最新刊期
2024年第23卷第12期
- “在脑机接口领域，研究者提出了改进的动态图注意力通道选择方法，有效识别认知工作负荷，为复杂数据环境下的模型鲁棒性提供解决方案。”摘要：基于脑电信号（EEG）与功能近红外光谱（fNIRS）生理数据的认知工作负荷识别研究在脑机接口领域备受关注。然而，复杂的数据采集环境对通道间数据产生不可控影响，严重制约了模拟人类大脑信息传输过程的模型准确性与完整性。针对此问题，提出一种改进的动态图注意力通道选择方法，通过图注意力网络（GAT）返回的注意力得分进行通道选择，从而减少环境干扰，提升模型鲁棒性。此外，简单特征融合会忽略不同模态间的异构性而导致重要信息丢失，因而设计了分层特征融合模块。该模块通过有效整合EEG与fNIRS不同层次的特征信息，从而增强了模型对认知任务的识别能力。在柏林工业大学提供的两个公开的心算任务和N-Back任务数据集上进行了验证，在被试依赖的训练策略下，对每名被试采用十折交叉验证方法，分别取得了85.44%和91.72%的平均精度，相比于当前先进方法，该方法表现出一定优势。实验结果表明，该模型能够在复杂数据环境下有效识别认知工作负荷，同时所提出的通道选择方法对于降低计算成本、排除无关通道具有重要意义。关键词：脑电图;功能性近红外光谱;通道选择;认知工作负荷识别;分层特征融合0|0|0发布时间：2024-12-30
- “在风电功率预测领域，专家提出了基于特征重组和优化算法的BILSTM与RF组合模型，显著提升了预测精度，R2达到0.99425。”摘要：短期风电功率预测对电力系统正常运转至关重要，为了提升风电功率预测精度，提出基于特征重组方法和改进量子粒子群算法（IQPSO）优化双向长短期记忆网络（BILSTM）与随机森林（RF）的短期风电功率预测组合模型。首先，运用局部均值分解处理风电数据得到多个子分量，并计算其模糊熵以重组新特征分量。其次，采用IQPSO优化的BILSTM预测特征分量，将各分量结果叠加得到初步预测值。最后，使用IQPSO优化的RF对初步预测值进行误差修正。实验表明，该模型决定系数（R2）达到了0.994 25，优于其他模型，消融实验也验证了各模块的必要性。关键词：风电功率预测;特征重组;改进量子粒子群优化算法;双向长短期记忆网络;随机森林;误差修正0|0|0发布时间：2024-12-30
- “在云计算领域，专家提出了MVMD-MHAT-BiLSTM模型，优化资源负载预测，提高了预测精度。”摘要：目前，云计算服务提供商在预测大规模工作负载和资源使用方面面临着巨大挑战，由于难以捕捉非线性特征，传统的预测方法通常无法对资源负载数据实现较高的预测性能。此外，原始的时间序列中存在大量噪声，如果不采用平滑算法对这些时间序列进行去噪，预测结果可能无法满足提供者的要求。为此，提出一种MVMD-MHAT-BiLSTM组合预测模型，该模型首先使用改进的灰狼优化算法优化VMD参数，之后通过变分模态分解的信号分解方法，将复杂、非线性的原始时间序列分解为低频本征模态函数；接着在BiLSTM中引入多头注意力机制捕获多层次、双向特征；最后使用注意力机制探索不同输出维度的重要性。在阿里的公开数据集中验证该模型性能，与BiLSTM、Pa-BiLSTM、CNN-BiLSTM、MHAT-BiLSTM和VMD-MHAT-BiLSTM模型相比，该模型的均方根误差下降了8.6%~19.3%，实现了更高的预测精度。关键词：云资源负载预测;灰狼优化算法;变分模态分解;多头注意力机制;双向长短记忆网络;注意力机制0|0|0发布时间：2024-12-30
- “在交互式推荐系统领域，专家提出了基于对比学习和深度强化学习的推荐系统框架，有效解决了正负反馈建模问题，为推荐系统研究开辟了新方向。”摘要：深度强化学习技术在交互式推荐系统上的应用已十分成熟，但少有研究专门对状态进行表示建模，只针对用户交互过程中的正反馈序列进行状态表示建模，导致推荐系统忽略了用户交互过程中负反馈序列中存在的潜在关系及用户兴趣变化，使得推荐结果过于片面。鉴于此，提出一种基于对比学习和深度强化学习的推荐系统框架，设计了对用户和推荐系统交互过程中产生的正负反馈序列进行建模的状态表示模块。此外，为了缓解正反馈数据稀疏问题和细粒化正负反馈之间的差异性，还加入了对比辅助任务。在Movielens-100K和Movielens-1M两个真实世界的数据集上进行了大量实验，HR@10评价指标分别为0.705 2、0.490 2；NDCG@10评价指标分别为0.478 2、0.271 5。结果表明，该方法明显优于当前先进方法，证明了CRLRS对正负反馈同时进行建模以及加入对比辅助任务的必要性，并且具有更好的推荐性能。关键词：深度强化学习;对比学习;推荐系统;正负反馈;状态表示0|0|0发布时间：2024-12-30
-
基于ChatGLM的情感分析数据增强方法 AI导读
