1. <button id="qm3rj"><thead id="qm3rj"></thead></button>
      <samp id="qm3rj"></samp>
      <source id="qm3rj"><menu id="qm3rj"><pre id="qm3rj"></pre></menu></source>

      <video id="qm3rj"><code id="qm3rj"></code></video>

        1. <tt id="qm3rj"><track id="qm3rj"></track></tt>
            1. 2.765

              2022影響因子

              (CJCR)

              • 中文核心
              • EI
              • 中國科技核心
              • Scopus
              • CSCD
              • 英國科學文摘

              留言板

              尊敬的讀者、作者、審稿人, 關于本刊的投稿、審稿、編輯和出版的任何問題, 您可以本頁添加留言。我們將盡快給您答復。謝謝您的支持!

              姓名
              郵箱
              手機號碼
              標題
              留言內容
              驗證碼

              優先發表

              優先發表欄目展示本刊經同行評議確定正式錄用的文章,這些文章目前處在編校過程,尚未確定卷期及頁碼,但可以根據DOI進行引用。
              顯示方式:
              復雜無向圖的同構判定方法
              王卓, 王成紅
              , doi: 10.16383/j.aas.c230612
              摘要:
              針對一般復雜無向圖的同構判定問題, 給出了基于鄰接矩陣之和的特征多項式判定條件; 針對復雜無向連通圖的同構判定問題, 給出了基于距離矩陣特征多項式和鄰接矩陣特征多項式的同構判定條件, 將該條件用于復雜無向不連通圖的各個連通子圖, 就可解決復雜無向不連通圖的同構判定問題. 上述兩個判定條件均是充要條件且當復雜無向圖退化為簡單無向圖時仍然適用.
              隱蔽攻擊下信息物理系統的安全輸出反饋控制
              張淇瑞, 孟思琪, 王蘭豪, 劉坤, 代偉
              , doi: 10.16383/j.aas.c220893
              摘要:
              研究了受到隱蔽攻擊的信息物理系統(Cyber-physical system, CPS)安全控制問題. 采用KL (Kullback-Leibler)散度描述攻擊的隱蔽性, 并設計動態輸出反饋控制器, 使系統可達集始終保持在安全區域內, 其中可達集定義為系統狀態以一定概率屬于的集合. 首先, 給出隱蔽攻擊下檢測器殘差所在范圍的一個外橢球近似集; 其次, 根據該近似集和噪聲的范圍給出控制器參數與系統橢球形不變可達集的關系; 然后, 通過設計可逆線性變換并構造凸優化問題, 求解安全控制器參數和相應的不變可達集; 最后, 使用彈簧?質量?阻尼系統進行仿真, 驗證了所提控制方法的有效性.
              基于逐層增量分解的深度網絡神經元相關性解釋方法
              陳藝元, 李建威, 邵文澤, 孫玉寶
              , doi: 10.16383/j.aas.c230651
              摘要:
              神經網絡的黑箱特性嚴重阻礙了人們關于網絡決策的直觀分析與理解. 盡管文獻報道了多種基于神經元貢獻度分配的決策解釋方法, 但是現有方法的解釋一致性難以保證, 魯棒性更是有待改進. 本文從神經元相關性概念入手, 提出一種基于逐層增量分解的神經網絡解釋新方法LID-Taylor(Layer-wise increment decomposition), 且在此基礎上先后引入針對頂層神經元相關性的對比提升策略, 以及針對所有層神經元相關性的非線性提升策略, 最后利用交叉組合策略得到最終方法SIG-LID-IG, 實現了決策歸因性能的魯棒躍升. 通過熱力圖對現有工作與提出方法的決策歸因性能做了定性定量評估. 結果顯示, SIG-LID-IG在神經元的正, 負相關性的決策歸因合理性上均可媲美甚至優于現有工作. SIG-LID-IG在多尺度熱力圖下同樣取得了精確性更高, 魯棒性更強的決策歸因.
              面向智能網聯汽車的車路協同感知技術及發展趨勢
              張新鈺, 盧毅果, 高鑫, 黃雨寧, 劉華平, 李駿
              , doi: 10.16383/j.aas.c230575
              摘要:
              隨著感知技術的不斷發展以及智能交通基礎設施的完善, 智能網聯汽車應用在自動駕駛領域的地位逐漸提升, 自動駕駛感知從單車智能向車路協同邁進, 近年來涌現了一批新的協同感知技術與方法. 本文旨在全面闡述面向智能網聯汽車的車路協同感知技術, 并總結相關可利用數據及該方向發展趨勢. 首先對智能網聯汽車的協同感知策略進行劃分, 并總結了不同感知策略具備的優勢與不足;其次, 對智能網聯汽車協同感知的關鍵技術進行闡述, 包括車路協同感知過程中的感知技術與通信技術;然后對車路協同感知方法進行歸納, 總結了近年來解決協同感知中感知融合、感知信息選擇與壓縮等問題相關研究;最后對車路協同感知的大規模數據集進行了整理, 并對智能網聯汽車協同感知的發展趨勢進行了分析.
              基于料面視頻圖像分析的高爐異常狀態智能感知與識別
              朱霽霖, 桂衛華, 蔣朝輝, 陳致蓬, 方怡靜
              , doi: 10.16383/j.aas.c230674
              摘要:
              智能感知、精準識別高爐(Blast furnace, BF)異常狀態對指導高爐調控優化、保證高爐穩定運行具有重要意義. 但高爐內部的黑箱狀態致使傳統檢測方法難以直接感知并準確識別多種高爐異常狀態. 新型工業內窺鏡可獲取大量料面視頻圖像, 為直接觀測爐內運行狀態提供了全新的手段. 基于此, 提出一種基于料面視頻圖像分析的高爐異常狀態智能感知與識別方法. 首先, 提出基于多尺度紋理模糊C均值聚類(Multi-scale texture fuzzy C-means, MST-FCM)的高溫煤氣流區域提取方法, 準確獲取煤氣流圖像, 并提取煤氣流圖像紋理、形態和穩定性等淺層特征; 其次, 針對高爐煤氣流異常狀態感知缺乏相應手段的問題, 提出基于特征編碼的高維特征降維方法, 結合自適應K-means++算法, 實現煤氣流異常狀態的粗粒度感知; 在此基礎上, 通過改進雅克比--傅立葉矩(Jacobi-Fourier moments, JFM) 提取煤氣流圖像深層特征變化趨勢, 進而提出細粒度煤氣流異常狀態感知方法; 最后, 基于煤氣流異常狀態感知結果, 結合塌料和懸料視頻圖像, 提出多級殘差通道注意力模塊(Multi-level residual channel attention module, MRCAM), 建立高爐異常狀態識別模型ResVGGNet, 同時實現高爐煤氣流異常、塌料和懸料的精準在線識別. 實驗結果表明, 所提方法能準確識別不同的高爐異常狀態且識別速度快, 可為高爐平穩運行提供重要保障.
              面向算力網絡的智慧調度綜述
              李逸博, 李小平, 王爽, 蔣嶷川
              , doi: 10.16383/j.aas.c230196
              摘要:
              分布異構計算資源通過網絡連接形成算力網絡 (Computing power network, CPN), 其以“連”和“算”為核心. 針對廣分布異構性導致可行解空間巨大、強不確定性導致可行解空間易變、高約束復雜性導致可行解孤島繁多、多目標性導致沖突目標權衡優化難等挑戰, 提出一個多層次算力網絡體系框架, 包括參數化結構化業務管理、三階段(計劃、調度、執行)閉環調度模式、多模態資源管理三個功能. 提出支持快速、高效、魯棒的“算法+知識+數據+算力”的算力網絡智慧調度框架, 形式化分析可行解空間, 解析調度策略關鍵參數, 定性分析調度算法性能與效率的內在關系, 詳細綜述調度算法類型, 綜述算力網絡調度研究進展與發展方向. 對比已有相關綜述研究, 展望算力網絡調度未來理論和技術的難點與趨勢.
              基于仿真機理和改進回歸決策樹的二噁英排放建模
              夏恒, 湯健, 余文, 喬俊飛
              , doi: 10.16383/j.aas.c230625
              摘要:
              城市固廢焚燒(Municipal solid waste incineration, MSWI)過程已是被稱為“世紀之毒”的二噁英(Dioxin, DXN)的重要排放源之一. 截止目前為止, DXN的生成機理和實時檢測仍是尚未解決的難題. 現有研究主要基于離線化驗數據構建數據驅動模型, 未能有效地結合燃燒過程機理進行DXN檢測. 針對該問題, 本文提出基于仿真機理和改進線性回歸決策樹(Linear regression decision tree, LRDT)的DXN排放建模. 首先, 采用基于床層固廢燃燒模擬軟件和過程工程先進系統軟件耦合的數值仿真模型獲取多運行工況下的虛擬機理數據; 接著, 利用虛擬機理數據構建基于改進LRDT的燃燒狀態表征變量CO2、CO和O2模型; 最后, 以真實CO2、CO、O2作為輸入和以DXN真值作為輸出, 構建基于多入單出LRDT 的過程映射模型(Process mapping model, PMM), 再利用該模型進行半監督學習和結構遷移得到機理映射模型(Mechanism mapping models1, MMM1), 進一步通過結構增量學習獲得基于半監督遷移學習的MMM2模型. 在實驗室的半實物平臺和北京某MSWI廠的邊緣端驗證平臺對所提方法進行了工業應用驗證.
              虛假數據注入式攻擊下無人水面船舶自適應神經輸出反饋軌跡跟蹤控制
              祝貴兵, 吳晨, 馬勇
              , doi: 10.16383/j.aas.c220984
              摘要:
              本文主要研究網絡環境下無人水面船舶 (Unmanned surface vessels, USVs) 遭受虛假數據注入式 (False-data-injection, FDI) 攻擊的跟蹤控制問題. 其中, 內部和外部不確定以及輸入飽和約束等實際因素均考慮在設計中. 在控制設計過程中, 為避免將船舶速度的攻擊信號引入閉環系統, 采用分類重構思想, 構造一種新的神經網絡 (Neural network, NN) 狀態觀測器, 同時重構船舶速度和攻擊信號. 進一步, 在backstepping 設計框架下, 利用重構的攻擊信號補償USVs 運動學通道因虛假數據注入式攻擊引起的非匹配不確定項. 在動力學設計通道中, 利用自適應神經技術和單參數學習法, 重構由內部和外部不確定組成的復合不確定部分, 進而提出自適應神經輸出反饋控制方案. 理論分析表明, 即便在FDI 攻擊、內外不確定以及執行器飽和約束的情況下, 所提控制方案能迫使USVs 跟蹤給定的參考軌跡. 同時, 仿真和比較結果闡明了所提控制方案的有效性和優越性.
