最新刊期
2025年第24卷第4期
-
基于复合注意力机制的显著目标检测方法 AI导读
“在计算机视觉领域，研究者提出了基于自注意力和交叉注意力机制的RGB-T显著目标检测模型，有效捕捉多模态图像中的长距离依赖关系，取得了显著效果。”摘要：随着多模态信息融合在计算机视觉任务中的普及，RGB-T（可见光和热红外图像）显著性检测作为一种重要的跨模态任务受到了广泛关注。现有的RGB-T显著目标检测模型大多采用卷积运算，构建复杂的多尺度融合结构实现跨模态信息集成，但其固定的感受野和权重共享机制难以有效捕捉多模态图像中的长距离依赖关系。为此，提出一个基于自注意力和交叉注意力机制的显著目标检测模型。该模型由3个关键模块组成：自注意力特征增强模块（SFEM）、多模态特征融合模块（MFFM）和特征细化模块（FRM）。SFEM混合多尺度卷积和多头自注意力机制，对提取的RGB特征和热成像特征进行增强；MFFM通过应用交叉注意力机制对所增强的特征进行多模态融合，同时连接上层特征；FRM以VGG为主干网络，通过聚合初级与深层特征来缓解深度神经网络退化问题，同时补充细节特征。实验结果显示，该模型在定量和定性比较方面均取得了显著效果。关键词：显著目标检测;多尺度特征;注意力机制;编码器—解码器;深度学习2|0|0更新时间：2025-04-14 - “情绪识别领域取得新进展，专家提出跨被试情绪识别模型，为脑机接口研究提供新方向。”摘要：情绪识别是脑机接口一个主流的应用方向，有着巨大的研究潜力。然而，被试之间存在的生理差异会使脑电信号差异较大，并且意识障碍（DOC）患者的有标签情绪脑电数据极为稀缺。为此，提出一个利用少量有标签数据和大量无标签数据来实现跨被试情绪识别任务的模型，并结合半监督与元学习方法微调模型，以提升数据利用率。在自采数据集中的实验表明，所提模型识别正常人、DOC患者情绪的准确率分别为82.93%、59.26%，证实了该方法在跨被试情绪识别任务和DOC患者诊断中的潜力巨大。关键词：情绪识别;脑机接口;跨被试;脑电图;元学习;半监督2|0|0更新时间：2025-04-14
-
一种预测驾驶注意力的多尺度注意力模型 AI导读
“在驾驶注意力预测领域，研究人员提出了基于多模态的多尺度通道注意力回归模型MMCAR-Net，有效融合EEG与EOG数据，提升模型敏感性和表达能力。”摘要：近年来，许多研究致力于利用EEG与EOG多模态数据预测驾驶注意力，但有效融合这两种模态数据仍是一项充满挑战的任务。为此，提出一个基于多模态的多尺度通道注意力回归模型（MMCAR-Net）预测驾驶注意力。首先，通过多尺度感知单元（Multi-Scale Inception）从EEG、EOG模态数据中分别提取多尺度特征；其次，在多个尺度上有序合并EEG与EOG特征以增强融合特征的多样性；最后，引入多尺度通道注意力机制为多尺度特征赋予差异化权重，以强化与注意力预测相关的特征，提升模型对驾驶注意力相关特征的敏感性和表达能力。在SEED-VIG数据集上的实验表明，所提模型在个体内实验组中取得的PCC与RMSE分别为0.959和0.064，在跨被试实验组中对应数值为0.892和0.112。关键词：驾驶注意力预测;多尺度感知单元;多尺度通道注意力机制;特征融合2|0|0更新时间：2025-04-14 -
面向数据不均衡的高效轻量脉冲诊断分类模型 AI导读
“在脉诊领域，研究者提出了一种高效轻量脉冲诊断分类模型，通过改进特征提取和超参数优化，显著提高了高血压预测的准确性和效率。”摘要：为解决脉诊数据集在现实条件下存在的样本不均衡，以及现有高血压危险三分层脉搏波预测模型效率较低和分类精度较差的问题，提出一种面向数据不均衡的高效轻量脉冲诊断分类模型。首先，在预处理阶段提出一种改进的频域特征提取方法MFCC-PCA，从数据中提取相关特征，应用SMOTE+ENN对数据集进行均衡化处理；其次，提出一种结合网格搜索与贝叶斯优化的超参数优化算法GBO优化XGBoost模型超参数，构建一种基于XGBoost算法的高血压预测模型GBO-XGBoost；最后，利用SHAP方法分析各高血压危险三分层的脉搏波特征对检测的重要性，为高血压预防和临床诊断提供参考。在脉诊数据集上的实验表明，GBO-XGBoost模型的Accuracy、Precision、F1-score和AUC值分别为98.27%、98.28%、98.36%、99.96%，相较于经典机器学习方法的分类精度更高。关键词：脉搏波;高血压;特征提取;超参数优化;样本均衡;特征重要性2|0|0更新时间：2025-04-14 -