“在自然语言处理领域，针对情感分析的少样本问题，研究者提出了基于ChatGLM模型的多阶段数据增强策略，有效提升了准确度。”摘要：情感分析是自然语言处理领域的热门任务之一。由于训练数据的标注难度大、成本高，少样本下的情感分析受到人们关注，数据增强方法是少样本学习的主要方法之一。然而，传统的数据增强方法并没有关注到情感分析的特点，增强的数据中可能产生语义不一致、情感偏差和过度生成等问题。为了解决以上问题，提出一种针对情感分析的基于ChatGLM模型的多阶段数据增强策略。先使用EDA方法对文本进行词语级别的简单数据增强，再通过情感词典对生成的数据进行过滤，最后通过ChatGLM模型进行句子级别的增强。实验结果表明，该方法与传统最优的数据增强方法相比，在3个数据集上的准确度分别提升了1.9%、2.1%、2.2%，证明了该方法对于少样本情感分析的有效性。关键词：少样本学习;情感分析;数据增强;预训练模型;自然语言处理0|0|0发布时间：2024-12-30 - “在工业部件异常检测领域，研究人员提出了一种基于多尺度特征融合的自监督算法，有效提高了检测准确性，为工业生产质量控制提供了新方案。”摘要：工业部件异常检测是工业生产中的关键问题，其主要目的是及时发现和识别异常部件，以保证产品质量和生产效率。然而，当前工业部件异常检测算法仍面临极大的挑战，例如不同尺度的目标瑕疵对算法准确性的影响，所有可能的异常数据无法被穷尽的不确定性等。为解决上述问题，提出一种基于多尺度特征融合的自监督工业部件异常检测算法，采用泊松融合将不同大小的矩形块无缝融入正常样本以生成异常样本标签对，并在基于编解码结构的CNN模型基础上提出注意力空洞空间金字塔池化耦合（A-ASPP）模块。该模块通过空洞空间金字塔池化实现图像的多尺度特征提取，并利用通道注意力和空间注意力机制实现多尺度特征交互与重点区域加权，最后通过模型输出的概率图定位异常区域。实验结果表明，在公共数据集MvTecAD中，针对螺钉类别，该方法的AUROC指标相比NSA方法提高了9.2%，且在该数据集上的平均AUROC达到98.5%，优于NSA方法。关键词：自监督学习;多尺度特征融合;泊松融合;注意力机制0|0|0发布时间：2024-12-30
- “在大学生情感分析领域，研究者提出了基于FastText字向量表示方法结合Self-Attention与BiLSTM的分析方法，实验显示其分类性能较传统模型提高了6%和3%。”摘要：针对基于词向量的网络模型性能过分依赖分词准确性的问题，提出基于FastText字向量表示方法结合Self-Attention与BiLSTM的大学生情感分析方法（character-SATT-BiLSTM）。使用fasttext模型生成文本字向量，通过双向长短时记忆模型提取上下文语义特征，利用自注意力机制强化关键信息，最后使用Softmax分类器判断情感类别。实验结果显示，字向量文本表示方法比词向量更适合论坛文本情感分类，同时character-SATT-BiLSTM相比character-LSTM、character-BiLSTM等模型的效果更优，分类性能分别提高了6%和3%。关键词：FastText;字向量;双向长短时记忆;自注意力;情感倾向分析0|0|0发布时间：2024-12-30
-
基于图卷积网络与社群发现的异常检测方法 AI导读
“深度学习领域专家提出了基于图卷积网络的两阶段异常检测方法，有效提升了复杂网络结构的异常检测性能。”摘要：深度学习领域对于图结构数据的关注程度日益加深，社交、医疗、电力系统等多个领域已将实体抽象成属性网络的形式，知识图谱等组织方式成功实现了信息的高效组织与管理。在这些信息丰富的网络中，安全问题尤为重要，因为异常实体的存在可能会对整体利益造成威胁。传统方法在图结构数据异常检测方面存在一定困难，尤其是在捕捉网络高维度特征方面表现不佳。深度学习方法尽管强大，但由于网络深度的限制，往往难以获取网络的全局信息。为此，提出一种基于图卷积网络的两阶段异常检测方法，通过图卷积神经网络逐步获取节点的社群信息，克服了传统方法在高维度特征捕捉上的不足；同时考虑节点自身属性，以更好地适应各类复杂网络结构，提升了异常检测性能。实验结果表明，该方法在部分数据集上的AUC分数超过0.9，在各数据集上与基线方法相比可以取得最优或次优性能表现。关键词：异常检测;图卷积网络;社群发现;属性网络0|0|0发布时间：2024-12-30 - “在物资招标领域，专家提出了基于K-BERT-LDA的层级多标签文本分类方法，通过特征融合和标签树形结构关系提升分类准确性，为智能分标提供解决方案。”摘要：传统人工招标分标效率准确率低，针对语义特征稀疏且标签具有明显层级结构特点的物资招标文本，提出了一种基于K-BERT-LDA的层级多标签文本分类方法。首先，通过混合模型提取文本特征，K-BERT模型提取具有知识注入的文本特征以弥补语义信息缺失，LDA主题模型提取主题分布特征，并通过特征融合进一步丰富文本特征表示。其次，联合嵌入类别标签，即上层标签预测结果能引导下层分类，并充分利用标签间的树形结构关系提升多标签文本分类准确性。最后，提出一种基于文本相似度算法的智能处理策略，通过合并预投资金额不足的标段以保障招标成功率并得到分标结果。实验表明，所提方法相较于其他分类方法及单一模型而言分类性能更好，准确率、精确度和F1值分别达到95.45%、92.57%和91.88%，能高效、准确地实现智能分标目的。关键词：招标分标;层级多标签文本分类;知识注入;主题分布;特征融合;文本相似度0|0|0发布时间：2024-12-30
