苏州大学
开始学习计算机基础技能和人工智能相关知识
开始学习计算机基础技能和人工智能相关知识
参与微软MSC Hackathon比赛，比赛主题：黄金点，通过Q-learning实现预测黄金点功能。获得优胜奖
机器视觉相关项目，通过训练模型实现从车辆抓拍照片中提取车牌文本
苏州杰力澳自动化有限公司
主要从事控制软件设计和开发，使用Python Qt和labview进行嵌入式工业控制软件进行开发。
通过pyQt设计前端ui交互界面，并学习使用C++和labview对虚拟环境中的设备进行测试和调整。
在实践中对人机交互逻辑和前后端连接有了一定认识。
参与了智能设备平台的物联网（IoT）软件需求分析全流程， 成功定义了设备接入、实时数据采集、云端存储与处理、以及用户端交互等核心功能， 并完善软件相关开发功能，开发周期，后期运维等软件生命流程。
担任苏大微软俱乐部(MSC)运营部部长，负责团队运营，组织活动，协助管理团队成员。
成功基于 IMDB 50K 影评数据，构建并优化了 TextCNN 深度学习模型， 实现了 95.7% 的高精度情感二分类，并创新性地探索了将结果细化至多类别情绪（喜悦、愤怒、悲伤）的方法。
山东幻科信息科技有限公司
主要从事医学图像方面的图像分类及分割的工作。 在脑部肿瘤的MRI图像数据训练分类模型并根据脑肿瘤四类模态图像数据进行切分。
同时学会了如何处理，加载并训练多模态的MRI图像数据。在数据集上采用3D U-Net模型，同时由于数据存在类别不均衡的情况采用了dice-loss。最后的Dice Score达到81.6%的准确度。
所运用的图像数据训练和模型对未来人工智能机器视觉学习方面有很大的帮助，能够分析和改进机器视觉的模型。
在萨塞克斯大学继续完成本科学业，专业方向为人工智能。 期间学习了NLP,CV,LLM,强化学习等机器学习知识， 以及数据库设计，网络安全，前后端开发，软件测试等技术
构建了以下三种算法(其中GANN和GADQN为创新算法)， DQN，GANN：基于遗传算法优化神经网络（GA+CNN），GADQN融合算法。 游戏分数表明，时间效率指标中，GANN训练时间比DQN快30%，DQN因复杂状态空间需更长时间收敛。 融合算法GADQN验证了进化策略与强化学习的互补性，在Acrobot任务中奖励提升40%。
在伦敦国王学院攻读硕士学位，专业方向为网络安全。 期间学习了安全策略，安全管理，网络原理，软件测试，漏洞渗透等相关课程， 以及区块链和网络犯罪刑侦和取证技术。
参加网络安全CTF（Catch the Flag）竞赛，竞赛内容包含： SQL注入，XSS，CSRF,文件上传漏洞，命令执行漏洞用等漏洞利用技术。 通过对服务器的安全检测和漏洞分析，寻找可行漏洞利用方案，并最终完成入侵并赢得比赛。
设计开发了AAGB模型，通过GPT-4API分析上传文档，生成与文档内容相关的5个验证问题及标准答案（如文章结构、关键创新点、实验数据等）。 并使用BERT模块计算用户回答与标准答案的语义相似度。通过Streamlit搭建交互式网页以提供用户交互。 AAGB系统在作者身份验证任务中展现了潜力，相似度评分阈值为0.6时F1达70.66%，用户易用性与安全性评分均超80%。 尽管存在分类偏差与数据依赖问题，其结合GPT与BERT的混合方法为自动化审核提供了可行框架，未来通过数据增强与算法优化可进一步提升实用性。
通过对人员轨迹数据进行多模态建模，构建了基于LSTM的轨迹预测模型。 并使用BERT的Word2Vector对人员的基本信息（文本）进行分析和理解 构建基于LSTM+BERT的多模态模型，用以人员风险预警， 输出风险等级和相关风险报告。