2023年9月22至25日，“华为杯”第五届中国研究生人工智能创新大赛总决赛成功举办，共有来自世界各地269所院校的研究生报名参赛。我校高度重视，共召集15支队伍参与初赛选拔，3支队伍进入复赛，2支队伍入围全国总决赛。经过激烈角逐，荣获全国一等奖1项，全国二等奖1项（同获华为专项二等奖），全国三等奖1项，朱广宇荣获优秀指导教师奖，我校连续4年荣获优秀组织奖。

“中国研究生人工智能创新大赛”（以下简称“大赛”）是“中国研究生创新实践系列大赛”主题赛事之一。大赛以“AI赋能、创新引领”为理念，围绕新一代人工智能创新主题，引领未来的战略性技术，激发研究生创新意识，提高研究生创新和实践能力，着力培养创新型、复合型、应用型高端人才，为人工智能领域健康发展提供人才支撑。

中国研究生人工智能创新大赛的校内组织工作由研究生工作部主办、计算机学院承办。7月启动校内组织工作以来，校院两级线上线下合力开展宣传动员，持续提升研究生的参与度。邀请相关领域专家开展赛前宣讲，做好参赛培训。同时，以校内选拔赛的形式，助力参赛队伍熟悉参赛流程，不断优化打磨参赛作品，提高参赛作品质量，提升队伍综合竞争力。以赛促学，以赛促教，切实发挥赛事育人功能，激发研究生创新意识，提升学术创新实践能力。

获奖团队展示

奖项：全国一等奖

团队名称：梦之队

作品名称：适用多场景的通用化时序预测算法

指导教师：朱广宇

队 员：孙然然、牟亮、张诺

作品介绍：大规模云计算创造了大量诸如资源调度、用户行为、环境感知等的数据场景和计算需求。面对规模庞大、具有多样性和非平衡性特性的时序数据，如何将AI技术应用于预测技术，以适应多种不同业务场景，是当前用户和云厂商最关心的核心任务。本作品综合运用特征工程和知识工程，获取多场景下时序数据的共性与差异性，对数据中的多尺度时空相关性特征进行深度提取，基于深度时空残差网络和领域知识构建预测模型。通过多组时序比对实验，表明本作品提出的多场景通用化时序预测算法，具有较强的模型泛化能力和鲁棒性，其MAE、sMAPE等指标，在多个数据集上均优于指定的传统预测算法。

奖项：全国二等奖、华为专项二等奖

团队名称：对不对对对队

作品名称：基于多维时序模型的高糖发生次数监测

指导教师：林春雨

队 员：张邱德、潘洁、张志浩、周俊丞

作品介绍：根据ADA标准，我国成年人中糖尿病前期患病率超过 35%，智能穿戴技术的进步为解决糖尿病前期人群的控糖水平监测提供了前所未有的机会。本项目以两分类作为金标，从穿戴设备记录的数据中提取特征，训练机器学习模型，监测人群每天的高糖发生次数。在本项目中，对赛题所提供的数据集进行了预处理，包括空值填充、数据拟合、时序对齐等;基于对模型训练和推理的精度以及效率的双重考量，提出了带多重注意力机制的LSTM 模型，聚焦不同维度的特征进行训练:针对正负样本不均衡的问题，提出了C-WCE Loss，通过样本加权解决了这一问题。模型能够准确地检测高糖发生次数，为研究糖尿病前期人群的高糖情况提供了有效的工具和方法。

奖项：全国三等奖

团队名称：AITC

作品名称：基于强化学习的施工装备协同作业资源分配

指导教师：王洪伟

队 员：宁鹏飞、马硕梅、胡海涛、张志媛

作品介绍：隧道施工是一个动态掘进过程，需要多种施工装备和工人按照标准工序协作完成。然而，由于信息共享不充分、对施工态势感知不足，在一定程度上影响了施工设备协同作业效率。针对这一问题，本项目提出了一种保障施工装备协同作业的无线通信资源分配框架并设计了配套的基于分层强化学习的资源分配算法DQN-QMIX。DQN-QMIX的垂直分层机制使高层智能体获得所有施工工序的全局状态信息，然后为每个工序内部的施工装备机群做出有针对性的决策，满足各个施工工序之间的资源需求。QMIX的横向对齐联合动作值函数使低层智能体做出有利于个体的决策，保障施工工序内部的工序衔接。原型仿真系统的运行结果验证了本方法可以有效保障施工装备之间的工序衔接，提高施工效率。

责任编辑：李雪 糜飘

审核：袁芳 王瑞霞