- “在烟叶打叶复烤工艺领域，专家构建粒子群优化随机森林模型，探究参数对出口指标影响，为提升烟叶复烤质量提供理论依据。”摘要：二次润叶出口含水率和温度的稳定性是评估烟叶打叶复烤工艺的关键指标。针对云南某复烤厂二次润叶生产中环境温度、水蒸汽流量等参数导致二润出口指标难以准确控制的问题，通过构建基于粒子群优化的随机森林算法模型，探究不同工况条件下各参数对二润出口指标的影响。对二次润叶参数历史数据进行清洗，剔除脏数据之后进行皮尔逊系数分析，找到与出口质量紧密关联的生产控制关键参数。结合现场人工经验和关联分析，使用粒子群优化的随机森林算法对回风温度、热风温度、排潮风门和补偿蒸汽阀门开度进行寻优，并与随机森林、灰狼优化的随机森林和BP神经网络进行对比。研究结果表明，该算法得到的回风温度和热风温度均方误差为0.003，排潮风门和补偿蒸汽阀门开度均方误差为0.001，可为操作人员调整设备、提升烟叶复烤质量提供理论依据。关键词：二次润叶;随机森林;粒子群优化;关联分析;均方误差0|0|0发布时间：2024-12-30
- “最新研究突破，专家提出基于多级词汇全局指针与对抗训练的命名实体识别模型，有效提升中小微企业政策信息提取效率。”摘要：中小微企业在国民经济中具有重要地位。近年来，国家推出的多种惠企政策包含政府决策关键信息。然而，政策文本结构复杂、专业语义性依赖较强，且含有噪声文本与嵌套实体，信息提取难度高。为此，提出一种基于多级词汇全局指针与对抗训练的命名实体识别模型。该模型在嵌入层融合LEBERT模型获取字符与词汇的组合语义表示，通过全局指针构建全局实体矩阵，统一处理扁平和嵌套实体；同时引入旋转式位置编码提升对位置信息的感知力，并结合对抗训练增强稳定性和鲁棒性。实验结果表明，该模型的F1值为81.90%，与经典的基于序列标注的模型相比提升了4.72%，整体性能支持下游任务开展。关键词：命名实体识别;惠企政策;预训练模型;全局指针;对抗训练0|0|0发布时间：2024-12-30
人工智能
-
能量收集物联网中信息年龄优化调度策略 AI导读
摘要：信息年龄（AoI）是度量数据新鲜度的指标，是能量采集物联网优化设计的重要考虑因素。现有AoI优化策略往往仅从源节点侧或基站侧进行优化设计，为此针对具有多源节点、有能量上限、理想信道的能量采集物联网设计了一种兼顾源节点采样策略与基站调度策略的联合优化方案。源节点采样策略考虑了如下平衡：采样时间越早，缓存样本的AoI越大；采样时间太晚，则可能浪费能源，或者来不及上传基站。基站调度基于贪心策略，选择能够使系统的长期平均AoI增加最小的源节点。研究表明，与已有的成熟基线方法相比，该方法可以获得更好的长期平均AoI。关键词：信息年龄;能量收集物联网;采样策略;调度策略0|0|0发布时间：2024-12-30 -
基于环境判断的激光视觉融合定位算法 AI导读
“在SLAM领域，专家提出了基于环境判断的激光视觉融合定位算法，有效提高了复杂环境下的定位精度。”摘要：为了解决在某些低纹理或障碍物少场景下SLAM系统定位精度低的问题，提出一种基于环境判断的激光视觉融合定位算法。该算法通过比较激光传感器和视觉传感器所获取的信息量判断当前环境是有利于激光传感器还是视觉传感器。为每个传感器设置一个权重，根据各传感器信息所占权重对位姿进行优化以提高定位精度。此外，由于激光传感器获取的纹理信息有限，采用激光传感器进行回环检测误差较大。为提高回环检测精度，依据环境判断的结果动态决定是使用激光传感器还是视觉传感器进行回环检测，再对机器人位姿进行全局优化，以平摊误差。实验结果证明，在复杂环境下，相较于改进前的算法，所提算法精确度更高，在mh_02_easy、V1_02_medium、V1_03_difficult 3个序列中的误差分别为0.031/0.025、0.040/0.037、0.036/0.033，能很好地贴合真实轨迹。关键词：定位;复杂环境;激光传感器;视觉传感器;环境判断;回环检测0|0|0发布时间：2024-12-30 -
基于扩展卡尔曼滤波算法的梯度VAD技术 AI导读
“在气象雷达领域，研究者采用扩展卡尔曼滤波算法处理梯度VAD技术，有效提升了风场反演精度。”摘要：梯度VAD技术是为克服传统VAD技术受速度模糊较大影响而被提出，但在使用梯度VAD技术过程中，由于方位径向速度中的误差或者噪声会在径向速度方位梯度中放大，因而通常使用低通滤波对径向速度方位梯度进行平滑，但它仍然对水平风场反演的准确性产生了严重影响。鉴于此，提出使用扩展卡尔曼滤波算法（EKF）对方位径向速度梯度进行处理，结果显示扩展卡尔曼滤波算法可以有效降低方位径向速度中的小波动和噪声在方位径向速度梯度中产生的影响，从而实现对风场反演水平精度的提升。对厦门SA波段多普勒雷达数据进行速度未退模糊和速度退模糊两次预处理，再分别经由低通滤波和EKF对比，结果表明，EKF算法比低通滤波算法下的方差在速度退模糊和不退模糊的数据处理过程中分别缩小了40%左右和50%左右，由此说明EKF处理后的径向速度梯度更稳定，从而提升了梯度VAD技术的反演精度。关键词：扩展卡尔曼滤波算法;梯度VAD;多普勒天气雷达;风场反演;低通滤波0|0|0发布时间：2024-12-30 - “服务计算技术发展迅速，专家提出群组融合方法，为个性化服务定制需求提供解决方案。”摘要：随着服务计算技术的蓬勃发展，服务范畴已从线上服务扩展到线下旅游、购物、餐饮等各行业领域，产生了海量的个性化服务定制需求。然而，鉴于定制成本等因素，服务提供商往往不会为小规模用户逐一提供个性化定制服务。