20190421薛在发周报
本周主要做了RNN和LSTM的实验。数据量少时，随意调整RNN的参数确实会出现有时性能比LSTM好或差的情况，这是本周刚开始时的一个困惑。当两个模型选好参数后，数据量少的时候，RNN模型性能优，数据量增大时，LSTM模型优，可见，处理需要记忆更长历史信息的序列时，LSTM模型更优。
...
王明贤周报20190421
本周：1.根据老师对论文提出的修改建议，修改完论文，准备投出。
2.实验过拟合问题，数据已经向机械学院要了，机械学院说过两天发过来，然后在做实验。
...
2019.4.21周报曹玉阳
1.C语言继续学习中（公开课已学习三分之二）。
2.关于MSP430单片机的硬件已经根据电路图焊接完毕
3.计划下周把C语言学习完毕，同时也进行简单的软件编程进行个别功能的实现，（老师不好意思没有看到你的评论，下周也会同时把那个链接看完并且发表自己的看法），整体来说这周焊接花了较多的时间，主要是感觉万用板背后布线问题花了比较大的精力，而且比较害怕出现虚焊漏焊等问题，所以焊接的比较小心比较慢。
...
张涛周报20190421
本周关键词：自然语言处理。
1. 自然语言处理。NLP是很久之前就打算玩一下的领域，但一直没有机会深入。本次接着项目机会简单的玩了一下，还是有些收获。但在各种文献中，发现STT和NLP的衔接问题不好解决，以及语音增强方面是领域内的难点问题。今天和领域内的一些公司进行了联系（赵老师教我的方法），发现其产业成熟度要远远低于我的预期。其离线识别正确率居然只敢说到60-70%。但反观微信的语音识别正确率，感觉这个数字还算靠谱。目前提交了和讯飞与百度的联系申请，看看他们是什么水平吧。
这部分项目方案也是一变再变，但总体在螺旋上升。本周张亚娟、马天宇、荣美相当给力，关键时刻能够顶上。
2. 摇荡。本周没有太多精力来处理，只是简单讨论了一下论文。周二提出了小波分析的方案，目前未接到反馈。
3. 雷达。开始搜寻异常发现的文献，读了大约50篇文献，总结下来发现他们做的也都不理想。下一步还要自己总结一下。
4. 学习了卡尔曼滤波。这东西非常有意思，已经在群里推荐所有同学学习。下一步有时间的话打算自学一下自动控制原理。
5. 车联网。讨论了一下内容，目前不打算开展，不说也罢。
6. FPGA。开始催联试，但甲方忙，需要再等。
7. 研三。过了一遍PPT，整体感觉不出彩。
...
郑晓晴周报2019.4.21
1.实验论证了小波分解首先没有出错，然后再进行实验。训练LSTM模型时有一些耗时，我又改了SVR+小波的代码，这样训练的时候可以用SVR做一些测试，提高效率。换了一些数据和用了不同的小波函数分解，舍弃高频部分做预测和真实数据对比，结果预测和没有小波分解预测相比没有提升。后来把分解的低频和真实数据一比，发现基本完全重合，所以分解预测没有什么提升。
2.修改代码的过程中，想实验下各个参数如神经元个数，激活函数等对LSTM的影响有多大，从各个角度分析下影响LSTM精度的因素。
3.投出了两个软著。
4.帮师兄检查了下论文，论文真是先写出一个框架，然后慢慢修改逐渐完善打磨的过程，跟最初的版本比最终论文真是变化很大。
...
郑晓晴周报2019.4.15
1.查询GPU服务器相关信息和报价，去知乎和贴吧搜了很多问题，学到了不少电脑配置的知识，那些电脑爱好者对设备的了解程度真是超出我的想象。
2.小波一层分解预测效果不够理想，和老师讨论了一下，老师说不同的信号可以考虑不同的lstm结构去训练模型，我感觉有道理，但是神经网络的训练也相当于拟合一个函数，不同的数据类型，调不同的参数是不是也就可以了，这有涉及到了原理部分了。小波下一步也要看看原理的推倒，现在我还是不知道具体是怎么分解的。
3.这周组会确实感悟道不少，实验记录要记录的更加详细，每一次实验都可以做一个简单的word记录下来，因为只保存图片，一些当时的数据和感悟可能就忘记了。及时汇报进度，和老师多讨论，也加快了自己的进度。
...
