欧洲杯买球官网
研究生培养
您当前所在位置是: 首页 >> 人才培养 >> 研究生培养 >> 培养工作 >> 正文
【硕士开题评议】答辩信息2024-12-26
浏览量:
答辩地点:长安校区-理学院315
答辩日期:20241226
答辩秘书:杨自豪、王俊刚、王振海、袁占斌、刘昕、马啸、赵丽静
序号学生姓名学生学号导师答辩时间论文题目
1张紫云2023204856王振海10:00基于Level Set方法的相场断裂模型研究
2孔诺琰2023204851杨自豪10:30超弹性复合材料的多尺度方法及其理论分析
3张念2023204861袁占斌11:00基于自适应三角形网格的SIMP法
4赵蕊2023204844赵丽静11:30非光滑初值问题的时间积分-微分方程的局部化算法及分析
5孙宇江2023204868马啸12:00基于贝叶斯反演的程函地震定位方法
6张锐2023204854刘昕12:30(热)孔弹性问题的等阶虚拟元稳定化方法
7王鼎2023204878王俊刚13:00面向数学物理反问题的几类高效集合卡尔曼反演算法研究
8陈佳2023204848王俊刚13:30基于原对偶思想的扩散方程非线性问题高效算法研究




答辩地点:长安校区-理学楼315
答辩日期:20241226
答辩秘书:刘素英、宋曼利、夏健康

序号学生姓名学生学号导师答辩时间论文题目
1罗城2023204835宋曼利15:30-16:00一类指数临界增长型拟线性方程的正规化解研究
2张皓琦2023204837刘素英13:00-13:30空间形式上超定Steklov问题研究
3吴伯涵2023204836陈航13:30-14:00与Dunkl算子相关的一类波动方程解的Strichartz估计
4钟超2023204843夏健康14:00-14:30多重调和和的同余性质及应用
5王嘉琦2023204900马荣14:30-15:00带多重间接信号趋化模型的初值爆破准则
6卢欢欢2023204902白学利15:00-15:30带有多重间接信号的趋化模型解的衰减性





答辩地点:长安校区 教东B2-105
答辩日期:20241226
答辩秘书:魏杰

姓名学号导师答辩时间论文题目
薛静2023204857蔡力9:00-9:30失重环境下左心室-二尖瓣流固耦合系统数值模拟
景耀龙2023204858王刚9:30-10:00不可压缩流固耦合问题的数值算法研究
施丽红2023264829蔡力10:00-10:30医疗场景下的文本匹配算法研究
李璇琦2023204860王晓龙10:30-11:00两类线性系统的保结构模型降阶方法
范明华2023204863王晓东11:00-11:30粘弹流固耦合问题的重叠网格方法研究
李标林2023204852王晓龙11:30-12:00数据驱动的非线性系统模型降阶方法
俞海2023204896王晓东12:00-12:30多相流固耦合问题的无网格格子Boltzmann方法研究
许艺轩2023204850陈亚萍12:30-13:00基于非结构网格的理想磁流体方程的高精度数值格式研究
ALI MUHAMMAD2023280131王晓东13:00-13:30Semi-Lagrangian Meshfree Method for Convection-dominated Problems
吕嘉仪2023204869宋博13:30-14:00时间周期抛物最优控制问题的时间并行方法研究



答辩地点:长安校区 理学院楼A201会议室
答辩日期:20241226
答辩秘书:宋伟杰

姓名学号导师答辩时间论文题目
朱超盛2023264824延伟东8:30-9:00基于深度学习的遥感图像变化检测和语义分割方法研究
尚凯2023264830彭国华9:00-9:30单阶段检测算法在小目标检测中的方法研究
王梦甜2023204875延伟东9:30-10:00基于Mamba和注意力机制的遥感图像变化检测方法研究
宋子瑞2023204901冀腾宇10:00-10:30多时相遥感图像厚云去除的低秩方法研究
雷乐2023204907潘璐璐10:30-11:00基于卷积与自注意力机制的超分辨率重建混合网络研究
赵玉栋2023204846彭国华11:00-11:30大规模集成电路设计中图形数据转换算法的研究
李凌霄2023204849潘璐璐11:30-12:00基于深度学习的轻量化图像超分辨率重建网络研究
IRSHAD FATIMA2023280127冀腾宇12:00-12:30Research on Unsupervised Cloud Removal Method for Remote Sensing Images Based on Low-Rank Representation
AHMAD NASEER2023280135冀腾宇12:30-13:00Research on Traffic Flow Forecasting Based on Low-Rank Tensor Decomposition