从大量用户的个性化服务定制需求中找到共性，将相似需求聚类融合成组，以形成较大规模的群组定制需求将有望建立供需双赢局面。这一需求成组操作需基于需求之间的不对称相似度开展，而现有的聚类算法都是依靠相似度进行的，并没有考虑聚类后对象的兼容性。为此，提出针对个人服务定制需求的群组融合方法，增加了满意度这一限制条件，在此条件下进行需求对象的聚类工作，并在建立定制需求模型的基础上给出需求之间不对称相似度的计算方法，进而以最大平均组满意度为优化目标设计群组构建及融合算法，以将若干相似的个人定制需求成组并融合为一个全组满意的群组定制需求。通过具体实验演示，证明了该方法的可行性和有效性。关键词：服务计算;个性化定制;不对称相似度;群组融合;聚类;组满意度0|0|0发布时间：2024-12-30
- “在移动机器人路径规划领域，研究者提出了一种改进SARSA算法，有效提升了机器人智能化行动的路径规划能力。”摘要：针对传统SARSA算法在移动机器人路径规划中存在收敛速度慢、探索随机性较大且在有动态障碍物的环境下路径规划效果不佳的问题，提出一种将人工势场法与传统SARSA算法相结合的改进SARSA算法。首先，利用人工势场的引力函数控制算法的奖励函数，增加探索时的导向性；其次，利用人工势场的斥力函数生成μ值，以有效调整路径规划中的Q值，使越靠近障碍物时Q值越低，从而提高路径规划算法的收敛速度，减少与障碍物的碰撞频率。将改进SARSA算法与其他算法进行仿真实验，对比验证结果表明，改进后的SARSA算法在收敛速度、平均学习时间、平均学习步数、撞到障碍物的平均次数等性能上提高明显，可有效提升移动机器人智能化行动的路径规划能力。关键词：强化学习;改进SARSA;人工势场法;路径规划;移动机器人0|0|0发布时间：2024-12-30
计算机软件与理论
-
基于数字孪生的无人平行智能搜救系统 AI导读
“在未知搜救场景下，专家结合数字孪生与机器人集群技术，建立了智能搜救数字孪生框架，为高效完成搜救任务提供解决方案。”摘要：为解决未知搜救场景下人工救援决策危险系数高、全局信息了解不足、决策效率低等问题，将数字孪生与机器人集群技术相结合，借助数字孪生良好的可视信息整合能力及虚拟平行推演决策能力，以无人化方式高效完成搜救任务。首先，提出一种分层多机智能搜救数字孪生框架，详细介绍各组成部分并对其进行理论分析。其次，考虑到搜救任务的实时需求，基于SLAM提出一种动静结合的实时数字孪生模型构建方法。针对高速移动下虚实不同步、搜索定位目标精度不足、缺乏直接救援路径规划辅助决策等问题，分别设计了在线虚实同步模块、协同目标搜索定位模块、平行决策救援路径规划模块。最后，基于提出的框架和设计的模块，使用Unity3D虚拟引擎开发了数字孪生原型系统，在模拟搜救场景下进行实验验证。结果证明了系统的可靠性，为未来完成智能化搜救任务提供了有效参考。关键词：城市搜救;数字孪生;平行智能;无人系统;集群协同0|0|0发布时间：2024-12-30 -
基于FPGA的高速ADC数据采集系统设计 AI导读
“在激光扫描共聚焦显微镜领域，专家设计了基于FPGA的高速数据采集系统，实现了250 Mbps采样速率和14 bit数据采样精度，满足成像仪器需求。”摘要：针对激光扫描共聚焦显微镜的大视场、高分辨率需求，为在振镜扫描的时间内获取更多数据量，设计一种基于FPGA的高速数据采集系统。该系统采用Xilinx的A7系列FPGA作为主控芯片，同时选用TI公司提供的LMK0482X系列时钟发生器和一款支持JESD204B协议的单通道14位高速ADC14X250芯片共同组成信号采集系统。系统使用Verilog硬件描述语言在Vivado平台下实现各模块功能，通过SPI协议完成LMK0482X和ADC14X250芯片的寄存器配置，利用Xilinx提供的JESD204B IP核构建基于AXI协议的高速串行数据链路，实现ADC与FPGA之间高效的数据采集传输。实验结果表明，在5 Gbps的传输速率下，接口可以正确接收与解析数据，系统的采样速率可达到250 Mbps，数据采样精度为14 bit，符合激光扫描共聚焦成像仪器的数据采集要求。关键词：FPGA;高速ADC;数据采集;共聚焦显微镜0|0|0发布时间：2024-12-30 - “在医疗应急预案领域，专家构建了垂直领域知识图谱，提出开源大模型增强问答方法，逻辑准确率达84.16%，为智能化提供新方向。”摘要：目前我国医疗应急预案领域规模庞大但智能化程度不高，知识图谱问答系统能够将操作核心由人转移到机器，从而实现智能化，但该领域高质量知识图谱规模较小，问答匹配任务存在检索低效与处理流程复杂的问题。大语言模型为知识图谱问答提供了新方向。探索开源大模型与医疗应急体系智能化结合，构建医疗应急垂直领域的知识图谱，提出一种开源大模型增强知识图谱问答的方法。该方法先生成后检索，利用微调开源大模型生成查询语句，由知识图谱实体、关系组成的词典对生成查询语句替换实体与关系，通过规范查询语句获取知识图谱答案。经过实验测试，该方法在测试集上的逻辑准确率达到84.16%，在自建知识图谱上可行且对其他领域有参考价值。关键词：大语言模型;知识图谱问答;智能化;应急预案0|0|0发布时间：2024-12-30
软件设计、开发与应用