2019.4.14周报蒋培培
1.做了几个加窗实验，并整理了相关结果。
2.做了最近一阶段的总结。反思：一方面，总结其实自己完全可以做的更好，但是我把这个看轻了。导致结果并不满意，希望以后我可以认真对待每一件事。另外一方面，总结表述，自己容易陷入一个区域，想详细的把自己知道的做的都表达出来，结果就是跟流水账似的，没有重点。其实这个问题讲十大算法的时候，老师跟我提过，但是这次我又没有注意，以后一定要刻意的注意一下。
3.读了几篇相关的博士论文，感觉大同小异，但是对之前一些听说的一些名词有了新的理解，像动目标检测，动目标显示，cfar有了新的认识，对他们的原理有了初步理解，没有想的那么难。
4.找了新的程序，大概看了一下，里面包括汽车模型，道路模型，以及车的行驶路线模拟，测量每个车的距离速度角度，还有加入的cfar问题，感觉更符合我们的要求，周末配置了相关环境，后期还需要具体分析。
5.读了算法图解这本书，确实很有意思，晚上读的，都睡不着了。一个晚上看了三分之一，导致白天起不来(๑ò︵ò๑)，后期继续努力。
...
2019.04.14周报-荣美
1、听了大数据智能与知识图谱的讲座。首先从传统web和未来web讲起，引出了知识图谱，然后分开讲解了知识图谱的相关技术，主要有：描述逻辑、语义Web和关联数据；然后就是知识图谱的要解决的技术问题（知识图谱的构建、大规模知识图谱的存储、查询、推理等）还有知识图谱面临的挑战（学习能力和演化能力、推理能力和表达能力等）。因为好多专业名词不懂，幸亏有录音，也建议大家以后有会议可以录音。
2、减量式论文的翻译完成了，主要针对上下文相同名词的翻译是否一致，翻译图中标注，翻译流程图三部分工作，明天和老师顺一遍再做相应修改。
3、GCN方面，的确反映出了我的懈怠，没给自己压力，太惯着自个儿了，立下flag要改正，不能浪费时间却事倍功半了。
4、多传感器噪声抑制问题，周末回家还没有看，明天开始查阅论文，万一以后得用的话省的来不及。
5、于老师的那个，硬着头皮看吧。
...
张亚娟周报2019.4.14
看了关于LSTM 一个动画的视频：
视频地址:
https://www.bilibili.com/video/av15998549?t=41
收获：了解到了LSTM是为了解决普通RNN所存在梯度消失和梯度爆炸的的弊端而提出的。LSTM会根据主线的需要，去记忆和 忘记一些分线的内容，输出的内容由主线和分线的内容共同决定。
阅读了老师分享的2篇论文的绪论部分，通过阅读，了解到了语音增强的算法的大概过程。有子空间算法、谱减法、
改进的谱减法、维纳滤波器、基于最小均方误差准则的对数谱幅度估计。
在深度学习方面，用到的主要算法有：基于非负矩阵分解、基于有监督学习的语音增强算法、基于神经网络的语音增强。目前知识了解到的只是知道了
有这些算法以及各种算法的优缺点，没有深入了解。
3.查看了关于语音方面的基础知识，但是发现自己对最基础的专有名词都不理解，然后查了一下，从听过这个概念，到理解这个概念，知道表达的具体意思，有种豁然开朗的感觉。
...
王明贤周报20190414
本周:
一.修改论文：原理部分老师指出不足：总体建构没突出，每部分写的独立，没有联系在一起，没有系统化。针对于上述把总体构架提到开端，从总体构架一步步写，从大到小，双模型实现的具体想法与老师沟通看是否可行。
二.工程：1.由于最近可能购入GPU设备，查了不型号设备，以便随时购入。
2.关于小波分解出现的问题做分析：原因一关于模型的问题有可能传入不同信号都会存在预测误差，这样在把预测数据揉在一起可能导致误差累计，lstm是根据你传入不同的数据训练出不同网络参数，所以我认为不是模型网络结构的问题；原因二小波分解代码是否存现问题（尚未发现），或许这个分解不是我们认为的分解，尚需查证。
三.其他：本周利用周六日两天做了数学建模，锻炼一下。
...