基于多任务学习的短期风能发电功率预测研究 AI导读
“在风能发电领域，研究人员提出了一种硬参数共享的多任务学习模型，通过跨维度—时间依赖混合编码模块和多尺度信息编码模块，显著提高了短期风能发电功率预测的准确性。”摘要：为提高短期风能发电功率预测的准确性，提出一种硬参数共享的多任务学习模型，分为参数共享层和任务指定层。在参数共享层中，一方面，由于时序数据中不仅有时间上的依赖，而且有跨维度的依赖，有助于提升预测精度，因此提出跨维度—时间依赖混合编码模块（CD-TDMEM）；另一方面，鉴于不同尺度的信息对预测未来结果所起到的不同作用，针对多层次的高低频分量分别进行编码，构建多尺度信息编码模块（MSIEM）。在任务指定层中，对于每个子任务，首先对多尺度模块的编码信息和跨维度—时间依赖混合编码信息进行融合，经过多层解码器解码，最终使用Transformer生成式预测模型的一步解码得到每个子任务的预测输出。实验结果表明，对于短期风能发电功率预测任务，相比其他模型，该模型在传统的单任务学习上MSE分别降低了13.97%、69.78%、75.36%、2.30%、7.18%，MAE分别降低了7.33%、53.82%、54.29%、-2.07%、4.32%。而利用多任务学习机制之后，相比单任务学习，MSE进一步降低了1.94%，MAE进一步降低了7.00%，表明多任务学习的预测效果更好。另外，相比其他几个多任务学习模型，MSE分别降低了9.97%、8.27%、3.34%，MAE分别降低了16.43%、10.74%、7.96%。消融实验也证明了各模块的有效性。关键词：风能发电功率预测;多尺度信息;跨维度—时间依赖;多任务学习2|0|0更新时间：2025-04-14 - “科技文献分类领域取得新进展，专家提出基于BERT-Prototypical模型的小样本分类方法，有效提升分类准确率。”摘要：由于学科的不断细化和学科间发展速度的不均衡，个别学科可用于分类训练的数据极少，为科技文献分类工作带来了一定困难。为此，针对科技文献长尾问题严重且传统文本分类方法已经无法取得更好分类效果的问题，提出一种基于BERT-Prototypical模型的小样本科技文献分类方法。该模型以迁移学习中的原型网络为基础，首先借助BERT预训练模型深入挖掘科技文献文本间的关系以获得更好的特征表示；然后将编码后的文本特征输入到原型网络中，通过优化原型网络的编码方式和参数设置提高科技文献分类效果。实验结果表明，在5-way 20-shot任务中，BERT-Prototypical模型的分类准确率达到95.6%；在样本有限的5-way 5-shot任务中，BERT-Prototypical模型的分类准确率可达78.4%，相较对照模型的分类效果有所提升。关键词：科技文献分类;小样本学习;原型网络;BERT模型;不平衡数据2|0|0更新时间：2025-04-14
