报告1题目：深度学习在矿山微震的应用
报告人：刘亚鹏
摘要：深部煤矿开采中，冲击地压灾害严重威胁井下安全，但传统微震监测依赖人工分析，存在数据处理效率低、震源定位精度差、预警效能不足等问题。本报告将介绍深度学习在微震全流程中的应用背景，重点分享微震数据智能处理、震源智能定位及全时空智能预警三项核心技术。包括基于迁移学习的到时拾取模型、台站组合优化与波速微调定位策略，融合时空特征的冲击地压预测方法，以提升矿山灾害防控的智能化水平。
报告人简介：刘亚鹏，中国矿业大学计算机科学与技术学院/人工智能学院2024级博士研究生，研究方向包括智慧矿山、深度学习等领域。
报告2题目：面向资源受限边缘网络的联邦学习方法
报告人：张跃
摘要：在边缘计算网络中，联邦学习常面临通信带宽受限、算力异构以及终端能量受限等实际问题。传统依赖模型参数频繁交互的训练方式容易带来较高的通信开销、训练时延和能耗负担。本报告聚焦联邦学习的高效训练与资源优化方法，探讨如何通过模型压缩、无线聚合以及通信与计算资源协同分配，在降低传输开销和设备能耗的同时保持模型性能。
报告人简介：张跃，中国矿业大学计算机科学与技术学院/人工智能学院2023级博士研究生，研究方向包括边缘智能、分布式机器学习及移动计算。
报告3题目：RS3CN：鲁棒半监督随机配置网络
报告人：张姿
摘要：随机配置网络是一种以有监督方式优化隐层输入、通过最小二乘法求解输出权重的增量式神经网络，但该模型在标注数据稀缺、数据存在噪声与异常值的场景下，泛化能力和抗干扰性能会显著下降。本报告将分享随机配置网络在半监督学习、噪声与异常值干扰场景中的研究背景，重点介绍鲁棒半监督随机配置网络，包括半监督学习和鲁棒优化机制在随机配置网络中的具体改进思路，通过将两种优化策略融入原始随机配置网络，提升模型在标注数据稀缺、存在噪声与异常值场景下的回归性能。
报告人简介：张姿，中国矿业大学计算机科学与技术学院/人工智能学院2024级博士研究生，研究方向为半监督学习和深度学习。
报告4题目：基于对抗多模态密钥的视觉语言模型可逆隐私保护
报告人：营鹏
摘要：视觉语言模型已广泛应用于图像问答、多模态理解与内容生成等任务，但其强大的视觉推理能力也可能从图像中泄露姓名、地址、信用卡号等隐私信息，传统马赛克脱敏难以兼顾隐私保护与授权恢复。本报告将介绍VLM隐私保护研究背景，重点分享基于对抗性多模态密钥的可逆隐私保护方法，包括图像密钥优化、文本密钥构造与拒绝响应机制，以实现授权用户恢复隐私信息、未授权查询的拒绝。
报告人简介：营鹏，中国矿业大学计算机科学与技术学院/人工智能学院2024级博士研究生，研究方向包括视觉语言模型隐私安全、智能体安全等领域。