- “在企业信用管理领域，专家基于区块链提出了多级征信数据安全存储和共享系统，有效解决了数据孤岛、单点故障与隐私泄露等问题，为数据安全存储和可靠共享提供解决方案。”摘要：在现阶段的企业信用管理体系中，不同实体间掌握的数据多样并异构，实体间共享数据困难且存在数据孤岛、单点故障与隐私泄露等问题，而区块链因其天然的去中心化和防篡改特性，可很好地解决该问题。因此，基于区块链提出了一个多级征信数据安全存储和共享系统。首先，通过区块链链上和链下存储相结合的方法，实现了多级数据的分类混合存储，解决了区块链的存储瓶颈；其次，提出了一种基于优先级的多级优先队列排序算法，为多级数据提供资源公平、性能优先的排序调度服务，从而提升了区块链服务质量；最后，设计一个细粒度的访问控制策略，通过通道和文件加密解决了IPFS可能存在的文件泄漏问题，并进一步提升了区块链存储文件的安全性和可靠性。实验表明，系统有效解决了传统共享存在的冗余和安全性问题，实现了高效的数据安全存储和可靠共享，且能满足实际应用的性能需求。关键词：区块链;数据共享;访问控制;数据存储0|0|0发布时间：2024-12-30
-
基于分布式数字身份的在线招聘隐私保护方案 AI导读
“在在线招聘领域，专家提出了基于分布式数字身份的隐私保护方案，有效解决了用户隐私泄露和招聘信息伪造问题，为在线招聘业务隐私保护提供了新思路。”摘要：针对目前在线招聘业务场景中存在的用户隐私泄露和招聘信息伪造等问题，引入分布式数字身份和代理重加密技术，提出一种基于分布式数字身份在线招聘隐私保护方案。首先，通过分布式数字身份的基础设施将隐私数据回归用户手中，不再存于三方数据库；其次，通过代理重加密技术支持数据安全流转与验证；最后，对于方案中各个流程，设计了算法分别进行高并发下的性能测试。实验表明，基于分布式数字身份的数字凭证可提供高效、低成本的凭证颁发与验证服务，能在性能可接受的情况下保护数据流转过程中的隐私安全与有效验证。关键词：分布式数字身份;在线招聘;数字凭证;代理重加密0|0|0发布时间：2024-12-30 - “区块链技术助力牛肉冷链溯源，提升数据透明度和追溯效率，为智能保质储运提供技术支持。”摘要：牛肉冷链溯源存在检查难、信息中心化、追溯时间长、肉质信息不透明和核实方式不统一等难题，利用区块链账本去中心化、不可篡改和数据透明等优势可以解决以上问题。通过物联网设备采集冷链数据，并使用区块链CA实现设备认证，以保证源数据可靠。基于Hyperledger Fabric构建含监管节点的联盟链网络，使用智能合约完成数据核验和链码监管。同时，通过采用多种存储技术，有效提升区块链网络的读写效率。以冷鲜牛肉冷链为例，在满足资源利用率要求的前提下，调优区块链参数并测试。结果显示，全节点网络平均事务吞吐量为154 TPS（tx/s），平均交易最大时延为0.14 s，子链平均事务吞吐量达270 TPS，平均最大交易时延为0.084 s，可并发处理的事务吞吐量为200~500 TPS。研究表明，该溯源系统在满足溯源要求的同时，可为冷鲜牛肉智能保质储运提供技术支持。关键词：区块链;Hyperledger Fabric;溯源;智能合约;冷链0|0|0发布时间：2024-12-30
-
基于区块链的智能电网可追溯匿名认证 AI导读
“在智能电网领域，专家提出了一种基于区块链的可追溯匿名认证方案，有效解决了低延迟和实时同步信息的挑战，为智能电网安全高效运行提供了新思路。”摘要：实现低延迟和实时同步信息是目前智能电网面临的两个挑战。现有的智能电网身份认证方案大多存在计算和通信成本高的问题，不适合智能电网中计算资源有限的智能设备。基于区块链提出一种智能电网可追溯匿名认证方案，该方案可以在智能电表匿名的情况下，实现边缘服务器认证合法的智能电表，同时认证过程不需要电力服务注册授权中心的参与。为了解决效率问题，该方案构造了一种变色龙哈希算法，能够在一次认证后显著提高后续认证效率。安全性分析表明，该方案具有不可区分性、匿名性、条件可追溯性，能够抵抗模拟攻击、抗重放攻击。性能分析表明，该方案能够满足智能电网环境下对于低延迟和高效性的要求。关键词：身份认证;区块链;身份匿名;条件可追溯;智能电网0|0|0发布时间：2024-12-30
区块链技术及应用
- “三维网格简化技术取得新进展，改进QEM算法有效保留特征点，提升视觉效果连续性。”摘要：三维网格简化是计算机图形学中的一项重要技术，广泛应用于虚拟现实、游戏开发和计算机动画等领域。传统的QEM算法虽然在简化过程中能有效降低模型的复杂性，但是在保留重要细节特征方面存在一定的局限性。为解决这一问题，在QEM算法的基础上引入折叠前后三角面法向量夹角的判断，以及三角形正则度作为边折叠的约束条件。这一改进策略旨在确保简化过程中模型的视觉效果保持连续性，并尽量减少狭长三角形的生成。在多个三维模型上进行实验，结果显示，改进后的算法在相同简化率条件下相较传统QEM算法和顶点聚类算法更能有效保留特征点，确保简化前后的视觉效果相近，且改进算法处理后的模型网格与原始模型网格的豪斯多夫距离最小。关键词：网格简化;二次误差度量;法线向量;三角形正则度;边折叠0|0|0发布时间：2024-12-30
-
面向多尺度与条形特征的道路提取方法 AI导读