- “在脑机接口领域，研究人员提出了ICE-GSE算法，有效提升了跨被试分类精度和信息传输速率。”摘要：稳态视觉诱发电位因其高信噪比和高信息传输速率，成为脑机接口最常用的控制信号之一。然而，目前基于深度学习的方法过度依赖于个别被试者的校准资料，在被试间的分类性能方面还存在较大改进空间。针对上述难题，结合改进的自适应噪声完备集合经验模态分解、基于图卷积网络的空间特征提取器以及基于压缩激励的特征融合模块提出ICE-GSE算法。该算法利用改进的自适应噪声完备集合经验模态分解法将稳态视觉诱发电位信号分解成一组本征模态函数，有效降低了噪声和伪影的影响。空间特征提取器的邻接矩阵能充分表达脑电信号的空间位置关系，从而更好地学习空间域特征。为提升目标识别精度和算法鲁棒性，进一步引入特征融合模块，以便针对性选择与任务最相关的通道。在两个公开数据集上，时间窗口长度设置为0.5~1.0 s，对ICE-GSE与其他传统方法和深度学习方法进行全面比较。实验结果表明，在跨被试情况下，ICE-GSE的分类精度和信息传输速率相较对照方法更加优异，证明了其在分类任务中的可行性。关键词：稳态视觉诱发电位;脑机接口;自适应噪声完备集合经验模态分解;本征模态函数;图卷积;压缩激励2|0|0更新时间：2025-04-14
-
基于改进YOLOv8模型的生活垃圾检测 AI导读
“在生活垃圾检测领域，研究人员提出了一种改进YOLOv8模型，通过加强特征模块融合、引入注意力机制和MPDIoU损失函数，有效提升了生活垃圾检测精度。”摘要：随着社会的进步和生活水平的逐渐提高，生活垃圾也日益增加，垃圾分拣工作面临着工作环境复杂、对工作人员体力要求高等挑战。为了提高生活垃圾分拣效率，提出一种加强特征模块融合、引入注意力机制和MPDIoU损失函数的改进YOLOv8的生活垃圾检测模型，用于生活垃圾检测和分类。首先，利用GOLD-YOLO中的Gatherand-Distribute机制对特征融合模块进行改进；其次，将注意力机制的目标检测头添加到模型中，并将损失函数替换为MPDIoU，从而提高模型对生活垃圾的检测性能；再次，在改进算法结构后，通过实验数据比较对训练策略加以改进；最后，在生活垃圾数据集上进行了验证。结果表明，经过改进后的模型检测精度明显提升，mAP@0.5和mAP@0.5∶0.95分别提高了0.4%和2.9%，生活垃圾检测能力得到有效提升。关键词：深度学习;生活垃圾检测;YOLOv8;目标检测2|0|0更新时间：2025-04-14 -
基于注意力残差网络的重叠尖锋分类算法 AI导读
“在神经解码领域，研究者提出了一种新的重叠尖锋分类算法GASF-CBAM-ResNet，有效提高了解码准确性，为神经解码研究提供可靠支持。”摘要：在神经解码研究中，多个神经元同时放电会产生尖锋重叠，进而影响解码准确性，因而分类重叠尖锋是解码神经元集群活动的关键步骤。提出一种基于格拉姆角和场与注意力残差网络（GASF-CBAM-ResNet）的重叠尖锋分类算法，首先使用独立尖锋数据制作重叠尖锋模板训练集，接着采用格拉姆角和场方法将一维尖锋序列转换成二维图像，用于训练注意力残差网络模型，最后对独立尖锋和重叠尖锋进行分类识别。该方法在“Wave_clus”数据集上的平均准确率达92.737%，优于传统方法。结果表明，GASF-CBAM-ResNet不仅可以有效地区分重叠尖锋，还节省了大量时间和人力成本，能够为神经解码研究提供可靠支持。关键词：重叠尖锋;格拉姆角和场;卷积块注意力;残差网络2|0|0更新时间：2025-04-14 - “科技媒体新闻记者报道：针对PCB板缺陷检测精度低、计算量大问题，提出了改进YOLOv8n算法，显著优化检测精度、mAP、计算量和参数量，mAP达到96.6%。”摘要：针对目前PCB板缺陷检测算法存在的检测精度低、计算量大等问题，提出了一种改进YOLOv8n的PCB板表面缺陷检测算法。首先，将主干部分网络替换为MobileNetV3网络，以降低模型参数量，提升检测速度与精度；其次，设计了CA_C2f模块用来替换原C2f模块，以提升网络提取特征能力并提高模型对小目标的检测能力；最后，提出了DFL和改进Focal-EIoU的组合，以优化对损失函数中边界框回归的计算。实验结果表明，改进的YOLOv8n算法在PCB板缺陷数据集上得到的实验结果，较原YOLOV8n算法在精确度、mAP、计算量和参数量上都有显著优化，其中mAP达到96.6%。关键词：PCB板;表面缺陷检测;模型轻量化;YOLOv8n;MobileNet;注意力机制2|0|0更新时间：2025-04-14