              基于多變量時空融合網絡的風機數據缺失值插補研究
              詹兆康, 胡旭光, 趙浩然, 張思琪, 張峻凱, 馬大中
              , doi: 10.16383/j.aas.c230534
              摘要:
              風電場數據的完整性會因惡劣天氣、輸入信號丟失、傳感器故障等原因遭到破壞, 而大面積的數據缺失將給風機設備的運行和維護帶來嚴峻考驗. 因此, 提出一個多變量時空融合網絡(Multivariate spatiotemporal integration network, MSIN)來解決缺失數據問題. 首先, 提出包含缺失值定位?指引機制的MSIN結構, 揭示缺失部分數據的潛在信息, 確保插補數據符合真實分布. 其次, 在網絡中設計多視角時空卷積模塊, 捕捉同一風機多個變量與多個風機同一變量之間的局部空間和全局時間相關性, 用于提高插補數據的真實性. 接著, 提出網絡實時自更新機制, 根據風電場實時變化情況實現在線調整, 能夠提升網絡泛化能力, 由此彌補重新訓練模型的時間和空間成本高的缺陷. 最后, 通過真實的風機數據驗證所提網絡的有效性和優越性. 相關分析結果表明, 相較于MissForest等傳統數據插補方法的插補性能, 平均絕對誤差(Mean absolute error, MAE)、平均絕對百分比誤差(Mean absolute percentage error, MAPE)和均方根誤差(Root mean square error, RMSE)分別下降 18.54%、41.00% 和 3.15% 以上.
              基于多層級信息融合網絡的微表情識別方法
              陳妍, 吳樂晨, 王聰
              , doi: 10.16383/j.aas.c230641
              摘要:
              微表情是人類情感表達過程中細微且不自主的表情變化, 實現準確、高效的微表情識別對于心理疾病的早期診斷和治療有重要意義. 現有的微表情識別方法大多未考慮面部產生微表情時各個關鍵部位之間的聯系, 難以在小樣本的圖像空間上捕捉到微表情的細微變化, 導致識別率不高. 為此, 提出一種基于多層級信息融合網絡的微表情識別方法. 該方法包括一個基于頻率幅值的視頻幀選取策略, 能夠從微表情視頻中篩選出包含高強度表情信息的圖像幀; 以及一個基于自注意力機制和圖卷積網絡的多層級信息提取網絡和一個引入圖像全局信息的融合網絡, 能夠從不同層次捕獲人臉微表情的細微變化來提高對特定類別的辨識度. 在公開數據集上的實驗結果表明, 該方法能有效提高微表情識別的準確率, 和其他先進方法相比具有更好的性能.
              Schnakenberg系統的時空斑圖演化機理研究
              董順科, 肖敏, 虞文武
              , doi: 10.16383/j.aas.c230637
              摘要:
              Schnakenberg系統是一類典型的化學反應擴散控制系統. 目前國內外研究僅局限于Schnakenberg系統的Turing不穩定與分岔, 而關于其化學斑圖演化機理的報道較少. 斑圖機理分析可以準確揭示化學反應中自組織現象的產生和空間模式的演化規律. 本文研究交叉擴散驅動下Schnakenberg系統斑圖的結構蛻變、演化速度及時間依賴性, 重點探討交叉擴散對其動力學與斑圖演化的響應機制. 研究發現, 當自擴散誘導的系統穩定時, 交叉擴散可以激發斑圖的產生; 當自擴散誘導的系統不穩定時, 交叉擴散可以實現斑圖結構的蛻變; 對于環波結構, 不同組分的交叉擴散可以影響其演化速度; 對于時間依賴性, 交叉擴散可以激發隨時間周期變化的斑圖產生, 并可將此類斑圖轉換為隨時間相對穩定的斑圖. 因此, 交叉擴散對于Schnakenberg系統的斑圖產生、蛻變、演化速度及時間依賴性都起著至關重要的作用.
              基于自組織遞歸小波神經網絡的污水處理過程多變量控制
              蘇尹, 楊翠麗, 喬俊飛
              , doi: 10.16383/j.aas.c220679
              摘要:
              污水處理過程(Wastewater treatment process, WWTP)是一個包含多個生化反應的復雜過程, 具有非線性和動態特性. 因此, 實現污水處理過程的精準控制是一項挑戰. 為解決這個問題, 提出一種基于自組織遞歸小波神經網絡(Self-organizing recurrent wavelet neural network, SRWNN)的污水處理過程多變量控制. 首先, 針對污水處理過程的動態特性, 根據小波基的激活強度設計一種自組織機制來動態調整遞歸小波神經網絡控制器的結構, 提高控制的性能. 然后, 采用結合自適應學習率的在線學習算法, 實現控制器的參數學習. 此外, 通過李雅普諾夫穩定性定理證明此控制器的穩定性. 最后, 采用基準仿真平臺進行仿真驗證, 實驗結果表明, 此控制方法可以有效提高污水處理過程的控制絕對積分誤差和平方誤差積分的精度.
              高超聲速飛行器指定時間時變高增益反饋跟蹤控制
              張康康, 周彬, 蔡光斌, 侯明哲
              , doi: 10.16383/j.aas.c210895
              摘要:
              研究了高超聲速飛行器控制通道存在未知環境干擾時的指定時間跟蹤控制問題. 基于高超聲速飛行器的輸入輸出線性化模型, 借助參量 Lyapunov方程的一些性質, 設計一種光滑、有界的時變高增益控制律. 相比于現有的高超聲速飛行器有限/固定時間控制方法, 該算法不會出現抖振現象, 同時收斂時間不依賴于初始狀態且可以事先設定. 當高超聲速飛行器存在未知的有界環境匹配干擾時, 該控制器能使高度和速度在指定時間跟蹤上參考信號. 仿真結果驗證了方法的有效性.
              自適應分布式聚合博弈廣義納什均衡算法
              時俠圣, 任璐, 孫長銀
              , doi: 10.16383/j.aas.c230584
              摘要:
              隨著信息物理系統技術的發展, 面向多智能體系統的分布式協同優化問題得到廣泛研究. 主要研究面向多智能體系統的受約束分布式聚合博弈問題, 其中局部智能體成本函數受到全局聚合項約束和全局等式耦合約束. 首先, 面向一階積分型多智能體系統設計一種基于估計梯度下降的納什均衡求解算法. 其中, 利用多智能體系統平均一致性方法設計一種自適應估計策略, 以實現全局聚合項約束分布式估計. 并據此計算出梯度函數估計值. 其次, 利用狀態反饋策略和輸出反饋策略將上述算法推廣至狀態信息可測和狀態信息不可測一般異構線性多智能體系統. 最后, 利用拉薩爾不變性原理證實上述算法收斂性, 并提供多組案例仿真用以驗證算法有效性.
              知識和數據驅動的污水處理反硝化脫氮過程協同優化控制
              韓紅桂, 王玉爽, 劉崢, 孫浩源, 喬俊飛
              , doi: 10.16383/j.aas.c230695
              摘要:
              為有效提升城市污水處理過程的脫氮效果, 提出一種知識和數據驅動的反硝化脫氮過程協同優化控制(Knowledge-data-driven cooperative optimal control, KDDCOC). 所提方法主要有以下兩個方面: 首先, 建立一種基于自適應知識核函數的協同優化控制目標模型, 動態描述出水水質(Effluent quality, EQ)以及泵送能耗(Pumping energy consumption, PE)、關鍵變量的協同關系; 其次, 提出一種知識引導的協同優化算法(Knowledge guide-based cooperative optimization algorithm, KGCO), 快速準確求解硝態氮(Nitrate nitrogen, SNO)優化設定值, 提高KDDCOC的響應速度. KDDCOC利用比例?積分?微分(Proportional-integral-derivative, PID)控制器對硝態氮優化設定值進行跟蹤, 將提出的KDDCOC應用于城市污水處理過程基準仿真模型 1 號(Benchmark simulation model 1, BSM1); 實驗結果表明, 該方法能夠提高出水水質, 降低運行能耗, 有效改善脫氮效果.
              基于孿生網絡與多重通道融合的脫機筆跡鑒別
              林超群, 王大寒, 肖順鑫, 池雪可, 王馳明, 張煦堯, 朱順痣
              , doi: 10.16383/j.aas.c230777
              摘要:
              脫機簽名驗證模型因其判斷簽名是否偽造的能力而備受關注. 當今大多數脫機簽名驗證模型可分為深度度量學習方法和雙通道判別方法. 大部分深度度量學習方法利用孿生網絡生成每張圖片的細節特征向量, 采用歐氏距離法判斷相似度, 但是歐氏距離僅考慮兩個點之間的絕對距離, 而容易忽視點的方向、縮放的信息, 不會考慮數據之間的相關性, 因此無法捕獲特征向量內部之間的關系; 而雙通道判別方法在網絡前就進行特征的判別, 更能判斷不同圖像的相似性, 但此時圖像的細節特征不夠清晰, 大量特征丟失. 針對雙通道判別方法中特征消失過多的問題, 提出了一種面向獨立于書寫者場景的手寫簽名離線驗證模型(Multi-channel feature fusion network, MCFFN). 在 CEDAR、BHSig-B、BHSig-H 和 ChiSig 四個不同語言的簽名數據集上測試了所提出的方法, 實驗證明了所提方法的優勢和潛力.
              基于層級結構的空?地協同預設時間最優容錯控制
              成旺磊, 張柯, 姜斌
              , doi: 10.16383/j.aas.c230699
              摘要:
              本文研究了發生執行器故障的無人機-無人車異構編隊系統的層級預設時間最優編隊控制問題. 以保容錯性能和收斂速度的優化控制為研究主線, 以層級控制、圖博弈理論和預設時間控制為技術基礎, 構建了一種預設時間最優容錯控制算法. 虛擬層設計了基于一致性跟蹤誤差和能量消耗的二次型性能指標函數, 借助耦合哈密頓?雅克比?貝爾曼(Hanmilton-Jacobi-Bellman, HJB)方程和強化學習求解近似最優控制策略, 實現多智能體的同步最優控制和交互納什均衡. 實際控制層基于最優信號并利用滑??刂坪妥赃m應技術, 設計了預設時間容錯跟蹤控制器, 實現對最優編隊軌跡的有限時間跟蹤. 在保證全局收斂時間完全不依賴于系統的初始狀態和控制器參數的同時, 也有效實現對執行器故障參數的逼近. 最后, 通過仿真實驗驗證了所提控制策略的有效性.
