近日
「華為杯」第五屆中國研究生人工智慧創新大賽總決賽
成功舉辦
北京交通大學榮獲
全國一等獎1項
全國二等獎1項
（同獲華為專項二等獎）
全國三等獎1項
朱廣宇榮獲優秀指導教師獎
我校連續4年榮獲優秀組織獎
如此優秀，和通通一起來看！
「中國研究生人工智慧創新大賽」（以下簡稱「大賽」）是「中國研究生創新實踐系列大賽」主題賽事之一。大賽以「AI賦能、創新引領」為理念，圍繞新一代人工智慧創新主題，引領未來的戰略性技術，激發研究生創新意識，提高研究生創新和實踐能力，著力培養創新型、複合型、應用型高端人才，為人工智慧領域健康發展提供人才支撐。本次大賽，我校共召集15支隊伍參與初賽選拔，3支隊伍進入複賽，2支隊伍入圍全國總決賽。
中國研究生人工智慧創新大賽的校內組織工作由研究生工作部主辦、計算機學院承辦。7月啟動校內組織工作以來，校院兩級線上線下合力開展宣傳動員，持續提升研究生的參與度。邀請相關領域專家開展賽前宣講，做好參賽培訓。同時，以校內選拔賽的形式，助力參賽隊伍熟悉參賽流程，不斷優化打磨參賽作品，提高參賽作品質量，提升隊伍綜合競爭力。以賽促學，以賽促教，切實發揮賽事育人功能，激發研究生創新意識，提升學術創新實踐能力。
獲獎團隊展示
01
全國一等獎
團隊名稱：夢之隊
作品名稱：適用多場景的通用化時序預測算法
指導教師：朱廣宇
隊員：孫然然、牟亮、張諾
作品介紹：
大規模雲計算創造了大量諸如資源調度、用戶行為、環境感知等的數據場景和計算需求。面對規模龐大、具有多樣性和非平衡性特性的時序數據，如何將AI技術應用於預測技術，以適應多種不同業務場景，是當前用戶和雲廠商最關心的核心任務。本作品綜合運用特徵工程和知識工程，獲取多場景下時序數據的共性與差異性，對數據中的多尺度時空相關性特徵進行深度提取，基於深度時空殘差網絡和領域知識構建預測模型。通過多組時序比對實驗，表明本作品提出的多場景通用化時序預測算法，具有較強的模型泛化能力和魯棒性，其MAE、sMAPE等指標，在多個數據集上均優於指定的傳統預測算法。
02
全國二等獎、華為專項二等獎
團隊名稱：對不對對對隊
作品名稱：基於多維時序模型的高糖發生次數監測
指導教師：林春雨
隊員：張邱德、潘潔、張志浩、周俊丞
作品介紹：
根據ADA標準，我國成年人中糖尿病前期患病率超過 35%，智能穿戴技術的進步為解決糖尿病前期人群的控糖水平監測提供了前所未有的機會。本項目以兩分類作為金標，從穿戴設備記錄的數據中提取特徵，訓練機器學習模型，監測人群每天的高糖發生次數。在本項目中，對賽題所提供的數據集進行了預處理，包括空值填充、數據擬合、時序對齊等；基於對模型訓練和推理的精度以及效率的雙重考量，提出了帶多重注意力機制的LSTM 模型，聚焦不同維度的特徵進行訓練：針對正負樣本不均衡的問題，提出了C-WCE Loss，通過樣本加權解決了這一問題。模型能夠準確地檢測高糖發生次數，為研究糖尿病前期人群的高糖情況提供了有效的工具和方法。
03
全國三等獎
團隊名稱：AITC
作品名稱：基於強化學習的施工裝備協同作業資源分配
指導教師：王洪偉
隊員：寧鵬飛、馬碩梅、胡海濤、張志媛
作品介紹：
隧道施工是一個動態掘進過程，需要多種施工裝備和工人按照標準工序協作完成。然而，由於信息共享不充分、對施工態勢感知不足，在一定程度上影響了施工設備協同作業效率。針對這一問題，本項目提出了一種保障施工裝備協同作業的無線通信資源分配框架，並設計了配套的基於分層強化學習的資源分配算法DQN-QMIX。DQN-QMIX的垂直分層機制使高層智能體獲得所有施工工序的全局狀態信息，然後為每個工序的施工裝備機群做出有針對性的決策，滿足各個施工工序的資源需求。QMIX的橫向對齊聯合動作值函數使低層智能體做出有利於個體的決策，保障施工工序內部的工序銜接。原型仿真系統的運行結果驗證了本方法可以有效保障施工裝備之間的工序銜接，提高施工效率。
恭喜獲獎！
漫漫科研，創新引航
交大人永遠堅定向前！
來源 | 北京交通大學官方微信
編輯 | 楊海霞