<?xml version="1.0" encoding="utf-8" standalone="yes" ?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>许家祯 | 个人主页</title>
    <link>https://cwang-nbu.github.io/zh/authors/2023_jz_xu/</link>
      <atom:link href="https://cwang-nbu.github.io/zh/authors/2023_jz_xu/index.xml" rel="self" type="application/rss+xml" />
    <description>许家祯</description>
    <generator>Hugo 0.163.3</generator><language>zh</language>
    <image>
      <url>https://cwang-nbu.github.io/zh/authors/2023_jz_xu/avatar_hu_e4e746db31a3d056.jpg</url>
      <title>许家祯</title>
      <link>https://cwang-nbu.github.io/zh/authors/2023_jz_xu/</link>
    </image>
    
    <item>
      <title>许家祯</title>
      <link>https://cwang-nbu.github.io/zh/authors/2023_jz_xu/</link>
      <pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate>
      <guid>https://cwang-nbu.github.io/zh/authors/2023_jz_xu/</guid>
      <description>&lt;p&gt;&lt;strong&gt;毕业去向&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;中国电信舟山分公司&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;实习经历：&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;乐歌人体工学科技股份有限公司| LOCTEK&lt;/strong&gt;， 实习生， 2024.07-2025.01&lt;/p&gt;
&lt;p&gt;主要参与无人机智能盘库预研项目，该项目旨在利用无人机自主飞行与视觉识别技术，解决传统人工盘点效率低、误差高的问题，服务于未来智能仓储管理系统。&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;负责无人机系统部署与调试，使用 Docker 封装开发环境并部署至 VOXL2 飞控平台，完成远程连接、状态监控及视频流传输链路搭建。&lt;/li&gt;
&lt;li&gt;基于 MAVLink 协议，使用 Python 实现无人机自主飞行闭环控制流程，支持起飞、航线巡航、悬停、降落及任务过程中的轨迹动态调整。&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;&lt;strong&gt;科研经历：&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;知识蒸馏&lt;/p&gt;
&lt;p&gt;● 提出了基于空间表征重构的卷积神经网络知识蒸馏方法。通过特征重构与 Logits 重构缓解复杂数据增强带来的教师监督失真问题，构建更加稳定可靠的蒸馏监督信号，从而提升学生模型的学习效果。&lt;/p&gt;
&lt;p&gt;相关论文 PS-KD: PatchMix Simulation for High-Fidelity Knowledge Distillation 已发表于 IEEE Transactions on Cognitive and Developmental Systems (TCDS).
论文地址：https://ieeexplore.ieee.org/document/11311572，
代码地址：https://github.com/GhostCells/PS-KD&lt;/p&gt;
&lt;p&gt;● 提出了基于时序-语义重构的脉冲神经网络知识蒸馏方法。通过关键时间步筛选、学生时间响应加权和语义特征压缩重构，缓解 SNN 蒸馏中的时序失配与语义冗余问题，从而提升脉冲神经网络的知识迁移质量。&lt;/p&gt;
&lt;p&gt;相关论文Consistency-aware Spatio-Temporal Distillation for\ Efficient Spiking Neural Networks 已投稿至TIP，并处于Under Review阶段
代码地址：https://github.com/GhostCells/CSTD&lt;/p&gt;
</description>
    </item>
    
  </channel>
</rss>
