阶段性科研情况总结与个人心得（2024.6~2024.10）
一.概述
自6月确定研究方向（移动群智感知）以来，截至10月11日，都处于调研阶段，通过阅读大量论文了解移动群智感知领域的研究现状，个人把科研入门调研分为三阶段：
第一阶段：
阅读该领域的综述类论文，了解主流、小众研究方向，例如群智感知有”数据质量提升“，”任务分配“，”激励机制“，”隐私保护“等等。根据每一方向（例如任务分配），查看该方向的综述与研究论文（看高质量论文），了解该方向的经典技术，大概套路，阅读论文时可以多看prospect，了解作者挖的坑或者未来可以继续做的方向。此外要有自己的思考和想法。该阶段论文可以主要看摘要和结论部分，算法略看。此外，该研究领域（如群智感知）的主要课题组（国内）要了解，可以定期看他们的新论文，关注是否有新的研究方向。
第一阶段调研时的ppt目录：
第二阶段：
在第一轮的海量泛读之后，寻找几个较为新颖或者可以继续做下去的方向（找导师参考），深入调研，继续缩小范围。此时可以关注这些方向的研究状况，是否有相互结合的可能，是否已经存在大量成熟的方法。
第二阶段调研时的ppt目录
第三阶段：
确定研究方向，阅读该方向的论文，根据时间顺序梳理解决该问题的各种技术（如从经典数学方法到启发式算法，再到当今的机器学习），再看最新的解决该问题的方法，挖掘改进点。
第三阶段调研时的ppt目录
总之，”多看，多想，多记录“
二.精彩剪影
1.群体智能发展
群体智能已经从1.0时代发展到2.0时代
群体智能1.0：基于生物群体行为，大量的简单个体按照一定规则进行的活动表达出了超越个体智能限制的集体智慧。
产生的成果有蚁群算法、粒子群算法、狼群算法等
群体智能2.0：侧重于与物联网、互联网、大数据、协同计算以及人机物共融等技术和思想交叉发展的领域，将针对群体生物行为模型的研究转为针对人群智能的探索。从生物群体智能跃迁到人群表现出的集体智慧
产生的成果有群智感知计算、联邦学习、软件众包等
2.煤矿群智感知
| [Sparse Mobile Crowdsensing for Gas Monitoring in Coal Mine Working Face | IEEE Journals & Magazine | IEEE Xplore](https://ieeexplore.ieee.org/abstract/document/10557609) |
郭斌课题组在矿井下应用移动群智感知
以上是工作面示意图，本文考虑到工作面上有液压支架（支撑，防止塌方）的存在，难以部署传感器网络，因此可以利用移动的矿工携带的智能终端设备（如矿用智能手机）组成群智感知网络，实现对工作面上如液压支架、刮板传输机等难以部署传感器区域的感知覆盖。
本文将矿井下不同区域（煤墙、落煤、采空区）的瓦斯突出规律与瓦斯扩散特征加入到稀疏群智感知的感知区域选择与感知数据推断的方法之中，实现了领域交叉。
3.TinyML
一个新颖的方向，参考网站：
TinyML（微型机器学习） - MATLAB & Simulink (mathworks.cn)
mit-han-lab/tinyml (github.com)
微型机器学习 (TinyML) 是机器学习的一个分支，旨在将模型部署到微控制器和其他低功耗边缘设备。它将人工智能带到了联网系统的边缘，使得无需依赖云连接即可直接在设备上实时执行低延迟、高能效的推断成为了可能。边缘人工智能的范围更广，可以涵盖功能强大的边缘服务器和物联网设备。与之不同的是，TinyML 面向功耗最低的设备，这些设备通常在毫瓦级的功率预算下运行。对于此领域的工程师，他们主要关注如何优化算法和模型，以在保持性能的同时，最大限度减少功耗和占用空间，从而在最小的设备和传感器中实现智能功能。
后续有时间研究
4.FireBase
| [Firebase | Google’s Mobile and Web App Development Platform](https://firebase.google.com/?hl=zh-cn) |
由 Google 提供的一个后端即服务（Backend as a Service，BaaS）平台，旨在帮助开发者构建高质量的应用程序。Firebase 提供了一系列工具和服务，涵盖了应用开发的各个方面，包括数据库、云存储、认证、分析、推送通知等功能。
到做项目时可以深入了解