              多層異構生物網絡候選疾病基因識別
              丁蒼峰, 王君, 張紫蕓
              , doi: 10.16383/j.aas.c210577
              摘要:
              現有大多數用于識別候選疾病基因的隨機游走方法通常優先訪問高度連接的基因, 而可能與已知疾病有關的不知名或連接性差的基因易被忽略或難以識別. 此外, 這些方法僅訪問單個基因網絡或各種基因數據的聚合網絡, 導致偏差和不完整性. 因此, 設計一種能控制隨機游走運動方向和整合多種數據源的候選疾病基因識別方法將是一個迫切需要解決的問題. 為此, 首先構建多層網絡和多層異構基因網絡. 然后, 提出一種游走于多層網絡和多層異構網絡的拓撲偏置重啟隨機游走(Biased random walk with restart, BRWR)算法來識別疾病基因. 實驗結果表明, 游走于不同類型網絡上的識別候選疾病基因的BRWR算法優于現有的算法. 最后, 應用于多層異構網絡上的BRWR算法能預測未診斷的新生兒類早衰綜合征中涉及的疾病基因.
              基于加權錨點的多視圖聚類算法
              劉溯源, 王思為, 唐廠, 周思航, 王思齊, 劉新旺
              , doi: 10.16383/j.aas.c220531
              摘要:
              大規模多視圖聚類旨在解決傳統多視圖聚類算法中計算速度慢、空間復雜度高, 以致無法擴展到大規模數據的問題. 其中, 基于錨點的多視圖聚類方法通過使用整體數據集合的錨點集構建后者對于前者的重構矩陣, 利用重構矩陣進行聚類, 有效地降低了算法的時間和空間復雜度. 然而, 現有的方法忽視了錨點之間的差異, 均等地看待所有錨點, 導致聚類結果受到低質量錨點的限制. 為定位更具有判別性的錨點, 加強高質量錨點對聚類的影響, 提出一種基于加權錨點的大規模多視圖聚類算法(Multi-view clustering with weighted anchors, MVC-WA). 通過引入自適應錨點加權機制, 所提方法在統一框架下確定錨點的權重, 進行錨圖的構建. 同時, 為增加錨點的多樣性, 根據錨點之間的相似度進一步調整錨點的權重. 在9個基準數據集上與現有最先進的大規模多視圖聚類算法的對比實驗結果驗證了所提方法的高效性與有效性.
              基于單應性擴散約束的二步網格優化視差圖像對齊
              陳殷齊, 鄭慧誠, 嚴志偉, 林峻宇
              , doi: 10.16383/j.aas.c210966
              摘要:
              目前, 在帶有視差場景的圖像對齊中, 主要難點在某些無法找到足夠匹配特征的區域, 這些區域稱為匹配特征缺失區域. 現有算法往往忽略匹配特征缺失區域的對齊建模, 而只將有足夠匹配特征區域中的部分單應變換系數(如相似性變換系數)傳遞給匹配特征缺失區域, 或者采用將匹配特征缺失區域轉化為有足夠匹配特征區域的間接方式, 因此對齊效果仍不理想. 在客觀事實上, 位于相同平面的區域應該擁有相同的完整單應變換而非部分變換參數. 由此出發, 利用單應變換系數擴散的思想設計了一個二步網格優化的圖像對齊算法, 簡稱單應擴展變換(Homography diffusion warping, HDW)算法. 該方法在第一步網格優化時獲得有足夠匹配特征區域的單應變換, 再基于提出的單應性擴散約束將這些單應變換系數擴散到鄰域網格, 進行第二步網格優化, 在保證優化任務簡潔高效的前提下實現單應變換系數的傳播與圖像對齊. 相較于現有的針對視差場景圖像對齊算法, 所提方法在各項指標上都獲得了更好的效果.
              基于區塊鏈的聯邦學習: 模型、方法與應用
              李程, 袁勇, 鄭志勇, 楊東, 王飛躍
              , doi: 10.16383/j.aas.c230336
              摘要:
              近年來, 人類社會快速步入大數據時代, 數據安全與隱私保護已成為發展大數據生態及相關數字經濟的關鍵問題. 聯邦學習作為分布式機器學習的一種新范式, 致力于在保護數據隱私的同時從分布式本地數據集中訓練全局模型, 因而獲得了廣泛和深入的研究. 然而, 聯邦學習體系面臨的中心化架構、激勵機制設計和系統安全等技術挑戰仍有待進一步研究, 而區塊鏈被認為是應對這些挑戰的有效解決方案, 并已成功應用于聯邦學習的許多研究和實踐場景. 在系統性地梳理現階段區塊鏈與聯邦學習集成研究成果的基礎上, 提出基于區塊鏈的聯邦學習概念模型, 闡述其中的若干關鍵技術、研究問題與當前研究進展, 探討該領域的應用場景以及有待進一步研究的關鍵問題, 并討論未來發展的潛在方向, 致力于為構建去中心化和安全可信的數據生態基礎設施、促進數字經濟與相關產業的發展提供有益的參考與借鑒.
              不確定性環境下維納模型的隨機變分貝葉斯學習
              劉切, 李俊豪, 王浩, 曾建學, 柴毅
              , doi: 10.16383/j.aas.c210925
              摘要:
              多重不確定性環境下的非線性系統辨識是一個開放問題. 貝葉斯學習在描述、處理不確定性方面具有顯著優勢, 已在線性系統辨識方面得到廣泛應用, 但在非線性系統辨識的應用較少, 面臨概率估計復雜、計算量大等困難. 針對上述問題, 以典型維納(Wiener)非線性過程為對象, 提出基于隨機變分貝葉斯的非線性系統辨識方法. 首先對過程噪聲、測量噪聲以及參數不確定性進行概率描述; 然后利用隨機變分貝葉斯方法對模型參數進行后驗估計. 在估計過程中, 利用隨機優化思想, 僅利用部分中間變量概率信息估計模型參數分布的自然梯度期望, 與利用所有中間變量概率信息估計模型參數比較, 顯著降低了計算復雜性. 該方法是首次在系統辨識領域中的應用. 本文利用一個仿真實例和一個維納模型的Benchmark問題, 證明了該方法在對大規模數據系統辨識時的有效性.
              快速刀具伺服系統位置域重復控制設計及其數字實現
              周蘭, 楊秦, 潘昌忠, 肖文彬, 李美柳
              , doi: 10.16383/j.aas.c230381
              摘要:
              在非圓零件車削過程中, 快速刀具伺服(Fast tool servo, FTS)的運動精度直接影響零件的加工質量. 主軸變速加工使得FTS的參考目標信號周期時變而不確定, 這對實現其漸近跟蹤提出了極大的挑戰. 本文利用FTS的位置域周期特性, 提出一種基于位置域重復控制和時域速度反饋鎮定的FTS系統復合控制設計方法, 并給出位置域改進型重復控制器(Spatial modified repetitive controller, SMRC)的數字實現算法, 實現對時變周期參考目標信號的高精度跟蹤. 首先, 建立包含位置相關時變周期參考目標信號內模的SMRC, 并引入位置域相位超前裝置對鎮定補償器引起的相位滯后進行補償, 在此基礎上構建復合控制律. 然后應用小增益定理和算子理論, 推導出閉環系統的穩定性條件, 在保持系統采樣頻率不變的條件下, 應用插值法建立SMRC的數字實現算法, 確保位置域重復控制和時域鎮定控制器的同步執行. 最后, 通過仿真驗證所設計的FTS控制系統具有滿意的時變周期跟蹤性能和魯棒性, 并通過與其他位置域重復控制方法的比較, 說明所提方法同時具有更好的暫態和穩態性能.
              聯合深度超參數卷積和交叉關聯注意力的大位移光流估計
              王梓歌, 葛利躍, 陳震, 張聰炫, 王子旭, 舒銘奕
              , doi: 10.16383/j.aas.c230049
              摘要:
              針對現有深度學習光流估計模型在大位移場景下的準確性和魯棒性問題, 本文提出了一種聯合深度超參數卷積和交叉關聯注意力的圖像序列光流估計方法. 首先, 通過聯合深層卷積和標準卷積構建深度超參數卷積以替代普通卷積, 提取更多特征并加快光流估計網絡訓練的收斂速度, 在不增加網絡推理量的前提下提高光流估計的準確性; 然后, 設計基于交叉關聯注意力的特征提取編碼網絡, 通過疊加注意力層數獲得更大的感受野, 以提取多尺度長距離上下文特征信息, 增強大位移場景下光流估計的魯棒性; 最后, 采用金字塔殘差迭代模型構建聯合深度超參數卷積和交叉關聯注意力的光流估計網絡, 提升光流估計的整體性能. 分別采用MPI-Sintel和KITTI測試圖像集對本文方法和現有代表性光流估計方法進行綜合對比分析, 實驗結果表明本文方法取得了較好的光流估計性能, 尤其在大位移場景下具有更好的估計準確性與魯棒性.
              基于表征學習的離線強化學習方法研究綜述
              王雪松, 王榮榮, 程玉虎
              , doi: 10.16383/j.aas.c230546
              摘要:
              強化學習通過智能體與環境在線交互來學習最優策略, 近年來已成為解決復雜環境下感知決策問題的重要手段. 然而, 在線收集數據的方式可能會引發安全、時間或成本等問題, 極大限制了強化學習在實際中的應用. 與此同時, 原始數據的維度高且結構復雜, 解決復雜高維數據輸入問題也是強化學習面臨的一大挑戰. 幸運的是, 基于表征學習的離線強化學習能夠僅從歷史經驗數據中學習策略, 而無需與環境產生交互. 它利用表征學習技術將離線數據集中的特征表示為低維向量, 然后利用這些向量來訓練離線強化學習模型. 這種數據驅動的方式為實現通用人工智能提供了新契機. 為此, 本文對近期基于表征學習的離線強化學習方法進行了全面綜述. 首先給出了離線強化學習的形式化描述, 然后從方法、基準數據集、離線策略評估與模型選擇三個層面對現有技術進行歸納整理, 進一步介紹了離線強化學習在工業、推薦系統、智能駕駛等領域中的研究動態. 最后, 對全文進行了總結, 并探討了基于表征學習的離線強化學習未來所面臨的關鍵挑戰與發展趨勢, 以期為后續的研究提供有益參考.
