报告题目： 基于数据分组的小样本深度学习水声目标识别方法研究

报告时间：2024年5月31日（周五）上午10:50-11:50

报告地点：电气馆 A104

报告人：陈友淦

报告人简介：

陈友淦，2007年西北工业大学本科毕业，2012年获厦门大学博士学位，2010-2012年国家公派美国康涅狄格大学联合培养博士，2020-2021年美国新墨西哥大学访问学者。现为厦门大学海洋与地球学院副教授、博士生导师，水声通信与海洋信息技术教育部重点实验室(厦门大学)副主任，应用海洋物理与工程系副主任，IEEE Senior Member，《电子与信息学报》编委、《信号处理》编委、IEEE Access副编辑，福建省级高层次人才(B类)。主要研究方向为水声通信及组网技术，主持国家自然科学基金面上项目、国家重点研发计划海洋环境安全保障重点专项子课题、教育部博士点基金等课题15项，在IEEE J. Ocean. Eng.等国内外重要刊物和MTS/IEEE OCEANS等国际学术会议发表论文90余篇，授权和受理国家发明专利30余项、软件著作权2项，获福建省技术发明二等奖、福建省优秀研究生学位论文指导教师等多项荣誉。

报告内容摘要：

水下环境的复杂性导致水声目标识别在水声数据搜集方面难以获得足够数量的有效样本，增加了水声目标识别任务的难度。在小样本数据场景下，报告人提出基于数据分组的小样本深度学习水声目标识别方法，并给出了初步研究结果，为解决小样本水声数据训练模型问题提供新思路。