“在遥感图像道路提取领域，MSS-LinkNet模型通过多尺度卷积注意力模块和条形池化模块，有效提升了道路检测的准确性和效率。”摘要：在遥感图像道路提取任务中，道路信息常受光照、阴影、遮挡等环境因素干扰，而道路通常呈现为细长带状，因此难以被准确检测。为此，提出一种面向多尺度和条形特征的改进LinkNet模型（MSS-LinkNet），以捕捉不同尺度的上下文信息，并且十分契合道路细长的特点。首先，将多尺度卷积注意力模块作为编码器的基本组成单元，保障模型对多尺度特征和条形特征的提取能力。其次，在网络的中心区域增加改进后的空洞空间金字塔池化模块，增强模型对多尺度信息的解析能力。最后，在解码器部分增加条形池化模块以强化模型对条形信息的解析能力。实验表明，所提模型相较于D-LinkNet而言，在DeepGlobe、Massachusetts数据集上的IOU分别提升2.53%、0.71%，参数量和计算量仅占D-LinkNet的54.15%、79.63%。关键词：道路提取;多尺度特征;条形特征;注意力机制0|0|0发布时间：2024-12-30 - “在滇中高原农作物种植结构提取领域，专家基于Sentinel-2A影像数据，构建面向对象的支持向量机模型，总体精度达93.87%，为当地农业灌溉和经济发展提供帮助。”摘要：滇中高原地区海拔高，农作物分布破碎，种植地块面积小，快速准确地获取农作物种植结构对于当地农业灌溉、估产等意义重大。目前鲜有基于Sentinel-2A影像数据对滇中高原农作物复杂地区的研究，为此，基于光谱、纹理、地形3类特征构建神经网络、支持向量机与随机森林分类器，分析比较得到适合灌区的特征组合与最佳分类器。实验结果表明：3种分类模型中，支持向量机更适合灌区的种植结构提取，其总体精度为91.74%，Kappa系数为0.87。在此基础上构建面向对象的支持向量机模型，农作物提取整体精度得到进一步提升，总体精度为93.87%，Kappa系数为0.90，与传统的3种特征组合的支持向量机法相比总体精度提高了2.13%。面向对象的支持向量机法适用于滇中高原蜻蛉河大型灌区的农作物分类，可为当地水利灌溉和农业经济发展提供帮助。关键词：Sentinel-2A;种植结构;特征提取;支持向量机0|0|0发布时间：2024-12-30
- “在公路路面裂缝检测领域，研究者提出了基于改进Yolov5s的病害检测模型，有效提升了检测精度，为路面养护提供新方案。”摘要：公路路面裂缝是沥青路面病害中的重要影响因素，而路面裂缝检测是路面养护的重要一环。针对公路路面裂缝检测算法存在漏检误检和识别精确度低的问题，提出一种基于改进Yolov5s的路面裂缝病害检测模型。首先，采取注意力机制模块CBAM学习目标特征和位置特征并增加有用特征权重；其次，提出Decoupled解耦头方法将特征图通过不同分支进行分开处理以此提升训练精度；最后，提出改进后的αDIoU损失函数替换原始模型中的CIoU损失函数，并选用α=3来提升high IoU object的loss梯度值及框的回归效果。实验表明，改进后模型平均检测精确度为92.8%，召回率为94.5%，mAP值为96.5%，相较于原始模型提升了1.8%，证明了改进后模型在检测精度上具有较高的提升效果，能满足对于公路路面裂缝的识别检测任务。关键词：路面裂缝检测;Yolov5s;注意力机制;解耦头;损失函数0|0|0发布时间：2024-12-30
- “在草坪环境下行人检测领域，YOLO-CGO模型通过轻量化改进，显著提升了检测精度和速度，为割草机器人自动化提供了新途径。”摘要：草坪环境下的行人检测模型存在识别率低、模型体积大、参数多、识别速度慢等问题，难以部署到计算能力有限的机器人平台上。为解决这一问题，对YOLOv5s进行改进，并提出了更轻量化和高精度的YOLO-CGO模型。采用轻量级网络MobileNetv3重置模型的特征提取网络，减少了模型参数量，提高了检测速度；结合CA注意力模块改进颈部网络的C3模块，将颈部网络的卷积层替换为GSConv卷积层，最后一层卷积替换为ODConv卷积层以减轻模型复杂度并保持准确性。实验结果表明，YOLO-CGO模型在自建数据集上比原始模型模型的参数量降低38%，模型体积降低38%，计算量GFLOPS减少50%，取得了明显的轻量化；与原始模型相比，该模型在mAP@0.5上提高了1个百分点，在mAP@0.5：0.95上提高了1.7个百分点。研究表明，YOLO-CGO模型在轻量化的情况下可获得优良的精准度，为算力资源有限的割草机器人自动化、智能化提供了实际可行的途径。关键词：行人检测;轻量化;GSConv;ODConv;CA注意力模块0|0|0发布时间：2024-12-30
-
多滤波器支持相关滤波跟踪算法 AI导读
“在目标跟踪领域，研究人员提出了多滤波器支持相关滤波跟踪方法，有效利用样本历史信息，提高了跟踪精度。”摘要：支持相关滤波跟踪方法利用循环采样将计算转换到频域进行，解决了支持向量机采样少与计算量大的问题。但是当前跟踪方法在模型更新时将历史样本和当前样本进行线性插值，不能很好地利用样本的历史信息。针对该问题，提出多滤波器支持相关滤波跟踪方法。在跟踪过程中，首先利用历史样本训练历史滤波器，其次利用历史滤波器对当前滤波器进行约束，从而能够更好地利用样本的历史信息。在OTB100数据库上的实验表明，该算法精确率达到79.2%，成功率达到58.6%。相较于尺度核化支持相关滤波算法（SKSCF），该算法在精确率与成功率上分别提高了2%和3.7%。关键词：多滤波器;支持向量机;支持相关滤波;目标跟踪4|0|0发布时间：2024-12-30 -