              芯片智能布線方法研究綜述
              周展文, 卓漢逵
              , doi: 10.16383/j.aas.c230368
              摘要:
              布線是芯片設計自動化流程中至關重要也是特別耗時的一環, 直接影響最終產品的面積、成本、功耗、速度和可靠性, 研究智能布線算法對提高芯片布線效率和優化芯片布線效果具有重要意義. 芯片布線問題是一個多目標、多約束的NP困難問題. 即使已有幾十年的研究歷史, 目前仍存在大量未突破的問題和空間. 隨著制造工藝的不斷發展, 布線規則、約束和目標也持續調整和增加, 使得布線選擇極其困難. 本文旨在對芯片設計自動化中自動布線的前沿研究進行全面歸納與分析, 以幫助科研人員全面了解該領域的研究進展和方向, 助力智能布線算法的研究和發展. 具體而言, 本文首先闡述芯片布線的問題背景, 然后分別介紹全局布線和詳細布線的任務定義和目標、過程特點、難點和挑戰、評估方法; 接著詳述和分析各布線方法, 重點論述基于規劃搜索的布線方法和基于機器學習的布線方法的最新研究成果、優缺點及其應用環節; 然后介紹公開數據集和開源布線工具; 最后總結現有方法在實際應用中存在的局限性, 并對自動布線未來的發展趨勢和潛在研究方向進行展望.
              融合深度學習的貝葉斯濾波綜述
              張文安, 林安迪, 楊旭升, 俞立, 楊小牛
              , doi: 10.16383/j.aas.c230457
              摘要:
              當前動態系統呈現大型化、復雜化的趨勢, 基于貝葉斯濾波的動態系統狀態估計遇到了一系列新的挑戰. 隨著深度學習在特征提取與模式識別等方面的優勢與潛力不斷顯現, 深度學習與傳統貝葉斯濾波相結合的研究也隨之興起. 為此, 本文梳理了不同領域融合深度學習的貝葉斯濾波方法的應用案例, 從中剖析不同類型動態系統下貝葉斯濾波存在的局限性和共性難題. 在此基礎上, 總結了當前貝葉斯濾波存在的幾類不確定性問題, 以深度學習的視角將這些問題歸納為特征提取和參數辨識兩大基本問題, 進而介紹深度學習為貝葉斯濾波所提供的解決方案. 其次, 歸納整理了兩類深度學習與貝葉斯濾波結合的具體方法, 著重介紹了深度卡爾曼濾波和融合深度學習的自適應卡爾曼濾波. 最后, 綜合考慮深度學習方法和貝葉斯濾波方法的優勢, 討論了融合深度學習的貝葉斯濾波方法的開放問題和未來研究方向.
              基于自然梯度的非線性變分貝葉斯濾波算法
              胡玉梅, 潘泉, 鄧豹, 郭振, 陳立峰
              , doi: 10.16383/j.aas.c230359
              摘要:
              在統計流形空間中, 從信息幾何角度考慮非線性狀態后驗分布近似的實質是后驗分布與相應參數化變分分布之間的Kullback-Leibler散度最小化問題, 同時也可以轉化為變分置信下界的最大化問題. 為了提升非線性系統狀態估計的精度, 在高斯系統假設條件下結合變分貝葉斯推斷和Fisher信息矩陣推導出置信下界的自然梯度, 并通過分析其信息幾何意義, 闡述在統計流形空間中置信下界沿其方向不斷迭代增大, 實現變分分布與后驗分布的 “緊密” 近似; 在此基礎上, 以狀態估計及其誤差協方差作為變分超參數, 結合最優估計理論給出一種基于自然梯度的非線性變分貝葉斯濾波算法; 最后, 通過天基光學傳感器量測條件下近地軌道衛星跟蹤定軌仿真實驗驗證: 與對比算法相比, 所提算法具有更高的精度.
              基于組信息蒸餾殘差網絡的輕量級圖像超分辨率重建
              王云濤, 趙藺, 劉李漫, 陶文兵
              , doi: 10.16383/j.aas.c211089
              摘要:
              目前, 基于深度學習的超分辨算法已經取得了很好性能, 但這些方法通常具有較大的內存消耗和較高的計算復雜度, 很難應用到低算力或便攜式設備上. 為了解決這個問題, 設計一種輕量級的組?信息蒸餾殘差網絡(Group-information distillation residual network, G-IDRN)用于快速且精確的單圖像超分辨率. 具體來說, 提出一個更加有效的組?信息蒸餾模塊(Group-information distillation block, G-IDB)作為網絡特征提取基本塊. 同時, 引入密集快捷連接對多個基本塊進行組合, 構建組?信息蒸餾殘差組(Group-information distillation residual group, G-IDRG), 捕獲多層級信息和有效重利用特征. 另外, 還提出一個輕量的非對稱殘差Non-local模塊, 對長距離依賴關系進行建模, 進一步提升超分的性能. 最后, 設計一個高頻損失函數, 去解決像素損失帶來圖像細節平滑的問題. 大量的實驗表明, 該算法相較于其他先進方法可以在圖像超分辨率性能和模型復雜度之間取得更好平衡, 其在公開測試數據集B100上, 4倍超分速率達到56 FPS, 比殘差注意力網絡快15倍.
              逆強化學習算法、理論與應用研究綜述
              宋莉, 李大字, 徐昕
              , doi: 10.16383/j.aas.c230081
              摘要:
              隨著深度強化學習的研究與發展, 強化學習在博弈與優化決策、智能駕駛等現實問題中的應用也取得顯著進展. 然而強化學習在智能體與環境的交互中存在人工設計獎勵函數難的問題, 因此研究者提出了逆強化學習這一研究方向. 如何從專家演示中學習獎勵函數和進行策略優化是一個新穎且重要的研究課題, 在人工智能領域具有十分重要的研究意義. 本文綜合介紹了逆強化學習算法的最新進展, 首先介紹了逆強化學習在理論方面的新進展, 然后分析了逆強化學習面臨的挑戰以及未來的發展趨勢, 最后討論了逆強化學習的應用進展和應用前景.
              面向可再生能源消納的火電機組控制結構綜合與分析
              馬士全, 丁進良
              , doi: 10.16383/j.aas.c230210
              摘要:
              增加可再生能源在電網中的占比, 使能源結構更合理, 是加快能源轉型實現低碳可持續發展的有效途徑. 電網中占主導地位的火電, 輔助消納可再生能源的能力, 對提高可再生能源在電網中的占比起到重要作用. 為了提高火電機組輔助可再生能源的消納能力, 本文根據當前系統控制方案, 分析了影響機組靈活性與調峰深度的因素, 包括機爐協調、局部反饋策略下的鍋爐控制、系統穩態工作點的規劃等. 基于補償方案的協調策略限制了機組對具有隨機性和間歇性的可再生能源的補償能力; 局部反饋策略下的鍋爐控制只是實現了等效熱效應的反饋; 非額定工況下的穩態工作點關系到輔助可再生能源消納的能耗和排放指標. 根據以上分析分別給出了進一步的研究內容.
              數字孿生驅動的長距離帶式輸送機運行優化方法
              楊春雨, 卜令超, 陳斌
              , doi: 10.16383/j.aas.c210979
              摘要:
              長距離帶式輸送機是礦山、港口等領域運輸散裝物料的主要工具. 針對長距離帶式輸送機的安全節能運行問題, 研究數字孿生驅動的運行優化方法. 首先, 構建由數字孿生模型、模型同步算法、控制策略和現實帶式輸送機組成的數字孿生驅動運行優化框架; 然后, 建立數字孿生模型, 包括基于變質量牛頓第二定律和有限元分析法的輸送帶動力學模型、物料流動態模型和動態能耗模型; 最后, 提出數字孿生驅動的計算決策?仿真評估?優化校正(Decision-simulation-correction, DSC)優化決策方法, 優化帶式輸送機的穩態和暫態運行帶速, 形成可行帶速設定曲線. 實驗結果表明, 數字孿生驅動的帶式輸送機運行優化方法可以實現帶式輸送機安全節能運行. 與傳統控制方法相比, 能夠根據運行工況實時調速, 提高輸送帶填充率, 節能13.87%.
              基于捕獲點理論的混合驅動水下刀鋒腿機器人穩定性判據
              陳樂鵬, 崔榮鑫, 嚴衛生, 馬飛宇
              , doi: 10.16383/j.aas.c220889
              摘要:
              由8個推進器和6條刀鋒腿混合驅動的水下機器人可在水底或壁面上行走. 本文旨在研究這類機器人運動穩定性的評判準則, 即穩定性判據. 現有的穩定性判據多集中于同一機構(腿)驅動的陸地機器人, 未涉及混合驅動的水下刀鋒腿機器人. 針對該問題, 提出了基于捕獲點理論的混合驅動水下刀鋒腿機器人穩定性判據. 首先, 在建立混合驅動水下滾動倒立擺模型的基礎上, 利用機器人運動狀態預測擺動腿和支撐腿切換瞬間機器人的動能. 然后, 根據推進器所能提供的推力范圍, 計算迫使機器人靜止的捕獲點變化范圍, 即獲取捕獲域. 最后, 根據捕獲域與支撐域的空間關系, 判斷機器人是否穩定, 并計算穩定裕度. 水下實驗表明, 所提出的穩定性判據具有較好的充要性和普適性.
              基于相關性的Swarm聯邦降維方法
              李文平, 杜選
              , doi: 10.16383/j.aas.c220690
              摘要:
              聯邦學習(Federated learning, FL)在解決人工智能(Artificial intelligence, AI)面臨的隱私泄露和數據孤島問題方面具有顯著優勢. 針對聯邦學習的已有研究未考慮聯邦數據之間的關聯性和高維性問題, 提出一種基于聯邦數據相關性的去中心化聯邦降維方法. 該方法基于Swarm學習(Swarm learning, SL)思想, 通過分離耦合特征, 構建典型相關分析(Canonical correlation analysis, CCA)的Swarm聯邦框架, 以提取Swarm節點的低維關聯特征. 為保護協作參數的隱私安全, 還構建了一種隨機擾亂策略來隱藏Swarm特征隱私. 在真實數據集上的實驗驗證了所提方法的有效性.