人工智能
- “在自主移动机器人领域，提出了一种改进的A*算法——理想路径区域A*算法（IPA-A*），有效解决了传统A*算法在大规模地图上的计算成本高、路径规划不安全等问题，为最优可行路径规划提供了新方案。”摘要：在已知环境中规划最优可行路径仍是自主移动机器人领域一个具有挑战性的问题。传统的A*算法是在全局路径规划领域使用最广泛且知名度最高的算法之一。然而，传统的A*算法存在一些局限性。例如，由于在大规模地图上进行了过多的节点探索，可能导致计算成本过高。此外，即使考虑运行时优化，其也可能生成过于靠近障碍物的路径，并且不能有效地与局部路径规划算法如动态窗口法（DWA）集成。因此，提出一种改进的A*算法，称为理想路径区域A*算法（IPA-A*）。IPA-A*算法通过将理想区域约束纳入传统的启发式搜索函数，解决了过度且不必要的节点探索问题。为了评估其性能，将IPA-A*算法与全局路径规划领域广泛使用的3种算法进行了比较，包括Dijkstra算法、最佳优先搜索（BFS）算法和传统的A*算法。在3种不同复杂程度的地图上进行的仿真实验结果表明，与上述算法相比，IPA-A*算法探索的节点数量、生成路径长度与搜索耗时均显著减少。关键词：改进A*算法;动态窗口法;路径规划;移动机器人2|0|0更新时间：2025-04-14
- “在飞行驾驶舱界面优化领域，专家提出了改进的遗传算法OSG-GA，有效提高了算法全局搜索范围，为飞行驾驶舱界面优化提供了参考价值。”摘要：合理的界面布局对飞行的安全性、效率等有很大影响，因此有必要对驾驶仪表的布局进行优化。结合飞行驾驶舱设计原则，在标准的遗传算法基础上融合反向学习、切片树策略和最优保存策略提出一种改进的遗传算法（OSG-GA），以提高算法的全局搜索范围，避免容易陷入早熟与收敛速度较慢的问题。通过实验获得一种飞行驾驶仪表的优化布局，验证了该算法的有效性与优越性，对于飞行驾驶舱的界面优化有一定参考价值。关键词：人机交互;界面优化;飞机驾驶舱;遗传算法2|0|0更新时间：2025-04-14
- “在GitHub代码贡献领域，基于logistic回归模型的Pull Request拒绝预测准确率为0.84，召回率为0.99，F1分数为0.91，有效提高预测性能。”摘要：Pull Request是GitHub中代码贡献的一种重要方法，当开发人员希望将其代码更改从本地机器合并到存储项目中所有源代码的主存储库时，需要提交Pull Request。基于logistic 回归模型对Pull Request被拒绝情况进行预测实验，预测实验中考虑的输入特征为通过数据挖掘关联规则找出的影响Pull Request被拒绝的相关因素，主要包括修改变更的代码特性、Pull Request描述的文本特性、开发人员以前行为的贡献者特性以及Pull Request过程的交互等。实验评估了包含12个开源项目中140 155个Pull Request的有效性。结果表明，基于logistic 回归模型的预测结果准确率为0.84，召回率为0.99，F1分数为0.91，相较基线方法均有一定提高。分析预测实验结果表明，通过数据挖掘中关联规则找出的影响因素对Pull Request合并结果具有足够的影响力，可以帮助开发人员将精力集中在主要因素上，或分配更多资源来克服关键问题，有利于避免开发人员提交的Pull Request被拒绝，减少项目成本和时间。关键词：Pull Request;影响因素;数据挖掘;回归模型;GitHub2|0|0更新时间：2025-04-14
- “在健康监测领域，研究者提出了一种结合自适应滤波器和变分模态分解的运动状态下PPG信号去噪方法，有效提取准确RR间期，有利于日常环境连续监测。”摘要：光电容积脉搏波（PPG）技术易受到运动伪差干扰。为了获取更加准确的RR间期，提取心率变异性，提出一种结合自适应滤波器和变分模态分解的运动状态下PPG信号去噪方法。首先，利用加速度信号作为NLMS自适应滤波的参考信号，以滤除运动伪差。其次，通过霜冰算法（RIME）确定变分模态分解（VMD）的最佳参数