不规则脑区神经元的自适应网格分析方法 AI导读
“最新研究突破了脑神经元形态分析的瓶颈，提出了自适应网格划分方法，为脑区分层研究提供数据依据。”摘要：随着脑显微成像技术的发展，大量脑神经元的精细数据如今已能获取。如何高效准确地分析不规则脑区与脑神经元之间的关系是目前的瓶颈问题之一。现有分析方法主要对皮层脑区进行长方体网格分块，通过分块后的区域分析神经元的形态，然而该方法无法保持不规则脑区分块后的拓扑结构，导致神经元形态分析困难。针对该问题提出自适应网格划分方法，基于脑区二维序列轮廓图，通过适应性调整网格形状来匹配不规则脑区的几何特征，能够较好地包围划分区域。实验结果表明，该方法能够精准划分不规则脑区，保持脑区的拓扑结构，并对脑区内的神经元进行正确的统计分析，提供脑区分层的数据依据。关键词：自适应网格;不规则脑区;神经元4|0|0发布时间：2024-12-30 - “在视频超分辨率领域，研究者提出了一种基于可变形注意力空间变换的对齐方式，有效提升了低分辨率视频转高分辨率视频的性能。”摘要：视频超分辨率技术旨在将低分辨率视频转为高分辨率视频。现有基于可变形卷积的特征对齐方式受限于感受野大小，只能在指定的空间位置进行卷积空间的局部偏移，当帧间大规模运动时效果并不好。为此，提出一种基于可变形注意力空间变换的对齐方式在整个特征图进行采样。首先，通过偏移将采样点聚焦于当前处理位置相关的任意位置；其次，模型在全局范围使用递归结构传播融合特征，局部范围利用Transformer提取特征与对齐帧；再次，将对齐后的特征输入具有通道注意力的时空特征融合模块中来补充重建信息；最后，将融合模块的输出随递归网络进行双向传播，以补充相邻帧的时域特征，并通过亚像素卷积4倍上采样得到高分辨率视频。实验表明，该网络以BasicVSR为基线，在REDS4、Vid4数据集上的PSNR指标分别提升0.69 dB和0.43 dB。关键词：循环神经网络;视频超分;Transformer;注意力机制;深度学习4|0|0发布时间：2024-12-30
-
基于神经辐射场的城市三维重建 AI导读
“在计算机视觉领域，城市三维重建技术取得新进展。专家采用基于神经辐射场的阶段式三维重建方法，并提出基于远边界的采样分布策略，有效提升了渲染质量。”摘要：城市三维重建是计算机视觉领域备受关注的热点问题。城市三维模型的应用涵盖多个领域，然而，在目前城市场景重建工作中依然存在一些问题，包括城市场景下的数据多尺度问题、近景重建比较模糊而远景重建出现锯齿、远景细节表征不足和边缘模糊等。为了解决这些问题，采用基于神经辐射场的阶段式三维重建方法，并提出基于远边界的采样分布策略。阶段式重建方法让模型由远及近层层学习城市场景，解决了城市建模的多尺度问题。采样策略通过计算光线分布，在远景上进行密集采样，能够更有效地捕获场景区域的细节，有助于模型更全面地学习和表达城市场景的细微差异，更准确地还原远景中的细节。通过实验对比发现，图像的PSNR提升了7.22%，SSIM提升了17.20%，LPIPS下降了32.40%，表明该方法能够有效提升渲染质量。关键词：神经辐射场;三维重建;城市场景;采样策略;多尺度数据4|0|0发布时间：2024-12-30 -
改进YOLOV5的密集行人检测算法研究 AI导读
“在目标检测领域，FPCA-YOLOV5算法通过特征融合技术，有效提升了模型的检测精度和召回率。”摘要：针对密集行人漏检以及检测精度低等问题，提出一种改进YOLOV5的特征融合算法FPCA-YOLOV5。首先，通过添加空间池化金字塔结构SPPFCSPC与CA注意力相结合，使模型具有更强的表达能力。其次，在网络中增加PP模块，检测层由3层变为4层，从而对小目标的检测更加准确。最后，设计了一种全新的下采样机制CAConv，使网络在处理特征图时更加关注于重要通道。实验结果表明，在公共数据集WiderPerson上，改进的YOLOV5模型相较于原始模型的召回率提升了3.4%，平均精度提升了2.3％。整体性能相较于原始模型明显提升，证明了FPCA-YOLOV5算法在目标检测中的有效性。关键词：YOLOv5;行人检测;特征融合;注意力机制;小目标检测4|0|0发布时间：2024-12-30 - “在目标跟踪领域，研究者提出了一种基于孪生网络的轻量级跟踪算法，优化了核心网络并引入注意力机制，有效提升了算法性能和鲁棒性。”摘要：孪生网络跟踪算法可将跟踪问题转换为相似性匹配问题，然而多数算法无法在移动端或算力不足的嵌入式设备中实现工程应用。为此，提出一种基于孪生网络的轻量级跟踪算法，选择可以在移动端使用的ShuffleNetV2作为核心网络。针对原网络的不足，提出消除padding层影响、修改激活函数、采用上采样、修改步长4种优化操作，同时引入注意力机制进一步加强特征之间的联系。在OTB100和UAV123数据集上进行仿真实验，结果表明，与现有跟踪算法相比，所提算法综合性能表现优异，同时在面对形变、低分辨率、尺度变换等多种复杂因素带来的影响时有较好的鲁棒性。关键词：目标跟踪;ShuffleNetV2;孪生网络;注意力机制4|0|0发布时间：2024-12-30
-
实时体积路径追踪的自适应时空降噪方法 AI导读