              一種基于信息熵遷移的文本檢測模型自蒸餾方法
              陳建煒, 楊帆, 賴永炫
              , doi: 10.16383/j.aas.c210598
              摘要:
              前沿的自然場景文本檢測方法大多基于全卷積語義分割網絡, 利用像素級分類結果有效檢測任意形狀的文本, 其缺點是模型大、推理時間長、內存占用高, 這在實際應用中限制了其部署. 提出一種基于信息熵遷移的自蒸餾訓練方法(Self-distillation via entropy transfer, SDET), 利用文本檢測網絡深層網絡輸出的分割圖(Segmentation map, SM)信息熵作為待遷移知識, 通過輔助網絡將信息熵反饋給淺層網絡. 與依賴教師網絡的知識蒸餾 (Knowledge distillation, KD)不同, 自蒸餾訓練方法僅在訓練階段增加一個輔助網絡, 以微小的額外訓練代價實現無需教師網絡的自蒸餾(Self-distillation, SD). 在多個自然場景文本檢測的標準數據集上的實驗結果表明, SDET在基線文本檢測網絡的召回率和F1得分上, 能顯著優于其他蒸餾方法.
              基于特征變換和度量網絡的小樣本學習算法
              王多瑞, 杜楊, 董蘭芳, 胡衛明, 李兵
              , doi: 10.16383/j.aas.c210903
              摘要:
              在小樣本分類任務中, 每類可供訓練的樣本非常有限, 同類樣本在特征空間中分布稀疏, 異類樣本間的邊界模糊. 文章提出一種新的基于特征變換的網絡, 并使用度量的方法來處理小樣本分類任務. 算法通過嵌入函數將樣本映射到特征空間并計算輸入樣本與樣本中心的特征殘差, 利用特征變換函數學習樣本中心與同類樣本間的殘差, 使樣本在特征空間中向同類樣本中心靠攏, 更新樣本中心在特征空間中的位置使它們之間的距離增大. 融合余弦相似度和歐氏距離構造一個新的度量方法, 設計一個度量函數對特征圖中每個局部特征的度量距離進行聯合地表達, 該函數在網絡優化時可同時對樣本特征間的夾角和歐氏距離進行優化. 網絡模型在小樣本分類任務常用數據集上的表現證明, 該模型性能優秀且具有泛化性.
              融合實體和上下文信息的篇章關系抽取研究
              黃河燕, 袁長森, 馮沖
              , doi: 10.16383/j.aas.c220966
              摘要:
              篇章關系抽取是識別篇章中實體對之間的關系. 相較于傳統的句子級別關系抽取, 篇章級別關系抽取任務更加貼近實際應用, 但是它對實體對的跨句子推理和上下文信息感知等問題提出了新的挑戰. 本文提出融合實體和上下文信息(Fuse entity and context information, FECI)的篇章關系抽取方法, 它包含兩個模塊, 分別是實體信息抽取模塊和上下文信息抽取模塊. 實體信息抽取模塊從兩個實體中自動地抽取出能夠表示實體對關系的特征. 上下文信息抽取模塊根據實體對的提及位置信息, 從篇章中抽取不同的上下文關系特征. 本文在三個篇章級別的關系抽取數據集上進行實驗, 效果得到顯著地提升.
              含有輸入時滯的非線性系統的輸出反饋采樣控制
              馬倩, 盛兆明, 徐勝元
              , doi: 10.16383/j.aas.c220774
              摘要:
              針對含有輸入時滯和低階非線性項的非線性系統, 提出了一種基于采樣機制的無記憶輸出反饋控制方法. 該方法移除了傳統預測控制方法預測映射難以確定的限制, 同時避免了時滯依賴方法對過去時刻狀態信息的依賴性, 在實際中更易實現. 首先, 根據系統輸出在采樣時刻的信息, 利用加冪積分技術和齊次占優思想設計了無記憶輸出反饋控制器. 然后, 利用齊次系統理論提出了閉環系統的穩定性條件. 最后, 仿真結果驗證了所提方法的正確性和優越性.
              基于注意力機制和循環域三元損失的域適應目標檢測
              周洋, 韓冰, 高新波, 楊錚, 陳瑋銘
              , doi: 10.16383/j.aas.c220938
              摘要:
              目前大多數深度學習算法都依賴于大量的標注數據并欠缺一定的泛化能力. 無監督域適應算法能提取到已標注數據和未標注數據間隱式共同特征, 從而提高算法在未標注數據上的性能. 目前域適應目標檢測算法主要為兩階段目標檢測器設計. 針對單階段檢測器中無法直接進行實例級特征對齊導致一定數量域不變特征的缺失, 提出結合通道注意力機制的圖像級域分類器加強域不變特征提取. 此外對于域適應目標檢測中存在類別特征的錯誤對齊引起的精度下降問題, 通過原型學習構建類別中心, 設計了一種基于原型的循環域三元損失函數, 從而實現原型引導的精細類別特征對齊. 以單階段目標檢測算法作為檢測器, 在多種域適應目標檢測公共數據集上進行實驗. 實驗結果證明該方法能有效提升原檢測器在目標域的泛化能力達到更高的檢測精度, 并且對于單階段目標檢測網絡具有一定的通用性.
              基于計算機視覺的工業金屬表面缺陷檢測綜述
              伍麟, 郝鴻宇, 宋友
              , doi: 10.16383/j.aas.c230039
              摘要:
              針對金屬平面及三維結構材料的工業表面缺陷檢測, 本文概述了視覺檢測技術的基本原理和研究現狀, 并總結出視覺自動檢測系統的關鍵技術包括光學成像技術、圖像預處理技術與缺陷檢測器. 本文首先介紹了如何根據檢測對象的光學特性選擇合適的二維、三維光學成像技術; 其次介紹了圖像降噪、特征提取、圖像分割和拼接等預處理技術的重要作用; 然后根據缺陷檢測器的實現原理將其分為模板匹配、圖像分類、圖像語義分割、目標檢測和圖像異常檢測五類, 并對其中的經典算法進行了歸納分析. 最后, 本文探討了工業場景下視覺檢測技術實施中的關鍵問題, 并對該技術的發展趨勢進行了展望.
              基于RUL和SVs-GFF的云服務器老化預測方法
              孟海寧, 童新宇, 謝國, 張貝貝, 黑新宏
              , doi: 10.16383/j.aas.c211112
              摘要:
              針對云服務器中存在軟件老化現象, 將造成系統性能衰退與可靠性下降的問題, 借鑒剩余使用壽命(Remaining useful life, RUL)概念, 提出基于支持向量(Support vectors, SVs)和高斯函數擬合(Gaussian function fitting, GFF)的老化預測方法(SVs-GFF). 首先, 提取云服務器老化數據的統計特征指標, 并采用支持向量回歸(Support vector regression, SVR) 對統計特征指標進行數據稀疏化處理, 得到支持向量序列數據; 然后, 建立基于密度聚類的高斯函數擬合模型, 對不同核函數下的支持向量序列數據進行老化曲線擬合, 并采用Fréchet距離優化算法選取最優老化曲線; 最后, 基于最優老化曲線, 評估系統到達老化閾值前的RUL, 以預測系統何時發生老化. 在OpenStack云服務器4個老化數據集上的實驗結果表明, 基于RUL和SVs-GFF的云服務器老化預測方法與傳統預測方法相比, 具有更高的預測精度和更快的收斂速度.
              無人機使能的無線傳感網總能耗優化方法
              李敏, 包富瑜, 王恒
              , doi: 10.16383/j.aas.c220914
              摘要:
              為降低無人機(Unmanned aerial vehicle, UAV)使能的無線傳感網的能量消耗, 延長網絡生命周期, 該文提出一種在地面節點能量預算下系統總能耗優化方法. 首先, 提出地面節點聚類方法, 利用目標函數確定最優簇數, 改進模糊C均值算法構建能量均衡的集群, 采用退避定時器機制根據隸屬度和能量值選擇各集群的最優簇頭, 減少地面節點的能耗. 其次, 根據已選簇頭位置, 利用遺傳算法規劃UAV的飛行軌跡, 減小UAV能耗. 最后, 通過單純形搜索算法和連續凸逼近算法聯合優化簇頭發射功率和UAV懸停位置, 減小數據采集時系統的總能耗. 仿真結果表明, 所提方法優于所比較的方案.
              一種面向航空母艦甲板運動狀態預估的魯棒學習模型
              王可, 徐明亮, 李亞飛, 姜曉恒, 魯愛國, 李鑒
              , doi: 10.16383/j.aas.c210664
              摘要:
              航母甲板在風、浪、流等因素影響下做六自由度不規則運動, 影響艦載機著艦精度. 航母甲板運動預估與補償是自動著艦系統的重要功能之一, 也是提高艦載機著艦安全性與成功率的關鍵技術之一. 本文提出一種面向甲板運動預估的魯棒學習模型, 通過基本構建單元自適應演化出復雜學習系統. 構建單元的訓練采用非梯度的偽逆學習策略, 提高了訓練效率, 簡化了學習控制超參數調優;構建單元的架構設計采用數據驅動的策略, 簡化了架構超參數調優;采用圖拉普拉斯正則化方法提高了模型的魯棒性. 通過某型航母在中等海況條件下以典型航速巡航時的仿真實驗, 驗證了所提方法在甲板縱搖、橫搖以及垂蕩運動預估問題中的有效性及魯棒性.
              基于SCN數據模型的SISO非線性自適應控制
              代偉, 張政煊, 楊春雨, 馬小平
              , doi: 10.16383/j.aas.c210174
              摘要:
              針對一類難以建立精確模型的單輸入單輸出(Single-input single-output, SISO) 非線性離散動態系統, 提出了一種數據驅動模型的自適應控制方法. 所提方法首先設計具有直鏈與增強結構的隨機配置網絡(Stochastic configuration network, SCN), 建立了一種可同時表征非線性系統低階線性部分與高階非線性項(未建模動態)的數據驅動模型, 并采用增量學習方法與監督機制, 對模型結構與模型參數進行同步更新優化, 保證了數據驅動模型的無限逼近能力, 解決了傳統自適應控制采用交替辨識算法存在的建模精度低、模型收斂性無法保證的問題. 進而利用直鏈部分與增強部分, 分別設計了線性控制器及虛擬未建模動態補償器, 建立了基于SCN 數據驅動模型的自適應控制新方法, 分析了其穩定性與收斂性, 通過數值仿真實驗和采用交替辨識算法的傳統自適應控制方法進行對比, 實驗結果表明所提方法的有效性.