-
策略蒸馏在电信机房空调节能控制中的应用 AI导读
“在电信机房节能领域，专家提出了基于策略蒸馏的空调节能控制方法，通过迁移学习优化模型参数，实现快速节能调控。”摘要：针对电信机房空调能耗高且难以自动调控的问题，深度强化学习算法通过与环境交互的反馈结果优化模型参数，可以在满足机房安全约束的条件下自适应设定空调温度以达到节能的目的。然而，深度强化学习算法需要在生产环境中运行以获得训练样本，在安全性要求以及调控频率的限制下，算法需要较长时间训练才能收敛至最优状态。为此，提出一种基于策略蒸馏的空调节能控制方法，通过策略蒸馏算法将已完成训练的机房模型经验迁移至新机房模型内，使新机房在迭代初期便具备较好的调控效果。实验结果表明，该方法在新部署机房的前30天平均节能率为16.33%，相较随机初始化模型参数方法的平均节能率提高10.8%，且具有更快的收敛速度。关键词：机房空调调控;节能控制;强化学习;策略蒸馏34|62|0更新时间：2025-04-14 - “在深度学习领域，FastScore-CAM算法通过引入非负矩阵分解技术，有效提升了模型解释性算法的运算速度，同时保持了高准确率和跨模型稳定性。”摘要：在深度学习模型应用中，可解释性对于建立用户对模型的信任至关重要。视觉解释方法Score-CAM利用特征图扰动输入样本，并与特征重要性权重进行线性组合，表现出较高的准确率和跨模型的稳定性。然而，Score-CAM中的扰动样本需要反复调用模型而导致算法效率降低、响应缓慢。为了解决该问题，提出一种高效的基于扰动的视觉解释方法——FastScore-CAM，该算法在保持Score-CAM算法性能的同时可缓解运行效率低下的问题。进一步通过研究分析Score-CAM的基本工作原理，引入了非负矩阵分解（NMF）针对性地减少扰动样本并过滤冗余特征。实验结果表明，该方法不仅保持了较高的准确率和跨模型的稳定性能，还显著提高了原方法的运算速度。关键词：Score-CAM;可解释性;深度学习;视觉解释方法;显著性图;非负矩阵分解2|0|0更新时间：2025-04-14
计算机软件与理论
-
基于在线主动学习的自适应链路质量预测 AI导读
“在无线传感器网络领域，专家提出了基于在线主动学习的链路质量估计方法AL-OGD-LQE，有效提升了预测性能，准确率超90%。”摘要：无线传感器网络易受干扰和多径效应的影响，如何准确进行链路质量估计仍然是现阶段需要解决的问题。针对离线机器算法需要收集大量数据和在线预测精度受环境影响的问题，提出一种基于在线主动学习的链路质量估计方法AL-OGD-LQE。首先，采用物理层参数LQI与SNR作为逻辑回归模型的输入特征，通过最小值填充与EWMA提升物理层参数、PRR相关性；其次，使用主动学习方法降低计算复杂度；最后，采用计算量较低的超梯度下降算法HD自适应调整学习率。实验表明，所提方法相较于现有方法能在减少模型训练次数的情况下，保持较高的预测性能，在多种实验条件下的预测准确率均能达到90%以上。关键词：EWMA;在线梯度下降;主动学习;超梯度下降;链路质量估计2|0|0更新时间：2025-04-14 -
隐藏共现模式的可搜索对称加密方案 AI导读
“在大数据和云计算领域，专家提出了一种隐藏共现模式的文档填充算法，有效防止加密数据安全泄露。”摘要：可搜索对称加密（SSE）是一种在大数据和云计算环境下解决数据安全与隐私保护问题的关键技术，其允许用户在不解密的情况下对加密数据进行安全查询。大多数现有的SSE方案为保证方案的高效性会泄露访问模式，访问模式泄露了查询令牌与被匹配文档之间的关系，进而会揭露共现模式。共现模式为每一对关键字在一个文档集中出现概率所组成的概率矩阵，其是IKK攻击这一类推理攻击的基础。因此，共现模式的泄漏已经严重威胁到加密数据安全。针对这一问题，提出一种隐藏共现模式的文档填充算法，并基于该算法设计了可有效隐藏共现模式的可搜索对称加密方案。安全性分析表明，该方案是安全且有效的，同时基于真实数据集进行的实验结果也表明该方案能够有效防止共现模式泄漏。关键词：可搜索对称加密;访问模式;共现模式;IKK攻击;推理攻击2|0|0更新时间：2025-04-14 -