“在体积渲染领域，实时体积路径追踪技术取得新进展，提出了自适应时空降噪方法，有效提升了图像质量与实时交互性能。”摘要：体积路径追踪（VPT）技术因能提供精确的全局照明效果，已广泛应用于体积渲染领域，但生成渲染图时会因采样率不足或采样方法不均匀导致帧间抖动、闪烁和噪声等问题。为此，提出实时体积路径追踪的自适应时空降噪方法。首先，通过时间滤波重用可用历史样本，使用改进的特征深度指导样本重置来减少重影现象；其次，为防止样本重置后图像质量下滑，使用改进自适应采样动态调整样本数量，在维持图像质量的同时均衡实时交互性能；最后，使用空间滤波去除图像中时间滤波无法处理的噪声，以进一步提升去噪效果。实验表明，所提方法相较于ADTS、SVGF等方法，在PSNR、SSIM上分别提升0.79 dB、2.08%与4.12 dB、3.98%，在视觉效果上保留了更多图像细节。关键词：体积路径追踪;降噪;自适应采样;三维重建;实时渲染4|0|0发布时间：2024-12-30 - “在海洋生态保护领域，专家设计了结合CNN与Transformer的特征提取网络，构建了MEAFormer分支和类引导加权模块，为无人机海岸带植被分割提供了有效策略。”摘要：海岸带对人类生活和经济发展有着深远影响，无人机在海洋生态保护中得到了广泛应用，但现有分割模型在无人机海岸带植被分割任务中还存在一些不足。一方面是无人机高度角度变化导致的零散小块植被分割困难和类内尺度变化大的问题，为此设计了CNN与Transformer 结合的特征提取网络，并由此设计了MEAFormer分支，以及类引导加权模块（CGW）来学习不同外观的鲁棒特征表示；另一方面是海岸带场景导致的相似植被类别分割错误与水下植被边界分割不清的问题，为此构建包含混合卷积注意力模块（MCA）与双注意力融合模块 （DAFM）的融合分支来融合学习不同层次的特征，同时引入SAM分支，由MEAFormer分支得到Mask指导SAM进行精细化分割。实验结果表明，该方法在 Cityscapes 数据集和OUC-UAV-SEG 数据集上MIou分别达到了79.8%与72.4%，验证了该分割策略的有效性。关键词：植被保护;无人机图像分割;类引导加权;特征融合4|0|0发布时间：2024-12-30
图形图像处理
- “在智能审计领域，南京审计大学计算机学院产教融合模式培养复合型人才成效显著，为高等教育机构提供借鉴。”摘要：信息技术迅猛发展的当代，智能审计逐渐成为审计领域的革新趋势。探索产教融合驱动下智能审计创新人才培养的有效模式，并以南京审计大学计算机学院的实践为例，分析其在培养适应新时代需求的复合型人才方面的成效与经验。研究结果表明，该模式在促进学生创新思维和实践能力方面效果显著，能够实现学科交叉深度融合与课程资源全面整合、实习实训平台强化建设与创新能力全面培育、双师型教师团队精心打造与教学质量持续提升，以及学生创新能力与就业竞争力显著提升，对其他高等教育机构颇具借鉴意义。关键词：产教融合;智能审计;人才培养;信息技术4|0|0发布时间：2024-12-30
- “在教育领域，虚拟现实技术、ChatGPT、Sora等新兴技术推动了融合式教学新形态的产生，提出了培养学生高阶思维和迁移能力的新要求。研究构建了面向深度学习的融合式教学实施框架，验证了其可有效提升学生核心能力与体验成效，达成高质量教学与学习目的。”摘要：以虚拟现实技术、ChatGPT、Sora为代表的新兴技术为教学带来了强劲的动力与支撑，推动产生融合式教学新形态，同时对于人才培养也提出了新要求，即培养学生的高阶思维和迁移等核心能力。在梳理文献研究的基础上，构建由深度学习目标模块（能力层、体验层与效果层）与融合式教学实施模块（技术层、学习活动层与引导活动层）组成的面向深度学习的融合式教学实施框架，从核心素养能力、元认知能力、学习行为、教学活动、满意度5个维度验证了该框架可有效促进学生核心能力与体验成效的提升，达成高质量教学与学习的目的。面向深度学习的融合式教学框架为智能支持的深度学习与融合式教学实施提供了参考。关键词：深度学习;融合式教学;智能技术;核心能力;体验成效4|0|0发布时间：2024-12-30
-
量子信息虚拟仿真实验建设与实践 AI导读
“量子信息科技发展迅速，高校开设量子信息课程至关重要。虚拟仿真实验教学提升学生成绩和实践能力，优秀学生比例显著增加。”摘要：在信息时代背景下，量子信息科技飞速发展对科技创新具有深远影响。为此，高校融合虚拟仿真实验开设量子信息课程，对于培养具有创新精神和科学探索能力的学生至关重要。首先，探讨开设此类课程的重要性，并以自身团队开设的虚拟仿真实验教学中的量子纠缠为例，介绍了课程开设的整体架构、主要模块、赋分特色；其次，深入分析利用虚拟仿真实验提升教学效果和学生实践能力的优势。实践表明，采用虚拟仿真教学后优秀学生比例从7.1%增至24.9%，成绩为及格及以下的人数占比从25.3%减至10.2%，证明了量子纠缠的虚拟仿真教学方法不仅能有效提升学生成绩，还凸显了在教育领域的创新潜力。关键词：虚拟仿真;量子信息;量子纠缠4|0|0发布时间：2024-12-30
计算机人才与教育
- 技术支持由北京北大方正电子有限公司提供 鄂ICP备18021494号-4
鄂公网安备42010602004949号 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0