              基于最大最小策略的縱向聯邦學習隱私保護方法
              李榮昌, 劉濤, 鄭海斌, 陳晉音, 劉振廣, 紀守領
              , doi: 10.16383/j.aas.c211233
              摘要:
              縱向聯邦學習是一種新興的分布式機器學習技術, 在保障隱私性的前提下利用分散在各個機構的數據實現機器學習模型的聯合訓練. 縱向聯邦學習被廣泛應用于工業互聯網金融借貸和醫療診斷等眾多領域中, 因此保證其隱私安全性具有重要意義. 本文首先針對縱向聯邦學習協議中由于參與方交換的嵌入表示造成的隱私泄露風險, 研究由協作者發起的通用的屬性推斷攻擊. 攻擊者利用輔助數據和嵌入表示訓練一個攻擊模型, 然后利用訓練完成的攻擊模型竊取參與方的隱私屬性. 實驗結果表明: 縱向聯邦學習在訓練、推理階段產生的嵌入表示容易泄露數據隱私. 為了應對上述隱私泄露風險, 進一步提出一種基于最大最小策略的縱向聯邦學習隱私保護方法, 其引入梯度正則組件保證訓練過程主任務的預測性能, 同時引入重構組件掩藏參與方嵌入表示中包含的隱私屬性信息. 最后, 在鋼板缺陷診斷工業場景的實驗結果表明: 相比于沒有任何防御方法的VFL, 隱私保護方法將攻擊推斷準確度從95%降到55%以下, 接近于隨機猜測的水平, 同時主任務預測準確率僅下降2%.
              面向全量測點耦合結構分析與估計的工業過程監測方法
              趙健程, 趙春暉
              , doi: 10.16383/j.aas.c220090
              摘要:
              實際工業場景中, 需要在生產過程中收集大量測點的數據, 從而掌握生產過程運行狀態. 傳統的過程監測方法通常僅評估運行狀態整體的異常與否, 或對運行狀態進行分級評估, 這種方式并不會直接定位故障部位, 不利于故障的高效檢修. 為此, 提出了一種基于全量測點估計的監測模型, 根據全量測點估計值與實際值的偏差定義監測指標, 從而實現全量測點的分別精準監測. 為了克服原有的基于工況估計的監測方法監測不全面且對測點間耦合關系建模不充分的問題, 提出了多核圖卷積網絡(Multi-kernel graph convolution network, MKGCN), 通過將全量傳感器測點視為一張全量測點圖, 顯式地對測點間耦合關系進行建模, 從而實現了全量傳感器測點的同步工況估計. 此外, 面向在線監測場景, 設計了基于特征逼近的自迭代方法, 從而克服了在異常情況下由于測點間強耦合導致的部分測點估計值異常的問題. 所提出的方法在電廠百萬千瓦超超臨界機組中引風機的實際數據上進行了驗證, 結果顯示, 提出的監測方法與其他典型方法相比能夠更精準地檢測出發生故障的測點.
              考慮電網線路傳輸安全的分布式電力市場交易模式研究
              李遠征, 張虎, 劉江平, 趙勇, 連義成
              , doi: 10.16383/j.aas.c211244
              摘要:
              分布式電力市場交易模式可以有效緩解傳統集中模式下市場主體的隱私安全等問題, 但難以在保障市場主體收益和電力系統安全穩定運行的同時實現社會福利最大化. 因此, 考慮電網線路傳輸約束, 首先以社會福利最大化為目標構建了集中式交易模型, 并采用拉格朗日乘子法和對偶理論將其等價分解為各市場主體自身利益最大化的分布式交易模型. 在此基礎上, 設計了兩種適用于不同場景的分布式交易方法, 并構造電網安全成本影響市場主體的決策, 從而保證電網線路傳輸安全. 最后, 基于算例分析驗證了兩種方法的有效性.
              異構集成代理輔助的區間多模態粒子群優化算法
              季新芳, 張勇, 鞏敦衛, 郭一楠, 孫曉燕
              , doi: 10.16383/j.aas.c210223
              摘要:
              現實生活中的很多黑盒優化問題可歸為高計算代價的多模態優化問題, 即昂貴多模態優化問題. 在處理該類問題時, 決策者希望以盡量少的計算代價(即盡量少的真實函數評價次數)找到多個高質量的最優解. 然而, 已有代理輔助的進化優化算法很少考慮問題的多模態屬性, 運行一次僅可獲得問題的一個最優解. 鑒于此, 研究一種異構集成代理輔助的區間多模態粒子群優化算法. 首先, 借助異構集成的思想構建一個由多個基礎代理模型組成的模型池; 隨后, 依據待評價粒子與已發現模態之間的匹配關系, 從模型池中自主選擇部分基礎代理模型進行集成, 并使用集成后的代理模型預測該粒子的適應值. 進一步, 為節約代理模型管理的代價, 設計一種增量式的代理模型管理策略; 為減少代理模型預測誤差對算法性能的影響, 首次將區間排序關系引入到進化過程中. 將所提算法與當前流行的5種代理輔助進化優化算法和7 種經典的多模態優化算法進行對比, 在20個測試函數和1個建筑節能實際問題上的結果表明, 所提算法可以在較少計算代價下獲得問題的多個高競爭最優解.
              基于網格重構學習的染色體分類模型
              張林, 易先鵬, 王廣杰, 范心宇, 劉輝, 王雪松
              , doi: 10.16383/j.aas.c210303
              摘要:
              染色體的分類識別是核型分析的重要任務之一. 因其柔軟易彎曲, 且類間差異小、類內差異大等特點, 其精準分類已成為挑戰性難題. 本文提出基于網格重構學習(GRid reConstruction learning, GRiCoL)的染色體分類模型. 該模型首先將染色體圖像網格化, 提取局部分類特征; 再通過重構網絡對全局特征進行二次提取, 最后完成分類. 相比于現有幾種方法, GRiCoL同時兼顧局部和全局特征提取更有效的分類特征, 有效改善染色體彎曲導致的分類性能下降, 參數規模合理. 通過基于G帶、熒光原位雜交、Q帶染色體公開數據集的實驗表明: GRiCoL能夠更好地弱化染色體彎曲帶來的影響, 在不同數據集上的分類準確度均優于現有分類方法.
              多層異質復雜網絡系統的能控性
              曹連謙, 王立夫, 孔芝, 郭戈
              , doi: 10.16383/j.aas.c210654
              摘要:
              本文研究了節點狀態為高維的多層復雜網絡系統的能控性問題. 討論了節點的異質性、層間耦合、層內耦合對網絡能控性的影響. 發現當節點狀態由同質變為異質, 內耦合矩陣由相同變為不同, 對網絡能控性均有影響(網絡既可由能控變為不能控, 又可由不能控變為能控); 對層間耦合模式為驅動響應模式和相互依賴模式, 分別給出了網絡系統能控的充分條件或必要條件. 相比于直接應用經典的能控性判據, 這些條件更易于驗證, 且驅動響應模式比相互依賴模式實現系統完全能控所需的條件更弱.
              融合屬性偏好和多階交互信息的可解釋評分預測研究
              鄭建興, 李沁文, 王素格, 李德玉
              , doi: 10.16383/j.aas.c210457
              摘要:
              已有推薦系統主要基于用戶-項目交互矩陣來學習用戶和項目的向量表示, 而當交互矩陣稀疏時, 推薦系統的精度較低, 推薦的結果缺乏可解釋性. 本文考慮了用戶-項目交互行為中的評分標簽信息, 提出了一種融合屬性偏好和多階交互信息的可解釋評分預測方法, 并根據屬性偏好對推薦結果進行了解釋. 首先, 基于注意力機制分析了用戶和項目屬性信息與評分標簽的關系, 建模了節點的屬性偏好特征表示; 然后, 聚合了用戶-項目交互矩陣中節點自身、交互鄰居和評分標簽信息, 通過圖神經網絡學習了節點的多階交互行為特征表示; 最后, 融合了節點的屬性偏好特征和交互行為特征, 在異質類型信息空間下學習了用戶和項目的語義特征表示, 利用多層感知機實現了評分預測, 并在MovieLens和Douban數據集上驗證了方法的有效性. 實驗結果表明, 本文方法在MAE和RMSE指標上有效提高了推薦系統的精度, 緩解了數據稀疏場景下推薦模型性能較低的問題, 提升了推薦結果的可解釋性.
              高速公路無人駕駛的分層抽樣多動態窗口軌跡規劃算法
              張琳, 薛建儒, 馬超, 李庚欣, 李勇強
              , doi: 10.16383/j.aas.c210673
              摘要:
              高速公路無人駕駛軌跡規劃面臨著實時性強、安全性高的挑戰. 本文提出了一種分層抽樣多動態窗口的軌跡規劃算法(Stratied sampling based multi-dynamic window trajectory planner, SMWTP). 首先, 用多動態窗口表征可行軌跡的搜索空間, 并基于貝葉斯網絡構建了車輛軌跡分布模型. 其次, 采用先速度后路徑的分層抽樣策略生成符合動態場景約束的候選軌跡集合. 最后, 利用引入障礙車輛速度估計不確定性的責任敏感安全模型(Responsibility sensitive safety, RSS)從中選擇最優軌跡. 大量仿真實驗和實際交通場景測試驗證了算法的有效性, 對比實驗結果表明所提算法性能顯著優于人工勢場最優軌跡規劃算法和多動態窗口模擬退火軌跡規劃算法.
