时间：2025 年 11 月 7 日 星期五

地点：生物与医药前沿技术研究院 208 会议室

报告人：张懿勃（同学）、陆亚雯（同学）

张懿勃同学针对面部表情识别（FER）中数据集分布不均、类别相似性高的痛点，解读《A Visual Self-attention Mechanism Facial Expression Recognition Network beyond Convnext》，提出基于截断 ConvNeXt 的 Conv-cut 网络，该网络核心设计包括：一是采用截断 ConvNeXt-Base 作为骨干网络，去除第三、四阶段以减少参数规模，适配 FER 小样本场景；二是创新细节提取模块（Detail Extraction Block），通过两层深度可分离卷积与自注意力机制，精准捕捉眼尾、嘴角等细粒度表情特征，解决个体差异与类别相似性问题。实验验证显示，Conv-cut 在 RAF-DB 数据集准确率达 97.33%，较当前最优方法提升 2.28 个百分点；在 FERPlus 数据集准确率 95.69%，提升 1.97 个百分点，为情感计算、智能医疗交互等场景的表情识别提供高效解决方案。

随后，陆亚雯同学聚焦多智能体系统（MASs）中 “领导者动力学与状态未知” 的核心挑战，分享《Optimal Consensus Control for Multi-Agent Systems With Unknown Dynamics and States of Leader》，提出基于分布式 KREM 学习的最优一致性控制方案，该方法创新点突出：一是设计分布式参数估计观测器，让每个智能体可同时估计领导者的动态参数与状态，将最优一致性控制转化为领导者状态跟踪控制，突破传统观测器仅能估计单一信息的局限；二是构建 “仅评论家” 学习架构，采用 KREM 技术设计自适应调谐规则，高效学习神经网络未知权重，避免 HJB 方程求解的非线性难题。通过 Lyapunov 稳定性理论验证，闭环系统稳定且观测器收敛快速，数值仿真中 4 个跟随智能体的跟踪误差逐步趋近于零，为多智能体协同控制（如卫星编队、传感器网络协作）提供技术支撑。

本次分享覆盖多智能体控制与计算机视觉两大方向，展现智能技术在协同系统与情感感知领域的前沿进展。陆亚雯同学的方法可为多设备协同康复机器人的精准控制提供理论参考，张懿勃同学的表情识别方案有望应用于精神疾病患者的情绪状态监测。与会师生围绕 “观测器抗干扰性”“小样本表情数据增强” 展开深入讨论，为技术落地医药健康场景积累关键思路，进一步强化了跨学科学术交流氛围。

一   审： 周   楠

二  审： 罗浚溢

三  审： 施开波