为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
随着互联网技术的发展，人们对网络的要求越来越高，单一的IP寻址方式无法满足人们的需求，因此出现了多样化路由寻址标识的多模态网络，作为多模态网络的研究范例，命名数据网自提出以来，就受到了广泛的关注，然而命名数据网的转发平面存在着快速检索与高效存储的挑战，国内外对此展开了一系列的研究，其中包括传统数据结构的索引方案。然而这些方案都有着其各自的缺点，并无法充分满足命名数据网转发平面的需求。近年来，基于机器学习的转发平面索引方案被提出，其可以通过学习数据的分布规律高效的建立索引，使其成为具有前景的方案。然而，机器学习的训练依赖于数据分布，目前所使用的训练数据都是人工合成的或者从传统网络中收集的实验标识数据，而未来多模态网络的路由标识的分布规律与实验标识的分布规律不同，直接使用的索引结构用于未来多模态路由标识，将使得现有的索引性能不稳定，而重新收集大规模的网络标识进行重新训练的效率很低。为此，提出将迁移学习技术引入命名数据网转发平面，实现小样本的高效训练，同时使多模态路由器具有智能的自适应能力。