地点：工业中心101会议室

时间：2023年3月24日

参会人员：雷方元、蒋健健、知识产权大数据重点实验室研究生

本次会议在工业中心101会议室召开，主要围绕21级研究生近期研究内容总结，论文规划，由实验室21级研究生许龙、陈紫威、罗翔敏、周厚棉进行汇报。

本次汇报许龙主要汇报了增量学习的背景与意义，并详细介绍了增量学习的任务流程，个绍了增量学习的三种类型，即类增量学习(Class-Incremental Learning，CIL)、任务增量学习(Iask-Incremental Learning，TIL)和域增量学习(Domain-Incremental Learning,DIL)，同时还汇报了0n the exploration of incremental learning for fine-grained image retrieval论文学习情况，论文的主要创新点在于首次奖增量学习应用于细粒度图像检索领域，该模型主要包含知识蒸馏损失和最大均值差损失。

陈紫威同学汇报了关于多变量时间序列的一篇论文和目前的研究进度。首先对文献中模型的三个模块进行详细的讲解，介绍了文献的主要思想和主要贡献，然后讲述了实验所使用到的数据集和对比方法。通过文献的阅读，可以进行参考其中的消融实验、数据可视化、参数敏感度等相关知识，最后介绍了自己模型的框架，并对模型的相关细节进行了讨论和指导。

罗翔敏汇报主要内容为使用预训练模型提升时空图神经网络的提升，从大多数模型使用小窗口中的历史数据来进行预测，无法从长期信息中学习，模型很难根据有限的历史数据对其不同的未来趋势做出准确的预测；短期信息对依赖图建模是不可靠的，STGNN直接缩放到长期的历史时间序列是昂贵的。该篇论文提出基于TransFormer块（TSFormer）为时间序列设计了一个有效的无监督预训练模型，并利用基于TSFormer表示计算的STGNN图作为正则化来指导图结构和STGNN的联合训练。最后老师同学们对论文进行讨论，并针对当前的论文结构进行指导。

周厚棉汇报了汇报了一篇论文——《单纯复形卷积神经网络的池化策略》，主要讲述了论文的背景、创新点和相关的实验结果。其次，汇报了3d mesh模型的训练情况，以及要改进的点。最后，汇报了开题报告实验框架的实验情况

老师对汇报人员的近期研究内容、以及后续研究方向提出了详细的指导意见和建议，并要求按照所提出的时间计划，安排好模型实验，尽早完成论文基础实验。