，合作者包括香港城市大学TAN Kay Chen教授 (IEEE Fellow) 和英国萨里大学金耀初首席教授 (IEEE Fellow)。南方科技大学为第一单位。

南科大计算机系Hisao Ishibuchi团队在2020演化计算三大会议-CEC2020，GECCO2020以及PPSN2020上，有数篇论文进入最佳论文候选名单。其中在刚刚结束的GECCO2020会议当中，一篇论文确认获得最佳论文奖。 最佳论文奖（GECCO2020）在近日于墨西哥召开的2020年ACM遗传与演化计算国际会议（GECCO2020）上，我校计算机科学与工程系讲席教授HisaoIshibuchi团队发表的论文 "Another Difficulty of Inverted Triangular Pareto Fronts for Decomposition-Based Multi-Objective Algorithms" 获得GECCO2020最佳论文奖。该论文研究了加权向量的生成对基于分解策略的多目标优化算法的影响，并提出了一种加权向量的生成方法。2019级南科大-新加坡国立大学联培博士生贺林君为论文第一作者，HisaoIshibuchi教授为通讯作者，南方科技大学为第一单位。图一：GECCO最佳论文奖证书 最佳论文提名 (IEEE CEC 2020)于7月19日在英国召开的IEEE进化计算大会 (IEEECEC2020)上，Hisao Ishibuchi团队的一篇论文被提名为最佳论文奖，另有一篇论文被提名为最佳学生论文奖。入围最佳论文奖的文章Riesz s-energy-based Reference Sets for Multi-Objective Optimization 提出了一种采用s-energy在线性和非线性帕累托前沿上产生均匀分布点集的方法。该方法同样可以用于产生IGD指标在不同测试问题上的参考点集。论文的主要贡献是通过提供一组均匀分布的参考点集，使得基于IGD指标的演化多目标优化算法的性能对比更加可靠。Hisao Ishibuchi教授为该论文的通讯作者。图二.：所提方法在不同的s参数设置下产生的点集分布 另一篇入围最佳学生论文的文章"A Decomposition-based Large-scale Multi-modal Multi-objective Optimization Algorithm"在一种经典的多目标优化算法（MOEA/D）的基础上提出了一种适用于大规模、多模态、多目标优化问题的新算法。与近期提出的最新算法相比，该算法在多种主流测试问题都取得了优秀的结果。实验结果表明，该算法可以有效解决大规模多模态多目标优化问题。该论文的第一作者为南科大一年级研究生彭一明，通讯作者为Hisao Ishibuchi教授，南方科技大学为第一单位。 最佳论文提名 (PPSN 2020)Hisao Ishibuchi课题组在计算智能领域顶级会议Parallel Problem Solving from Nature（PPSN为CCF B类会议）上发表的论文Proposal of a Realistic Many-Objective Test Suite获得最佳论文提名。文章指出了常用的多目标测试问题与现实问题的差异，并提出了一组基于系数矩阵的新的测试问题。现实中的多目标优化问题的最优解大部分是未知的，并且无法任意改变决策变量数和目标数，而人工构造的测试问题往往具有已知的最优解和可变的决策变量数与目标数。因此，人工构造的测试问题往往被用来测试算法的多样性和收敛性。论文指出了常用的一些测试问题与现实的多目标优化问题存在的差异，即改变一个决策变量对常用的测试问题与现实问题的目标向量在目标空间中的变化影响不同。为了使人工构造的测试问题更接近现实问题，论文提出了一种基于系数矩阵的测试问题构造方法。实验表明，不同的系数矩阵会影响测试问题的难度。最后，基于这些实验和发现，论文提出了一组新的测试问题。值得一提的是，论文第一作者为南方科技大学本科大三学生陈巍昱，Hisao Ishibuchi为通讯作者，南方科技大学为第一单位。 除此之外，Hisao Ishibuchi担任通讯作者的另一文章入选FUZZ-IEEE 2020会议最佳学生论文奖候选名单。该篇论文提出了一种演化多目标优化方法，从分类精度和分类器复杂度两方面寻找多个非支配的模糊规则分类器。 Hisao Ishibuchi教授自2017年加入南方科技大学以来在计算智能领域的顶级会议和期刊发表了多篇论文，其中不乏以南科大本科生及研究生为第一作者或共同作者的论文。“无论是在课题方向、结果分析还是论文撰写上，Ishibuchi教授都会用他丰富的经验帮助我们，使我们快速入门科研。”课题组的一位本科生这样说道。Ishibuchi教授曾经这样说: “In 2017, I came to SUSTech to help Prof. Xin Yao to create one of the best CS departments in the world. In SUSTech, I am always trying to increase the international presence of the SUSTech CS Department. I am also always trying to help highly-motivated young researchers and students to be internationally well-known researchers in the field of Computational Intelligence using my knowledge and experiences”.

