理工神校斯坦福大学电子工程录取案例!
背景介绍
Z同学
本科院校:清华大学
专业排名:前10,共276人
GPA:3.95/4.0
雅思:7
录取院校:斯坦福大学(电子工程),宾夕法尼亚大学(机器人),加州大学伯克利分校(电子与计算机工程),加州大学洛杉矶分校(电子与计算机科学),卡耐基梅隆大学(人工智能)
申请难点
留学规划与提升
科研经历:
1. 深度学习辅助自适应毫米波光束跟踪:以和概率为导向的方法论
提出了一种自适应波束跟踪模型。根据用户移动速度动态设置波束跟踪数目,减少低速用户的能量和时间开销。
采用LSTM网络对接收到的信号进行波束跟踪,提取复杂的多径和时间序列用户运动信息,确定波束跟踪范围,预测下一时刻的最优波束
对网络输出数据进行编码处理,从多个方案中设计了自适应波束跟踪模型和概率和门限算法
与队友一起进行模型仿真和调试,最大速度为25m/S,将波束的预测精度提高到95%以上,平均束流数由3至2.5
2. 面向异构网络的深度学习辅助毫米束预测一种双频融合方法
通过融合亚6GHz信道信息和毫米波低开销测量预测异构网络中的毫米波波束
利用几个特定于用户设备(UE) 的高质量毫米波宽波束(由亚6 GH信道状态信息 (CSI)预测)作为毫米波低开销测量
提出了一种和概率准则来灵活地调整测量宽波束的数目,并利用注意力机制来自适应地对特征进行加权
基于传统的深度学习的方案实现了较高的波束形成增益
邹同学一共5段科研经历,这里只展示其中两段,另外三段不方便透漏。
项目经历:
1. 基于高斯过程回归的股票预模型独立项目,随机过程课程项目
利用周期性特征,提出了一种改进的高斯过程回归周期性提取方法,以把握股票数据内在的周期性
实现了更准确的股票趋势预测。较长时间的相对准确的预测例如:CYAD库存150天),预测点数量和库存变动的稳健性增强
利用观察到的股票数据对模型进行训练,优化边缘对数似然函数确定超参数,通过条件高斯、贝叶斯估计等方法对股票进行预测
2. 基于视频信息的说话人识别与分离小组项目
利用对数Mayer滤波器组提取语音特征,并将其输入到LSTM循环神经网络中网络,利用网络输出及其内积进行说话人识别
将基于学习域的掩蔽方法应用于语音分离,包括将混合语音输入卷积编码器,利用匹配网络估计最优掩蔽进行信源分离,并在解码器中重构音频信号
实现人脸识别准确率98%,语音识别准确率98%,盲源分离指数(SISDR_Blind)4.248,定位分离指数(SISDRmatch) 3.339
院校解读
斯坦福大学(Stanford University),全名小利兰·斯坦福大学(Leland Stanford Junior University),简称“斯坦福”,位于美国加州旧金山湾区南部帕罗奥多市境内,临近高科技园区硅谷(Silicon Valley),是私立研究型大学,全球大学校长论坛成员,全球大学高研院联盟成员。
斯坦福大学于1885年成立,1891年开始正式招生,占地约33平方公里(8180英亩),是美国占地面积最大的大学之一。斯坦福大学与加州大学伯克利分校共同构成美国西部的学术中心,并负责运行管理SLAC国家加速器实验室、胡佛研究所等机构。