如今大多数人尤其是青少年，正在承受着来自学业、生活、社会交往、感情生活等很多方面的心理压力，而对心理压力的及时感知，是解决这些心理压力问题的关键之一。为了帮助师生们更好地了解大数据在心理学中的前沿研究进展和应用实践，5月27日下午两点，心理学部人工智能与大数据实验室在北京师范大学后主楼1420举办了“如何应用神经网络和深度学习感知心理压力”专题讲座。来自心理学部、历史学院、外国语言文学学院、经管学院、国际关系学院的四十余名师生参加了本次讲座。

图1 心理学部人工智能与大数据实验室系列讲座第一期现场

在正式讲座开始前，实验中心李琦老师为到场听众介绍了本次讲座的主讲人——清华大学计算机科学与技术系计算心理研究中心的张慧君博士。张慧君目前研究方向聚焦于基于图像神经网络感知用户的心理压力，其所在团队于2013年在国际范围内首次提出在社交网络环境中感知用户心理压力，在相关领域展开了多维度的开拓式探索，积累了丰富的研究经验。

讲座主要包括机器学习心理压力感知框架与深度学习图像心理压力分析两部分。

首先，讲座对心理压力的严峻形势，基于生理信号以及基于社交媒体进行压力感知的工作进行了概览。接下来，张慧君博士详细介绍了机器学习基本原理，对监督学习，无监督学习，强化学习，迁移学习的理论概念进行了介绍，并讲解了几种经典的机器学习模型的算法原理。在此基础上，通过具体的研究框架，深入浅出地介绍了如何运用机器学习进行浅层次的心理压力感知。

图2 心理学部人工智能与大数据实验室系列讲座第一期讲座活动系列照片

在讲座的第二部分，张慧君博士向大家展示了多个基于深度学习技术的Demo实例，包括谷歌 Magenta 的基础循环神经网络制作的音乐，用 iOS 语音 APIs 实现实时字幕，图像风格智能转换与自动填色，嵌入深度学习算法自动完成Flappy Bird, 打砖块等游戏，九歌自动作诗系统，实时多人动作预估等。在此基础上，对神经网络的结构，以及常用的卷积神经网络CNN和循环神经网络RNN分别进行了介绍，并在现场带领大家一起进行了CNN中卷积和池化过程的运算，帮助大家真正了解神经网络的底层操作机制。最后，张慧君博士向大家分享了团队最新的研究进展，通过金字塔式区域特征强化提取方式，基于自注意力机制构建的图像情感分析模型，通过该模型进行图像情感分析。

正式讲座结束后同学们积极参与讨论，结合自己的科研经历，针对数据标注、深度学习模型构建等方面进行了提问，现场气氛十分热烈，本次讲座圆满结束！

注：本期讲座视频及课件可稍后于心理学虚拟仿真实验教学中心网站获取。

（来源：心理学部人工智能与大数据实验室，实验室旨在为师生提供大数据软硬件资源服务）