近日，我校计算机科学与工程系讲席教授Georgios Theodoropoulos当选世界艺术与科学学院（WAAS）院士。Georgios TheodoropoulosGeorgios Theodoropoulos于2017年加入南方科技大学，此前任职于英国杜伦大学高级计算研究所（iARC）首任执行主任，工程与计算科学学院主席。曾是IBM研究部门的高级科学家，并在英国伯明翰大学，爱尔兰都柏林三一学院和新加坡南洋理工大学等世界一流大学担任高级教职。研究方向包括建模和分布式仿真、复杂性和多智能体系统、信息共生系统、高性能计算机体系结构和数据密集型系统。目前的工作重点是大规模数据驱动的模拟基础架构，用于规范性的体系分析，其目标是应对联合国可持续发展目标所定义的全球挑战。他是跨学科研究的倡导者，他领导了几个突破性的倡议和项目，将计算机科学和数字技术的进步带入社会科学，艺术和人文领域。据悉，世界艺术与科学学院于1960年成立。诺贝尔奖获得者伯特兰·罗素，约瑟夫·李约瑟（联合国教科文组织创始人）和布洛克·奇泽姆（世卫组织首任总干事）是该学会的杰出创始会员。目前该学院拥有来自80个国家的大约700名会员，其中包括科学家、著名艺术家、政界人士、政治家、研究机构和国际组织的负责人、诺贝尔奖获得者以及商界领军人物等。入选该学会会士，被认为是授予科学家的最高荣誉之一。专业领域的杰出贡献、领导才能、跨学科的成就、公共服务记录和全球视野是入选的依据。

计算机系17级本科生舒天野和王子琪基于大三创新实验课的成果在IEEEWorld Congress on Computational Intelligence （IEEE WCCI2020）发表论文。舒天野获得IEEE Computational Intelligence Society (CIS)提供的Conference Registration Grant。每年IEEE Computational Intelligence Society (CIS)为发表文章的学生提供少量的Conference Travel Grant，择优授予。今年由于疫情原因，会议都改为线上形式，Conference Travel Grant也变为Conference Registration Grant。 我们借此机会采访了一下舒天野和王子琪同学。1.请先介绍一下自己的背景吧。我们是姚新课题组的学生，准大四，我们的研究方向是Procedural Content Generation（PCG）。寒假我们总结了大三上的创新实验课内容，在IEEE WCCI2020发表了文章“A Novel CNet-assisted Evolutionary Level Repairer and Its Applicationsto Super Mario Bros”。 2.请介绍一下你们的工作内容，还有你们为什么想到做这样一个工作？我们上学期的创新实验内容是复现刘佳琳老师的一篇关于用GAN和LVE的方法生成Mario地图的论文。我们在实验的过程中，发现生成的地图中存在水管破裂的问题。通过进一步的论文阅读，我们发现这个问题在很多地图生成的方法中都存在。一般的做法，是人为修复这些不合理的地方，但这与ProceduralContentGeneration的初衷相违背。于是我们想到能不能让设计一种算法自动检测和修复这些缺陷关卡，让修复过程更加智能化。经过讨论和实验，我们设计了一种结合MLP和演化算法的方法来检测并修复游戏地图中的错误。我们把这种方法运用到Mario关卡破损水管的修复中，取得了很好的效果。 3．今年的疫情对你们的工作有什么影响吗？因为疫情原因，我们的工作是通过线上交流的方式进行的。虽然和以往的协作方式不同，但后来我们也慢慢适应了。疫情期间，刘佳琳老师每周都会抽出时间我们一起开会讨论，我们课题组每周还会有固定的时间，大家轮流分享自己读过的论文。和学长们的交流讨论，也给予了我们很多启发和帮助。因为疫情原因，我们无法出国参加论文相关的会议。虽然有点失望，但在线报告的形式却让我们能有了更多时间，更加从容地去准备视频报告的内容。 4.你们对大四和毕业之后有什么规划？目前的计划都是读研。 5.能否讲一下你们对本科创新实验课的体验和感受？创新实验课程需要投入比专业课程更多的时间和精力。每周的组会督促着我们认真进行每周的工作，也给了我们一个和导师以及组里同学们交流探讨的平台。创新实验课程是比较自由的，大家都可以选择自己喜欢的研究方向，导师会给予我们指导。比如我们课题组，有做视障人群辅助阅读课题的学长，也有做校园跳蚤市场APP开发的学长，他们还成功申请了相应的专利。我觉得创新实验课程只要认真去做，都能有成果和收获。这些收获对我们未来的成长也是很有帮助的。创新实验给了我们本科生学习前沿知识和参与科研实践的机会，更重要的是它给了我们施展自己想法的舞台。我认为创新实验一定要积极思考，敢想敢做。