基于SM9的广播多重签名 AI导读
“在密码学领域，我国专家提出了基于SM9的广播多重签名方案，简化密钥管理，提高效率。”摘要：广播多重签名是多个用户在同一时间对文件进行签名和认证。在传统的公钥密码系统中，证书颁发机构（CA）需要生成并签署用户身份与其公钥绑定在一起的数字证书。然而，公钥证书操作和存储会给CA带来沉重的证书管理负担，而通过用户身份派生公钥能使方案在应用部署时的密钥管理操作得到简化。SM9标识密码算法作为我国自主设计的商用密码标准，已由ISO/IEC标准化并被广泛使用且基于身份密码体制。为了结合身份基密码体制与多重签名的优势，推动我国自主研发的密码体制发展，提出一种基于SM9的广播多重签名方案。首先，在签名聚合前验证了所有部分签名的有效性；其次，在签名聚合后对整体签名结果进行验证；最后，对该方案进行安全性证明与仿真实验。实验表明，所提方案相较于传统公钥密码与国外密码体制下的方案，在签名人数增加时仍具有较高的效率。关键词：广播多重签名;SM9标识密码算法;证书管理;身份基密码体制;随机预言模型2|0|0更新时间：2025-04-14
网络通信与信息安全
-
基于计算机视觉技术的人体姿态跟踪方法 AI导读
“在人体运动分析领域，专家提出了结合DeepSORT和OpenPose的人体姿态跟踪方法，有效解决了目标丢失和姿态估计不准确的问题，为智能监控和虚拟现实应用提供了解决方案。”摘要：人体姿态跟踪在人体运动分析、智能监控、虚拟现实等应用场景中得到了广泛应用。为解决在多人姿态跟踪过程中因多人遮挡、复杂环境等原因导致的目标易丢失、姿态估计不准确等问题，提出一种结合DeepSORT和OpenPose的人体姿态跟踪方法。选择合适的数据集分别训练人体运动跟踪模型和人体姿态估计模型。在人体运动跟踪阶段，基于改进的YOLOv5与改进的DeepSORT算法进行准确地识别与跟踪，减小了模型内存访问成本，引入模型剪枝方法进一步提高了跟踪速度。在人体姿态估计阶段，基于跟踪阶段获得的准确目标，利用OpenPose算法实现了目标人体的姿态估计。相较于对比方法，改进算法在COCO2017数据集上的FLOPs为4.46 G，检测速度大幅提升，在MOT16数据集、PoseTrack2017数据集上的运行时间有较大优势，分别为85.55 s、81.79 s。关键词：人体姿态跟踪;目标检测;YOLOv5;DeepSORT;OpenPose2|0|0更新时间：2025-04-14 - “医学图像分割领域取得新进展，专家提出MFP Net模型，通过学习图像中的相似表征提升分割精度，为精确识别内部结构提供解决方案。”摘要：为了解决医学图像分割中模型忽略同一解剖结构在不同尺度下存在相似表征的问题，提出基于全局多分支融合匹配注意力的模型（MFP Net）。多分支融合（MFF）模块将模型编码器不同阶段下不同尺度的特征进行统一，并搜集相似的特征信息；全局匹配注意力（GPA）模块将特征进行空间和通道上的对齐，增强网络对于不同尺度结构的表征能力；带注意力门控模块的解码器通过抑制冗余特征，提升模型对关键特征的识别能力。实验结果表明，MFP Net可以通过学习图像中的相似表征，提升图像分割精度。其在Synapse与ACDC数据集上的Dice指标达到79.28%和89.96%，在Synapse数据集上的HD95指标达到18.28%，显示出较先前方法具有更高的分割精度，并能对内部结构进行更精确地识别。关键词：医学图像分割;多分支融合;全局匹配注意力2|0|0更新时间：2025-04-14
-
基于有序记忆网络的视频描述 AI导读
