研究方向

非图像数据处理 在机器学习领域，深度神经网络与传统的机器学习方法比，在提高学习精度上有显著的优势。深度神经网络中，CNN（卷积神经网络）是图像处理和对象识别领域中最为重要且有效的网络结构。由于CNN结构的特性，其主要运用领域仍限于图像数据。对于无序的非图像数据，CNN的表现有无明显优势，如何将无序数据，例如生物信息学中的基因测序数据，转化为可被CNN处理的类图像数据，等问题对于深度学习和生物信息学都有着重大意义。本课题将以上述问题为出发现，研究高效利用CNN处理非图像数据的方法。

 

相关学科

计算机科学

 

科研导师

C. W

• 圣母大学统计学博士；
• 曾在nature子刊等顶级期刊以第一作者身份发表多篇学术论文；
• 研究方向为应用统计，机器学习和统计学习。

科研成果

成果一：在英文期刊中发表学术论文

有方学者项目保证为学员在正规的英文学术期刊中发表论文。正规的学术期刊均要求由独立审稿人决定论文的录用与否。因此，论文的成功发表标志着这篇文章已达到学界公认的学术标准。有方学者最优秀的学生，不但可以冲击EI、SCI等高级别期刊，而且有机会参与全球顶级的学术会议。

成果二：第一作者身份

有方学者项目坚持帮助学生以第一作者身份发表论文。在申请过程中，招生官最看重的是学生在科研项目中的参与程度，而第一作者顺位恰恰是这一点的最佳证明。近年来，有大量的中国学生在教授署名的论文中挂名，这使得第一作者身份的含金量更为突出。

成果三：独一无二的课题

有方学者项目的导师会为每个学生提供独一无二的课题，连接最前沿的科研方法和学生感兴趣的学术方向，保证学生研究内容的差异性。

成果四：顶尖院校导师的推荐信

有方学者项目将为学生提供项目导师撰写的推荐信。导师作为推荐人，来自于美国顶尖学府的科研团队，保证了推荐信的可信度；而导师所提供的丰富的细节和生动的描述能更好展现学生的过人之处，从而大大提高了推荐信的价值。

成果五：高效备战具有高影响力、高含金量的科研竞赛

学生可以直接使用有方学者项目的成果论文冲击多项全球顶级的科研赛事，其中包括：被誉为“中国青年的诺贝尔奖”的丘成桐科学奖、ISEF 国际科学与工程奖、全国青少年科技创新大赛等。

 

 

了解更多详情

请扫描二维码

关注「有方背景提升」