为加强教师、学生之间的学术交流与合作，活跃学术氛围，增强科研实力，2022年7月19日上午，bat365官网登录中文空天数据智能交叉创新中心召开第5期研究生学术报告会。本期报告会由学生自主担任程序委员会主席，由航空航天学院洪文兴、余臻、曾念寅、刘利军、周绮凤、杨帆、关锦婷等研究生导师出席，并总结点评。

此次报告中，三位报告人分别就自己的研究做了简要汇报。简述如下：

1. 基于Actor-Critic在合作与竞争环境下的多智能体强化学习算法研究

多智能体系统是指在同一个环境中由多个交互智能体组成的系统，该系统常用于解决独立智能体以及单层系统难以解决的问题。本论文将深度强化学习运用于多智能体，文中提出的MADDPG方法解决了传统的算法在多智能体中难以运用的困难。本次报告首先提出传统强化学习在多智能体领域中面临的主要问题，接着介绍了该算法所用到的背景知识，包括DQN、SPG、DPG等算法，然后分别概述了MADDPG的三大技巧：集中式学习，分布式训练、估计其他智能体策略、策略集合优化，最后将MADDPG与传统强化学习算法进行比较实验，对比发现MADDPG效果更好，与理论无太大偏差。但MADDPG仍然存在着状态空间太过于巨大等问题，这也将成为未来改进的目标。

2. Explainable Conversational Recommender System

对话推荐系统旨对话推荐通过基于自然语言的多轮对话，逐步挖掘用户的兴趣偏好，从而向用户推荐其可能感兴趣的物品。在对话推荐场景下，算法系统有可能成为主动的一方，与用户进行动态交流来获得其“显式反馈”。本次汇报首先介绍了推荐系统的常用算法，然后概述对话推荐的代表方法，最后提出多模态对话推荐、基于异构信息知识网的对话推荐、可解释对话推荐三个内容作为未来研究的方向。

3. 基于深度学习的超分辨率图像重构及其在三维火焰场的应用

超分辨率重建是计算机视觉中的重要任务，通过超分辨率重建能够提升图像、视频的清晰度，拥有许多实际应用场景。深度学习的应用极大提高了超分辨任务的质量。本次报告介绍了基于深度学习的超分辨算法及其发展脉络，并且介绍了在三维火焰场这一实际场景中超分辨率算法的应用。

【现场实况】