“在视频描述领域，专家提出了结合BiLSTM和ONLSTM的编码解码模型，有效记录视频帧间信息，生成符合语法的视频描述，为视频内容理解提供新方案。”摘要：针对目前基于长短时记忆网络（LSTM）的视频描述模型忽视了生成的文本前后有关联逻辑问题，以及训练时的单词级交叉熵损失优化与句子级别的评价指标不能很好地匹配等问题，提出一个结合双向长短期记忆网络（BiLSTM）和有序记忆网络（ONLSTM）的编码解码模型。使用BiLSTM对输入的视频特征进行编码，并利用注意力机制加大重要特征的影响，实现距离较远视频帧间信息和依赖关系的有效记录和保留。使用ONLSTM进行解码，利用ONLSTM的无监督即可学习句子语法结构优异特性，通过对高层次和低层次不同更新的分区间更新手段，实现对层次特征进行学习以生成更准确且符合句子语法的视频内容描述。在MSR-VTT基准数据集上进行训练和测试，结果表明，有序神经元的加入，实现了在不丢失精度预测的基础上，对所有关键信息进行了保留和学习。关键词：视频描述;有序记忆网络;双向长短期记忆网络;注意力机制;深度学习2|0|0更新时间：2025-04-14 - “在计算机视觉领域，研究者提出了PSPCLIP模型，通过编码人体着装图像与文本提示词，实现文本条件编辑，生成逼真的人体着装图像，编辑性能优于现有方法。”摘要：文本引导的人体着装图像编辑是一个具有挑战性的计算机视觉任务，其目标是对给定人体着装图像的服装区域进行符合文本语义的编辑。现有基于StyleGAN的方法在处理多样化服装、身体形状和姿势时存在困难。为解决这些问题，提出一种新颖的文本条件编辑模型PSPCLIP，其可将人体着装图像与文本提示词直接编码到预训练的无条件生成对抗网络的隐空间中，以实现给定的文本条件编辑。具体而言，PSPCLIP通过在生成所需图像时使用分层风格映射和引入全局自注意力的方法增强对隐编码的编辑过程，同时利用预训练多模态模型CLIP强大的图像—文本关联能力来强制执行目标语义。通过对VITON图像的实验以及与几种先进的基于文本条件的图像编辑方法进行比较，发现PSPCLIP能生成高度逼真的人体着装图像，并且在编辑性能方面优于对照方法，Semantics平均提升0.069，FID平均下降20.8。关键词：多模态;图像编辑;人体着装;隐编码;风格生成对抗网络2|0|0更新时间：2025-04-14
图形图像处理
- “在京津冀数字人才需求分析领域，专家基于大数据和机器学习技术构建岗位能力模型，为招聘和人才培养提供理论依据。”摘要：为分析京津冀地区对数字人才的需求，并基于招聘大数据与机器学习技术构建岗位能力模型，通过Python爬虫技术从BOSS直聘平台采集招聘数据进行预处理和特征工程处理，采用K-means聚类和NMF主题建模的方法对数字人才需求进行细分。通过研究发现，数字人才需求主要分为数字研发人才、交叉人才和治理人才三大类。利用冰山胜任力模型构建岗位能力框架，并通过熵权法、Yake和Ratcliff/Obershelp算法进行定量分析。结果显示，胜任力模型强调了数字知识技能的重要性，不同类型岗位对相关能力的要求有所不同。胜任力模型在招聘和人才培养方面为企业提供了理论依据，强调了多重技能人才在市场中的重要性，同时可为教育和培训机构培养符合市场需求的数字人才提供指导。关键词：数字经济;招聘大数据;数字人才;胜任力模型;机器学习2|0|0更新时间：2025-04-14
-
人工智能赋能研究生创新能力评价 AI导读
“在科技创新领域，研究生创新能力评价体系的科学性至关重要。专家分析了现有评价方法的不足，并提出人工智能技术能有效提升评价的客观性、准确性和效率，为未来发展趋势和应用前景奠定基础。”摘要：研究生是推动国家科技创新的重要生力军，对其创新能力进行准确评价尤为重要。评价体系构建方法和评价方法的科学合理性，直接影响到研究生创新能力评价结果的准确性。首先，归纳了国内外研究生创新能力评价体系构建方法和评价方法；其次，分析目前存在的问题，并给出相应的解决办法；最后，对具体实践和成效分析进行总结，提出了未来发展趋势与应用前景。分析发现，无论是评价体系构建方法还是创新能力评价方法，非人工智能方法都存在主观性较强的问题，而人工智能方法能有效解决该问题，并具有客观性、准确性、高效性的优势。