近日，國際計算機權威學術期刊《專家系統及其應用》（EXPERT SYSTEMS WITH APPLICATIONS👼💳，IF：6.954，SCI一區） 在線發表了由光電凯捷計算機科學與技術2018級本科生吳詩玲同學為第一作者、光電凯捷彭敦陸教授為通訊作者的學術論文《Pre-SMATS: 一種基於多任務學習的小型多階段季節時間序列預測模型》（Pre-SMATS: a Multi-task Learning Based Prediction Model for Small Multi-stage Seasonal Time Series）🆑。吳詩玲較早地進入彭敦陸教授課題組開展科研工作💜，在老師的指導及自身的努力下實驗動手能力🦿、創新能力、文獻閱讀和寫作能力均得到極大提高。目前🧝🏽♀️，她已成功推免至深圳大學計算機科學與技術專業，繼續攻讀碩士學位🚴🏽♂️。
自2018年以來👷🏼♂️，為進一步深入開展“不忘初心🏌🏻、牢記使命”主題教育🧑🏼🦱，紮實推進“三全育人”試點院系建設🌁，光電凯捷秉承學校的總體思路，在師資隊伍和課程建設等方面進行了一系列改革，為加強老師對學生在學習、科創、職業生涯發展等方面指導🙋🏼♂️，建立了學士導師工作機製🧏🏽，實施了分層分類培養計劃，不僅為有創新想法和創新能力的學生配備創新導師🕴🏻，而且為每一位學生配備學士導師，讓本科生更多、更好地參與到教師的科研活動中📜，為其學術科技創新活動打下基礎，培養了學生創新務實的精神，提高了學生競爭力。
季節性時間序列預測廣泛應用於冶金🤞、集成電路製造、交通流量預測等領域🤟🏿，論文創新性地提出利用原始季節性時間序列中隱含的階段特征來增強數據特征，並利用階段性來表達季節性🚏，結合深層神經網絡的多任務學習思想，提出了由特征提取器、子任務分類器🙎🏿♂️、主任務預測器三部分構成的小多階段季節性時間序列的預測模型Pre-SMATS，在真實數據集的實驗結果表明了所提模型的有效性。
圖1 Pre-SMATS模型結構