              目標跟蹤中基于IoU和中心點距離預測的尺度估計
              李紹明, 儲珺, 冷璐, 涂序繼
              , doi: 10.16383/j.aas.c210356
              摘要:
              目標跟蹤中基于IoU (Intersection over union, IoU)預測的尺度估計方法, 通過估計視頻幀中候選框與真實目標框的重疊度訓練尺度回歸模型, 推理階段通過最大化IoU對初始化邊界框進行微調, 取得目標的尺度. 本文詳細分析了基于IoU預測的尺度估計模型的梯度更新過程, 發現其在訓練和推理過程僅將IoU作為度量, 缺乏對預測框和真實目標框中心點距離的約束, 導致外觀模型更新過程中模板受到污染, 前景和背景分類時定位出現偏差. 基于此發現, 本文構建了一種結合IoU和中心點距離的新度量NDIoU (Normalization distance IoU), 在此基礎上提出一種新的尺度估計方法, 并將其嵌入判別式跟蹤框架. 即在訓練階段以NDIoU為標簽, 設計了具有中心點距離約束的損失函數監督網絡的學習, 在線推理期間通過最大化NDIoU微調目標尺度, 以幫助外觀模型更新時獲得更加準確的樣本. 在七個數據上與相關主流方法進行對比, 本文方法在七個數據集上的綜合性能優于所有對比算法. 特別是在GOT-10k數據集上, 本文方法的AO、\begin{document}$ S{R}_{0.5} $\end{document}\begin{document}$ S{R}_{0.75} $\end{document}三個指標達到了65.4%、78.7%和53.4%, 分別超過基線模型4.3%、7.0%和4.2%.
              Event-Triggered Tracking Control for a Class of Nonlinear Systems With Observer and Prescribed Performance
              YOU Xing-Xing, YANG Dao-Wen, GUO Bin, LIU Kai, DIAN Song-Yi, ZHU Yu-Qi
              , doi: 10.16383/j.aas.c210387
              摘要:
              This paper investigates an adaptive fuzzy tracking control method for a class of nonlinear systems with external disturbances. Firstly, fuzzy logic systems and the fuzzy state observer are implemented to approximate unknown nonlinear functions and estimate the unmeasured states of systems, respectively. Then, the tracking error can be constrained within the specified range by means of the performance function. Furthermore, an event-triggered adaptive fuzzy controller is designed by employing the backstepping method and Lyapunov functional with logarithm function. The proposed control strategy can ensure that all the signals of the closed-loop system are semiglobally uniformly ultimately bounded based on the Lyapunov stability theory and the properties of\begin{document}$\tanh$\end{document}function. Finally, a numerical simulation example is provided to verify the effectiveness of proposed method.
              基于 PID 自整定功能的自適應雙路輸出的黑體溫度控制
              張海弟
              , doi: 10.16383/j.aas.c190277
              摘要:
              首先, 通過分析黑體溫度控制系統的物理模型, 推演出黑體傳遞函數的表達式.推演過程中得知黑體易受環境溫度和空氣散熱的影響, 所以黑體溫度控制系統是個非線性時變系統.結合實驗黑體的階躍響應數據, 采用階躍響應法對傳遞函數進行近似計算, 得出黑體溫控系統的傳遞函數是極點在左半軸的二階系統, 該系統等效于二階低通濾波器.經過低通濾波器的信號, 會濾除高頻部分, 當用繼電器法進行參數自整定時, 僅需計算能量較大的基波信號.通過對基波信號進行比較, 得出繼電器法的整定公式, 并參照Ziegler-Nichols整定法則計算出PID參數.同時, 本文針對黑體加熱器具有雙路輸出的特點, 提出了一種雙路動態輸出法, 通過理論分析了該方法可以消除環境對黑體溫度的影響.對于環境溫度變化較大的, 采用繼電器法PID參數自整定的方式來消除; 對于黑體運行過程中環境溫度變化較小的, 采用雙路動態輸出法來減少影響.最后, 結合實驗數據, 引入性能指標, 驗證了本文所述方法對黑體的溫度控制性能有一定的提升.
              基于光流與多尺度上下文的圖像序列運動遮擋檢測
              馮誠, 張聰炫, 陳震, 李兵, 黎明
              , doi: 10.16383/j.aas.c210324
              摘要:
              針對非剛性運動和大位移場景下運動遮擋檢測的準確性與魯棒性問題, 本文提出一種基于光流與多尺度上下文的圖像序列運動遮擋檢測方法. 首先, 設計基于擴張卷積的多尺度上下文信息聚合網絡, 通過圖像序列多尺度上下文信息獲取更大范圍的圖像特征; 然后, 采用特征金字塔構建基于多尺度上下文與光流的端到端運動遮擋檢測網絡模型, 利用光流優化非剛性運動和大位移區域的運動遮擋信息; 最后, 構造基于運動邊緣的網絡模型訓練損失函數, 獲取準確的運動遮擋邊界. 分別采用MPI-Sintel和KITTI測試數據集對本文方法與現有的代表性遮擋檢測模型進行實驗對比與分析. 實驗結果表明, 本文方法能夠有效提高運動遮擋檢測的準確性, 尤其在非剛性運動和大位移等困難場景下具有更好的遮擋檢測魯棒性.
              基于層次特征復用的視頻超分辨率重建
              周圓, 王明非, 杜曉婷, 陳艷芳
              , doi: 10.16383/j.aas.c210095
              摘要:
              當前的深度卷積神經網絡方法, 在視頻超分辨率任務上實現的性能提升相對于圖像超分辨率任務略低一些, 部分原因是它們對層次結構特征中的某些關鍵幀間信息的利用不夠充分. 為此, 本文提出了一個稱作層次特征復用網絡(Hierarchical feature reuse network, HFRNet)的結構, 用以解決上述問題. 該網絡保留運動補償幀的低頻內容, 并采用密集層次特征塊(Dense hierarchical feature block, DHFB)自適應地融合其內部每個殘差塊的特征, 之后用長距離特征復用融合多個DHFB間的特征, 從而促進高頻細節信息的恢復. 實驗結果表明, 本文提出的方法在定量和定性指標上均優于當前的方法.
              基于流形正則化框架和MMD的域自適應BLS模型
              趙慧敏, 鄭建杰, 郭晨, 鄧武
              , doi: 10.16383/j.aas.c210009
              摘要:
              寬度學習系統(Broad learning system, BLS)作為一種基于隨機向量函數型網絡(Random vector functional link network, RVFLN)的高效增量學習系統, 具有快速自適應模型結構選擇能力和高精度的特點. 但針對目標分類任務中有標簽數據匱乏問題, 傳統的BLS難以借助相關領域知識來提升目標域的分類效果, 為此本文提出一種基于流形正則化框架和最大均值差異(Maximum mean discrepancy, MMD)的域適應BLS(DABLS)模型, 實現目標域無標簽條件下的跨域圖像分類. DABLS模型首先構造BLS的特征節點和增強節點, 從源域和目標域數據中有效提取特征; 再利用流形正則化框架構造拉普拉斯矩陣, 以探索目標域數據中的流形特性, 挖掘目標域數據的潛在信息. 接著基于遷移學習方法構建源域數據與目標域數據之間的MMD懲罰項, 以匹配源域和目標域之間的投影均值; 將特征節點、增強節點、MMD懲罰項和目標域拉普拉斯矩陣相結合, 構造目標函數, 并采用嶺回歸分析法對其求解, 獲得輸出系數, 從而提高模型的跨域分類性能. 最后在不同圖像數據集上進行大量的驗證與對比實驗, 結果表明DABLS在不同圖像數據集上均能獲得較好的跨域分類性能, 具有較強的泛化能力和較好的穩定性.
              多階段注意力膠囊網絡的圖像分類
              宋燕, 王勇
              , doi: 10.16383/j.aas.c210012
              摘要:
              本文針對膠囊網絡特征提取不充分的問題, 提出了一種圖像分類的多階段注意力膠囊網絡模型. 首先在卷積層對低層特征和高層特征分別采用空間和通道注意力來提取有效特征; 然后提出基于向量方向的注意力機制作用于動態路由層, 增加對重要膠囊的關注, 進而提高低層膠囊對高層膠囊預測的準確性; 最后, 在五個公共數據集上進行對比實驗, 結果表明本文提出的模型在分類精度和魯棒性上優于其他膠囊網絡模型, 在仿射變換圖像重構上也表現良好.
              仿人智能控制理論及應用研究進展
              戴小文, 宋建霖, 岳麗全
              , doi: 10.16383/j.aas.c200007
              摘要:
              仿人智能控制是現代智能控制理論之一, 利用分層遞階的控制結構與多控制模態為強非線性、大遲滯、難建模問題提供了切實可行的解決方案, 近些年來發展迅速并且得到學術界的持續關注, 但缺乏對該理論研究進展系統性的總結. 本文通過系統的梳理仿人智能控制的理論基礎和發展脈絡, 將其劃分為三代控制模型, 分別從每一代控制模型的算法描述、研究進展與應用進展三個角度進行綜述, 同時, 結合當前的研究進展討論仿人智能控制在控制模型、結構功能、參數校正方面進一步研究的方向.
              基于生成對抗網絡的對抗攻擊防御模型
              孔銳, 蔡佳純, 黃鋼
              , doi: 10.16383/j.aas.2020.c200033
              摘要:
              深度神經網絡在解決復雜問題方面取得了驚人的成功, 廣泛應用于生活中各個領域, 但是最近的研究表明, 深度神經網絡容易受到精心設計的對抗樣本的攻擊, 導致網絡模型輸出錯誤的預測結果, 這對于深度學習網絡的安全性是一種極大的挑戰. 對抗攻擊是深度神經網絡發展過程中必須克服的一大障礙, 設計一種高效且能夠防御多種對抗攻擊算法, 且具有強魯棒性的防御模型是有效推動對抗攻擊防御的方向之一, 探究能否利用對抗性攻擊來訓練網絡分類器從而提高其魯棒性具有重要意義. 本文將生成對抗網絡(Generative adversarial networks, GAN)和現有的攻擊算法結合, 提出一種基于生成對抗網絡的對抗攻擊防御模型(AC-DefGAN), 利用對抗攻擊算法生成攻擊樣本作為GAN的訓練樣本, 同時在網絡中加入條件約束來穩定模型的訓練過程, 利用分類器對生成器所生成樣本的分類來指導GAN的訓練過程, 通過自定義分類器需要防御的攻擊算法來生成對抗樣本以完成判別器的訓練, 從而得到能夠防御多種對抗攻擊的分類器. 通過在MNIST、CIFAR-10和ImageNet數據集上進行實驗, 證明訓練完成后, AC-DefGAN可以直接對原始樣本和對抗樣本進行正確分類, 對各類對抗攻擊算法達到很好的防御效果, 且比已有方法防御效果好、魯棒性強.
