吴正光
GitHub: https://github.com/wuzgng
Email: wuzhguang@163.com
Tel: (+86)190*****850
信息与通信工程硕士，研究方向为深度学习、多模态信号处理与 Transformer 序列建模。具备扎实的算法工程能力和项目落地经验，熟悉大模型提示词工程与实际业务场景应用。
教育经历
北京航空航天大学
- GPA 3.83 / 4.0
- 研究方向：深度学习 · 多模态信号处理 · Transformer 序列建模
武汉理工大学
- GPA 3.86 / 4.0 | CET-6 510 · CET-4 529
- 主修：信号与系统 · 电磁场与电磁波 · 数字信号处理 · 数字电路 · 信息理论与编码
项目经历
基于 Transformer 的序列到序列信号重建模型
2024.04 – 2024.08
- 设计并实现卷积–多头自注意力融合的 Transformer 编码器-解码器序列模型，端到端完成信号重建任务，实现源序列到目标序列的时域解耦映射。
- 引入一维卷积 + GLU 门控单元增强局部时序特征建模，缓解纯自注意力机制的局部感知不足，提升序列建模的细粒度表达能力。
- 设计编码器-解码器层数消融实验，系统评估模型容量、重建精度与推理延迟之间的权衡关系。
- 重建质量 PSLR 稳定在 27.7–28 dB，验证了模型在低 SNR、高干扰条件下的鲁棒序列映射能力。
多模态特征融合与注意力机制信号识别模型
2023.10 – 2024.02
- 构建双流并行卷积架构（1D 幅度-相位序列 + 2D 时频图），分别引入通道注意力与空间注意力机制，实现跨维度特征交互与自适应融合。
- 基于 STFT 构建时频图数据集，通过 CNN + 全局平均池化实现时频域识别模型，检测准确率 96.8%，验证多表征协同的有效性。
- 1D 序列分支在低 SNR 条件下检测准确率 97.2%，双模态融合后准确率进一步提升。
- 设计三种决策级融合策略（最大置信度投票、加权投票、规则投票），实现多模型协同推理与不确定性整合。
工作经历
南方电网数字运营软件科技（广东）有限公司
2025.07 – 至今
基于大模型的图像自动判定与结构化信息提取
- 构建基于大模型提示词工程的图像自动判定流水线，实现端到端图像语义理解、结构化分类与可解释判定输出。
- 设计统一 JSON 输出 Schema，固化提示词版本与推理超参数，确保判定结果可回归、可复现。
- 基于 Python 构建自动化批量测试与验证流水线，实现 ~100 张/2 分钟的高吞吐处理效率。
电网管理平台实时数据展示消缺
- 完成前端实时数据展示与后端数据库字段映射联调，保障实时数据稳定可视化。
获奖与荣誉
- APMCM 亚太地区大学生数学建模竞赛 — 量子计算赛道 二等奖（数据分析 · 模型构建 · 算法优化）
- 全国大学生数学竞赛 二等奖、湖北省大学生数学竞赛 二等奖
- 北京航空航天大学学业奖学金
- 武汉理工大学优秀毕业生、校三好学生
个人技能
编程语言Python, Java, JavaScript
深度学习PyTorch, Transformer, Multi-head Self-Attention, CNN, GLU, Channel/Spatial Attention
信号处理STFT 时频分析, 分数阶傅里叶变换, 多模态信号处理, 特征提取
大模型与工具LLM/VLM 提示词工程, JSON Schema, 批量自动化测试, Docker