經過數年艱苦探索與辛勤培養，77779193永利官网應用數學與交叉科學研究中心培養的研究生以第一作者身份發表高水平科研論文多篇（以下簡稱“中心”）。高質量培養推進高質量發展，“中心”科學研究與人才培養相互促進，教學相長，步入了良性發展新階段。

“中心”制定了嚴格的人才培養機制，研究生導師牢記立德樹人根本任務，率先垂範，形成了濃郁的科研氛圍。馬克思曾說：“在科學上沒有平坦的大道，隻有不畏勞苦沿着陡峭山路攀登的人，才有希望達到光輝的頂點”。“中心”就有一群不畏勞苦沿着陡峭山路攀登的人。無論是周末，還是節假日，中心經常燈火通明，那是中心的老師們在帶着研究生敲代碼、數值模拟、推敲公式。每周一、周五的下午2:00，中心的研究生準時到達中心會議室，準備每周的定期組會彙報，日複一日，年複一年。

星光不問趕路人，時光不負有心人。正是因為中心老師們和研究生們對科學研究的執着，經過近兩年的積澱，最終結出豐碩的果實。目前中心在讀研究生35人，中心主要圍繞科學與工程計算、大數據與人工智能的數學理論方法、複雜系統優化與控制、計算機數學、數學與紡織纖維材料等研究方向。着重解決信息技術、紡織材料、能源與環境、生物醫藥、經濟與金融安全等國家重大戰略需求中的關鍵數學問題。

2021年1月，國際知名期刊《Chaos》在線發表中心複雜系統控制與應用團隊劉傑教授指導的研究生裴來凡、李朝晖題為“Texture Classification Based on Image (Natural and Horizontal) Visibility Graph Constructing Methods”文章。該論文通訊作者為中心劉傑教授，第一作者為研究生裴來凡和李朝輝同學。紋理分類在醫學圖像分析等領域有着廣泛的應用。本文提出了一種基于可視圖的紋理分類方法。首先，将數據集中的每個Brodatz紋理圖像轉換為相應的IVG（圖像可視圖）和IHVG（圖像水平可視圖）。然後，提取其度分布P(k)，并将其輸入到不同的分類器中。主成分分析（PCA）應用于輸入向量，以減少特征數量并避免最終過拟合，并采用5-折交叉驗證程序。利用人工紋理圖像的IVG二次判别分析法（QDA）可獲得100%的分類準确率。在自然紋理圖像的IHVG上，利用線性支持向量機可以獲得94.80%的分類準确率。2021年3月，該論文在湖北省工業與應用數學學會獲得優秀論文三等獎。

2021年5月，第33屆中國控制與決策會議（CCDC 2021）在昆明召開。中心研究生曹文潔、熊珍珍、原莉、李朝輝投稿的論文被大會接收。在研究生處、導師的共同資助下，三位同學在現場做分會報告。通過本次會議增長了研究生見識，拓寬了研究生視野，開闊了研究生眼界，促進了研究生學習，激發了研究生科研動力。

2021年7月，由中國自動化學會控制理論專業委員會、中國自動化學會、中國系統工程學會主辦，上海大學承辦，中國科學院數學與系統科學研究院、中國工業與應用數學學會、Asian Control Association、IEEE Control System Society、Institute of Control, Robotics and Systems, Korea、The Society of Instrument and Control Engineers, Japan、上海交通大學、上海市自動化學會協辦的第40屆中國控制會議（CCC2021）在上海順利召開。由中心大數據分析及應用團隊張本龔教授指導的研究生曹文潔等人題為“Image Classification of Time Series Based onDeep Convolutional Neural Network”的論文被大會接收，并在大會上交流。該文主要工作是利用深度神經網絡對心律失常數據集進行數據分類。對于時間序列類型的數據分類是研究心率（ECG）、腦電波（EEG）等疾病的重要任務和關鍵問題。随着深度學習技術的發展，卷積神經網絡(CNN)在圖像識别任務中取得了巨大的成功。本文首先采用synthetic minority oversampling technique (SMOTE)技術對數據進行預處理實現數據增強效果，然後通過遞歸圖将時間序列轉換為二維紋理圖像進行研究。最後使用特定結構的深度卷積神經網絡進行圖片分類識别。以心律失常數據為例，通過準确率、精确率、召回率、F1-score等指标對分類結果進行檢驗，驗證了該方法處理MIT-BIH心律失常數據集的有效性，驗證了将時間序列分類任務轉化為圖像識别任務這一思路的正确性，對于時間序列格式的疾病分類研究具有重要意義。

2021年10月，國際知名期刊《Frontiers in Genetics》（IF：4.6）在線發表中心大數據分析及應用團隊張本龔教授指導的研究生曹文潔題為：“SS-RNN: A strengthened skip algorithm for data classification based on recurrent neural networks”的論文。為了有效地捕獲序列數據中的長期依賴關系，文章提出SS-RNN模型，它允許曆史信息通過不同的方式再次添加至當前時刻。文章共設計了六種不同的跳躍模式，模拟添加過去信息的可能方式，并在五個與疾病相關具有不同大小和數據類型的數據集上進行測試。通過與原始LSTM、GRU、Bi-LSTM以及最新的方法RNN+GRU, RNN+LSTM, MCNN進行比較，結果表明，該方法可以顯著提高序列數據分類的準确性。此外，最好的方法是不連續的添加，且不需要加權和函數映射的方式，它能有效地解決梯度消失和梯度爆炸的問題，模型性能與跳躍階數在不同的數據集間也存在一定的關聯性。SS-RNN通過優化LSTM模型為提高序列數據的分類精度提供了一種新的思路，因此，使用者也可以通過添加SS-RNN模塊來優化自己的網絡模型，其對于疾病的分類診斷和精準治療具有重要意義。

 2021年10月，國際知名期刊《Fractals》（IF：3.665）在線接收題為：“Effective gas diffusion coefficient of fractal porous media with rough surfaces by Monte Carlo simulations”的論文，該論文通訊作者為中心鄭仟副教授，第一作者為研究生尹作壯同學。氣體擴散系數是表征多孔介質輸運特性的一個重要參數。本文基于微觀毛細管的分形特征，采用蒙特卡羅方法研究了毛細管表面粗糙度對氣體擴散的影響，提出了粗糙表面多孔介質有效氣體擴散系數的概率模型。該模型表示為多孔介質幾何參數的函數，如孔隙度、孔隙分形維數、迂曲度分形維數和相對粗糙度。論文着重探讨了相對粗糙度對有效氣體擴散系數的影響，結果表明，粗糙表面多孔介質的有效氣體擴散系數随着相對粗糙度的增加而減小。此外，該研究還詳細分析了多孔介質其它結構參數對氣體擴散的影響。該模拟方法可推廣用于粗糙表面分形多孔介質中的氣體流動和傳熱過程的分析。

同時，中心嚴格貫徹落實把論文寫在中國大地上的思想，研究生先後在《計算機應用與軟件》、《77779193永利官网學報》等中文期刊上發表論文多篇。另外，在專利申請、軟件著作權的批準方面中心研究生均有所斬獲。

人才培養是循序漸進的過程，研究生培養同樣如此。已經畢業的研究生，有攻讀博士學位，有在京東、長飛等知名企業，也有在企事業單位施展自己的才能。在中心老師的努力下，研究生們的勤奮學習下，勇攀科技高峰，科技成果不斷推出。我們深信在學校的領導下，中心師生共同努力下，研究生的培養質量和水平會越來越高。

附：中心研究生成果清單（在讀研究生成果）