              論文與報告
              多尺度視覺語義增強的多模態命名實體識別方法
              王海榮, 徐璽, 王彤, 陳芳萍
              , doi: 10.16383/j.aas.c230573
              摘要:
              為解決多模態命名實體識別(Multimodal named entity recognition, MNER)方法研究中存在的圖像特征語義缺失和多模態表示語義約束較弱等問題, 提出多尺度視覺語義增強的多模態命名實體識別方法(Multi-scale visual semantic enhancement for multimodal named entity recognition method, MSVSE). 該方法提取多種視覺特征用于補全圖像語義; 挖掘文本特征與多種視覺特征間的語義交互關系, 生成多尺度視覺語義特征并進行融合, 得到多尺度視覺語義增強的多模態文本表示; 使用視覺實體分類器對多尺度視覺語義特征解碼, 實現視覺特征的語義一致性約束; 調用多任務標簽解碼器挖掘多模態文本表示和文本特征的細粒度語義, 通過聯合解碼解決語義偏差問題, 從而進一步提高命名實體識別準確度. 為驗證該方法的有效性, 在Twitter-2015和Twitter-2017數據集上進行實驗, 并與其他10種方法進行對比, 該方法的平均F1值分別提升了0.85%和1.45%.
              擴展目標跟蹤中基于深度強化學習的傳感器管理方法
              張虹蕓, 陳輝, 張文旭
              , doi: 10.16383/j.aas.c230591
              摘要:
              針對擴展目標跟蹤優化中的傳感器管理問題, 本文基于隨機矩陣模型(Random matrices model, RMM)建模擴展目標, 提出一種基于深度強化學習的傳感器管理方法. 首先, 在部分可觀測馬爾可夫決策過程(Partially observed Markov decision process, POMDP)理論框架下, 給出基于雙延遲深度確定性策略梯度(Twin delayed deep deterministic policy gradient, TD3)算法的擴展目標跟蹤傳感器管理的基本方法. 其次, 利用高斯瓦瑟斯坦距離(Gaussian Wasserstein distance, GWD)求解擴展目標先驗概率密度與后驗概率密度之間的信息增益, 對擴展目標多特征估計信息進行綜合評價, 進而以信息增益作為TD3算法獎勵函數的構建. 然后通過推導出的獎勵函數進行基于深度強化學習的傳感器管理方案的最優決策. 最后, 通過構造擴展目標跟蹤優化仿真實驗驗證了所提算法的有效性.
              一種邊界增強的醫學圖像小樣本分割網絡
              賈熹濱, 郭雄, 王珞, 楊大為, 楊正漢
              , doi: 10.16383/j.aas.c220994
              摘要:
              精準的醫學圖像自動分割是臨床影像學診斷和影像三維重建的重要基礎.但醫學圖像數據的目標對象間對比度差異小、受器官運動影響大, 加之標注樣本規模小, 因此在小樣本下建立高性能的醫學分割模型仍是目前的難點問題. 針對主流原型學習小樣本分割網絡對醫學圖像邊界分割性能差的問題, 提出一種迭代邊界優化的小樣本分割網絡(Iterative boundary refinement based few-shot-segmentation network, IBR-FSS-Net). 以雙分支原型學習的小樣本分割框架為基礎引入類別注意力機制和密集比較模塊, 對粗分割掩碼進行迭代優化, 引導分割模型在多次迭代學習過程中關注邊界, 從而提升邊界分割精度. 為進一步克服醫學圖像訓練樣本少且多樣性不足的問題, 使用超像素方法生成偽標簽, 擴充訓練數據以提升模型泛化性. 在主流的ABD-MR和ABD-CT醫學圖像分割公共數據集上進行實驗, 與現有多種先進的醫學圖像小樣本分割方法進行了廣泛的對比分析和消融實驗. 結果表明, 該方法有效提升了未見醫學類別的分割性能.
              面向研究問題的深度學習事件抽取綜述
              萬齊智, 萬常選, 胡蓉, 劉德喜, 劉喜平, 廖國瓊
              , doi: 10.16383/j.aas.c230184
              摘要:
              事件抽取是一個歷史悠久且極具挑戰的研究任務, 取得了大量優異的成果. 由于事件抽取涉及的研究內容較多, 它們的目標和重心各不相同, 使得讀者難以全面地了解事件抽取包含的研究任務、研究問題以及未來的熱點趨勢. 盡管現有的少量事件抽取綜述梳理了相關成果, 但存在以下局限: 1)研究任務及其研究進展的梳理不清晰; 2)僅從技術路線的角度進行梳理. 由于不同研究任務下的不同研究問題的解決技術不宜一起對比, 因此這樣的梳理方式不利于清晰地展示事件抽取在不同方面的研究進展情況. 為此, 面向研究問題對基于深度學習的事件抽取研究成果重新回顧整理. 首先, 界定事件的相關概念, 論述事件抽取的研究任務, 明確各研究任務的目標, 再梳理各任務上的代表性研究成果; 然后, 總結現有事件抽取成果主要致力于解決哪些方面的研究問題, 分析為什么會存在這些問題、為什么需要解決這些問題的原因; 緊接著對每個方面的研究問題進行技術路線梳理, 分析各自的大體研究方案以及研究推進的過程. 最后, 討論事件抽取可能的發展趨勢.
              工業無線網絡實時傳輸調度算法研究綜述
              裘瑩, 張敬宣, 柯杰, 方夢園, 徐偉強
              , doi: 10.16383/j.aas.c220939
              摘要:
              無線網絡是工業物聯網中的一種具有良好前景的網絡互聯技術. 它的應用為工業現場設備的部署提供了極大的便利, 使設備擺脫了線纜的束縛從而在空間上的選點更為靈活, 同時能夠節省線材和人力等方面的成本. 然而, 無線通信易受環境噪聲的影響, 尤其是在復雜電磁干擾的工業環境中, 易導致無線傳輸的時延增大和數據丟失. 這些問題對于傳輸實時性要求較高的工業控制系統而言是非常不利的因素. 為了提高無線網絡在工業環境中數據傳輸的實時性, 業界設計了多種傳輸調度算法以提高無線通信的實時性和可靠性從而滿足工業應用的需求. 綜述了工業無線網絡傳輸調度算法的研究現狀, 對其發展歷程、問題定義、評價指標、分類方法和現有標準等方面進行了全面的總結, 詳細闡述了具有代表性的調度算法的工作原理, 并指出了未來的研究方向.
              基于自適應全局定位算法的帶鋼表面缺陷檢測
              王延舒, 余建波
              , doi: 10.16383/j.aas.c210467
              摘要:
              針對熱軋帶鋼表面缺陷檢測存在的智能化水平低、檢測精度低和檢測速度慢等問題, 本文提出了一種基于自適應全局定位網絡(Adaptive global localization network, AGLNet)的深度學習缺陷檢測算法. 首先, 引入了一種殘差網絡(Residual network, ResNet)與特征金字塔網絡(Feature pyramid network, FPN)集成的特征提取結構, 減少缺陷語義信息在層級傳遞間的消失; 其次, 提出基于Tree-structure parzen estimation的自適應樹型候選框提取網絡(Adaptive tree-structure region proposal network, AT-RPN), 無需先驗知識的測試積累, 避免了人為調參的訓練模; 最后, 引入了全局定位算法(Global localization regression)算法以全局定位的模式在復雜的缺陷檢測中實現缺陷更精確定位.本文實現一種快速、準確、更智能化、更適用于實際工業應用的熱軋帶鋼表面缺陷的算法.實驗結果表明, AGLNet在NEU-DET熱軋帶鋼表面缺陷數據集上的檢測速度保持在11.8fps, 平均精度達到了79.90 %, 優于目前其他深度學習帶鋼表面缺陷檢測算法; 另外該算法還具備較強的泛化能力.
              文與報告
              非對稱偏斜噪聲條件下一種魯棒概率系統辨識算法研究
              劉鑫, 陳強, 王蘭豪, 代偉
              , doi: 10.16383/j.aas.c211127
              摘要:
              在現有的系統辨識算法中, 常用的高斯、學生氏t、拉普拉斯等噪聲分布均呈現出對稱的統計特性, 難以描述非對稱性、有偏的輸出噪聲, 使得在非對稱偏斜噪聲條件下算法的性能下降. 基于此, 研究了一類廣義雙曲傾斜學生氏t(Generalized hyperbolic skew student's t, GHSkewt)分布, 并在非對稱偏斜噪聲條件下提出了一種線性系統魯棒辨識算法. 首先, 對GHSkewt分布的重尾特性和偏斜特性進行了詳細闡述, 在數學上證明了標準學生氏t分布可以看作是GHSkewt分布的一個特例; 其次, 引入隱含變量將GHSkewt分布進行數學分解以方便算法的推導和實現; 最后, 在期望最大化(Expectation-maximization, EM)算法下重構具有隱含變量系統的代價函數, 通過迭代優化的方式不斷從被污染數據集中學習過程的動態特性和噪聲分布, 實現噪聲參數和模型參數的聯合估計. 利用數值例子和質量彈簧阻尼機械系統驗證了算法的魯棒性、有效性和穩定性.
              研究與論文
              形式背景上近似推理生成決策蘊涵研究
              張家錄, 吳霞
              , doi: 10.16383/j.aas.c220705
              摘要:
              決策蘊涵分析是形式概念分析研究的重要方面, 基于形式背景獲取決策蘊涵、概念規則等知識是數據分析、機器學習的重要研究內容之一. 首先, 利用屬性邏輯語義對決策蘊涵的特性進行刻畫. 其次, 在經典二值邏輯框架下分析決策蘊涵、概念規則的基于全蘊涵三I推理思想及分離規則 (Modus Ponens, MP) 和逆分離規則 (Modus Tonens, MT) 的近似推理模式的特征, 證明決策蘊涵的MP、MT近似推理結論是決策蘊涵, 概念規則的MP、MT近似推理結論是概念規則等結論. 引進屬性邏輯公式的偽距離, 在屬性邏輯偽距離空間中分析推理對象范圍參數變化對決策蘊涵MP、MT近似推理結論的影響. 最后, 提出若干通過MP、MT近似推理生成決策蘊涵、概念規則及擬決策蘊涵的模式和方法, 數值實驗說明所提出的方法是有效的.
              1. <button id="qm3rj"><thead id="qm3rj"></thead></button>
                <samp id="qm3rj"></samp>
                <source id="qm3rj"><menu id="qm3rj"><pre id="qm3rj"></pre></menu></source>

                <video id="qm3rj"><code id="qm3rj"></code></video>

                  1. <tt id="qm3rj"><track id="qm3rj"></track></tt>
                      1. 亚洲第一网址_国产国产人精品视频69_久久久久精品视频_国产精品第九页