关键词：研究生;创新能力;人工智能;评价体系;评价方法2|0|0更新时间：2025-04-14 - “在新工科教育领域，专家提出了一种创新的软件工程专业实践教学模式，有效提升学生工程实践和解决复杂工程问题能力，为培养高素质软件工程人才提供支持。”摘要：针对新工科教育中强化实践创新能力以及工程教育专业认证中提出的培养学生解决复杂工程问题能力的要求，提出一种创新的软件工程专业实践教学模式。该模式基于产教融合理念，旨在通过校企合作深化产教融合，发挥双方优势，在完善课程实践教学体系、创新实训模式和实践教学方法、构建实践应用平台和内容资源、改革实践育人方式、建立全面的实践教学管控体系等方面，进行一系列探索与实践。实践证明，所提模式不仅有效提升了学生的工程实践能力，还显著增强了学生解决复杂工程问题的能力，为培养适应新工科发展需求的高素质软件工程人才提供了有力支持。关键词：软件工程;课程实践;实训模式;校企合作;产教融合2|0|0更新时间：2025-04-14
计算机人才与教育
-
高速旋转目标的转速测量及轨迹预测算法综述 AI导读
“在高速旋转目标领域，研究人员梳理了体育、军事、自动驾驶等文献，分析了计算机视觉算法难点及旋转测量与轨迹预测方法，为解决稳定性和实时性不足问题提供新思路。”摘要：物体在高速运动过程中受到的外力改变了其角动量，从而导致旋转的发生，而旋转产生的马格努斯力使物体轨迹变得难以预测。想要完成高速旋转目标的准确测量与轨迹预测离不开目标的检测、追踪以及运动建模。为提高研究人员对高速旋转目标转速测量与轨迹预测的了解程度，梳理体育、军事、自动驾驶等领域中关于高速旋转目标的研究文献，涵盖了从传统方法到深度学习算法的演变，重点分析计算机视觉算法及其难点、旋转测量与轨迹预测方法。通过全面梳理相关内容，发现现有高速旋转目标的转速测量及轨迹预测算法仍存在稳定性和实时性不足等挑战，后续仍需深入探索与实践。关键词：目标检测;旋转测量;轨迹预测;深度学习;检测精度0|0|0更新时间：2025-04-14 -
人工智能在智慧医疗中的应用研究综述 AI导读
“在智慧医疗领域，人工智能技术应用广泛，但面临数据隐私保护等挑战。未来需政策规划者、技术开发者与医疗服务提供者协同合作，聚焦技术优化与创新。”摘要：随着人工智能技术的快速发展，智慧医疗已成为提高医疗质量和服务效率的关键途径。系统性搜集、筛选和综合分析近年来发表的相关研究文献，深入剖析人工智能在智慧医疗领域的技术应用、现存挑战以及其未来的发展方向。研究发现，虽然人工智能在提高疾病诊断准确性、治疗效率和改善患者管理方面展示出巨大潜力，但仍面临数据隐私保护、跨平台数据整合以及医疗专业人员对新技术的接受度等挑战。人工智能在医疗行业的进一步发展需依赖于政策规划者、技术开发者与医疗服务提供者的紧密协同，同时需充分考虑法律伦理。未来研究应聚焦于相关技术的持续优化与创新，尤其是保障数据安全与促进跨领域合作方面。关键词：智慧医疗;人工智能;大型语言模型;数据隐私保护;数据安全242|189|0更新时间：2025-04-14 -
基于脑电信号的阿尔茨海默病识别算法综述 AI导读
“在阿尔茨海默病识别领域，深度学习技术基于脑电信号的研究进展显著，为提升诊断准确性提供了新思路。”摘要：随着人工智能不断发展，深度学习在阿尔茨海默病识别方面的应用十分广泛。脑电（EEG）作为一种非侵入式检测大脑神经电位的手段，能反映脑部神经功能活动，为更好地辅助诊断阿尔茨海默病研究提供了便利。首先，梳理脑电数据库、特征提取及深度学习分类模型，总结了近年来基于脑电的阿尔茨海默病算法；其次，比较不同神经网络识别算法辅助诊断阿尔茨海默病领域的研究现状与问题；最后，展望其未来研究方向，以期提升阿尔茨海默病的早期诊断准确性。关键词：阿尔茨海默病;深度学习;脑电图;辅助诊断;特征提取0|0|0更新时间：2025-04-14
研究综述
- 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