拉斯维加斯手机娱乐网站 博士学位论文激励计划旨在推动中国图像图形学领域的科技进步，鼓励创新性研究，促进青年人才成长。

为宣传科技工作者积极进取的工作精神，分享激励计划入选者的科研故事，学会近日对入选2023年度CSIG博士学位论文激励计划的入选者谢吉洋进行了专访，以对话的形式，为读者们提供一次了解他的机会。

下面就跟着我们的脚步，走近今天的受访者吧。

问题一：首先非常感谢您接受我们的采访，请先向大家介绍一下自己：

很荣幸能够收到CSIG的专访邀请。我叫谢吉洋，2022年毕业于北京邮电大学并获得博士学位。我在读博期间主要从事深度学习和计算机视觉等领域的研究工作，主要研究方向为基于概率模型的深度神经网络研究。

问题二：请问您在科研过程中，有没有什么好的方法可以推荐给大家？

我认为保持大量文献阅读是高效科研的重要保障。我一般会选择1-2个与研究方向匹配的主要阅读领域和3-4个感兴趣的方向进行周期性地调研。不同方向的知识都是相通的，这可以让我拓宽研究视野，触类旁通，通过了解其他领域来促进自己的研究。同时，适当追随前沿热点可以让我感知到当下前沿发展方向，站在巨人的肩膀上开展自己的研究。获得文献的方式可以尽量多元化，包括在Google、ArXiv、IEEE Xplore等网站上进行搜索，甚至Papers With Code、各大机构的微信公众号、微博“爱可可-爱生活”等平台的论文分享和推荐。但是，对阅读的文章我一般会保持批判性思维，会思考文章的方法是否有价值，还有哪些可以改进的点。这就是我认为我在科研训练中比较好的一个方法。

问题三：请对您的论文进行简要介绍

大家都知道，数据驱动的深度学习算法缺乏理论上的可解释性。在有限训练数据条件下深度神经网络泛化性能不足，包括抗过拟合能力、不确定性分析等关键问题难以有效解决。在很多应用场景，例如自动驾驶，模型的错误决策可能会导致灾难性的后果。因此，在理论层面上提升深度神经网络可解释性和可靠性具有重要研究意义和应用前景。论文主要从注意力机制概率建模、正则化方法、不确定性估计等三方面入手，有效缓解泛化性、抗过拟合能力、不确定性等关键问题，提升可解释性和可靠性。

问题四：在您论文筹备过程中遇到的最大的挑战是什么？是怎样克服的呢？

我认为我所遇到的挑战主要是在心理层面上的。在深度学习领域，大部分的想法都是需要通过实验来验证有效性的。但是，实验结果往往是不尽如人意的。很多时候，一个拍脑袋的想法并不能发挥出幻想中的效果。可能连续想了十几个甚至几十个idea，最终真正能够有效的也就只有那么几个。这种不尽如人意所带来的压力，对于一个在赶时间节点的人来说是很令人焦虑和头疼的。在这过程中，我会尽量让自己保持平常心，告诉自己这次错过了这次的时间节点还有下一次机会，并且多尝试、多试错，不抵触失败，从失败中总结经验，不断完善。同时，我也会多从文献中获得启发，根据前人经验总结出我当前应该如何去做，站在巨人的肩膀上。

问题五：获奖感言（/对导师说的话）：

回顾读博的这几年，我认为我非常幸运，从头到尾不能说一帆风顺，但也可以说是没经历过什么非常大的波折。在这几年间，我认识了给我很多指点和帮助的导师马占宇老师，选择了感兴趣的研究方向，做出了一些阶段性成果，获得了令自己满意的成绩，感觉每一点付出都是值得的。我至今依然记得2016年五一之后的那个下午，我通过邮件联系到马老师，并且顺利地进入实验室实习。从此，我便迈入科研的大门，燃起读博的想法，一步步坚定信念，从科研小白到如今获得博士学位。这些年的求学经历，让两脚站在科研门外不知所措的我可以尝试着将一条腿跨过科研的门槛，窥探到科学的一角，心中满是感慨。在实验室的这6年多时间里，马老师给我提供了很多学习机会让我成长，我也得到了马老师很多的支持和鼓励。遇见马老师是我极大的幸运，他引领我进入学术的殿堂，领略科研的魅力。我很感激我在本科时便能遇到如此好的启蒙老师，让我的科研之路少了很多崎岖。