人工智能與機器學習暑期科研項目招募

華中科技大學博士論文指導

我是計算機專業的研二學生：從大二開始接觸科研，至今已發表1篇CCF-A類會議論文、1篇CCF-B類會議論文，以及2篇Top期刊論文。正是這段從本科開始的科研經歷，讓我在保研和學術道路上走得更加順利。我深刻體會到，對本科生而言，越早接觸系統的科研訓練開始上手科研項目，就越能在未來的升學求職中占據很大的優勢。

暑假是提升科研能力、豐富學術履歷的黃金時期！對于計劃保研、留學的大家來說，參與科研項目并發表論文能極大提升個人競爭力。無論是保研綜測加分、留學申請證明學術潛力，還是求職時展現技術實力，高質量的科研經歷都是關鍵籌碼。這個暑假，我的師兄——華中科技大學博士研究生想帶領對AI感興趣的同學，聚焦人工智能與機器學習前沿領域，提供深度學習、自動化機器學習（AutoML）及元學習的實戰機會，一起完成高質量的科研項目，并爭取發表論文。

個人簡介

華中科技大學博士研究生，研究方向:

1. 深度學習與神經網絡：卷積神經網絡、循環神經網絡、生成對抗網絡等。
2. 自動化機器學習與元學習：自動化機器學習、元學習、神經架構搜索等。

研究成果發表于

1. 《Computer Vision and Image Understanding》（圖像信息的計算機分析）
2. 《Pattern Recognition Letters》（人工智能領域）
3. 《Cognitive Computation》（人工智能、神經科學相關領域）

科研選題

01 基于改進卷積神經網絡的復雜場景圖像實時識別研究

02 基于元學習的快速自適應醫療診斷模型研究

03 自動化機器學習在金融數據分析與風險預測中的優化應用研究

01 基于改進卷積神經網絡的復雜場景圖像實時識別研究

現實場景中的惡劣天氣、低光照、遮擋等問題嚴重影響傳統CNN的識別性能，而自動駕駛、安防監控等領域對實時性和準確性要求極高。本項目將優化CNN架構，提升模型在復雜環境下的魯棒性，并探索輕量化部署方案。

創新方向：

• 結合Transformer（ViT、Swin Transformer）增強CNN的全局建模能力
• 采用知識蒸餾（Knowledge Distillation）實現模型輕量化
• 部署優化：TensorRT加速、INT8量化

02 基于元學習的快速自適應醫療診斷模型研究

醫療領域面臨樣本不均衡、新疾病診斷難等問題，傳統模型依賴大量標注數據且難以快速適應新任務。本項目利用元學習技術，構建能夠從小樣本數據中快速學習的智能診斷系統，提升罕見病和動態醫療場景下的診斷效率。

• 基于度量學習的元學習框架（ProtoNet、RelationNet）
• 跨模態數據融合（CT/MRI/病理報告聯合建模）
• 可解釋性分析：Grad-CAM可視化診斷依據

03 自動化機器學習在金融數據分析與風險預測中的優化應用研究

金融數據具有高維度、動態變化等特點，傳統手動建模方式效率低下。本研究將結合AutoML技術，自動化完成特征工程、模型選擇與超參數優化，提升金融風控與投資決策的精準度，為金融機構提供智能化解決方案。

• 自動化特征工程（FeatureTools + 遺傳算法）
• 集成學習（XGBoost+LightGBM的Stacking策略）
• 動態風險預警：LSTM-Attention時序建模

🌟 項目亮點

博士師兄指導，系統學習深度學習與AutoML前沿技術，不是"跑通demo"的淺嘗輒止，而是從0到1完整經歷：文獻精讀→模型創新→實驗設計→論文寫作！

把握好暑期科研機會，讓我們用2個月時間，從科研小白到寫出一篇高質量科技論文~