课程文献中心 更多>>

关键词： 结球生菜   无人机图像   密度图回归   计数   轻量化  

摘要： 在大田种植结球生菜结球期，通过计数进行产量估测对于评估经济效益、指导播种计划具有重要意义。但目前人工计数方法存在耗时长、工作量大等问题，本文提出了一种基于密度图回归的结球生菜轻量化计数网络，前端网络由卷积降采样模块和CSP结构堆叠而成以提取图像特征，通过降采样操作减小网络规模，并将不同层次特征进行拼接融合；后端网络采用扩张卷积结构，进一步提取图像特征并融合前端特征，增强模型的特征表达能力，最后由生成头生成高质量的密度图，通过积分得到计数结果。实验结果表明，本文提出的计数方法实现了较低的平均绝对误差（8.96）、均方根误差（14.21）、相对平均绝对误差（0.0651）、相对均方根误差（0.1032）以及较高的决定系数（0.9749）和准确率（93.49%），优于同类其他模型MCNN、CANNet、CSRNet、DSNet、MSPSNet、WHCNet、MLAENet；此外，本文模型在高计数准确性的同时保持了较低的资源占用，模型参数量和浮点运算次数分别为4.1×106和5.8×1010。本文提出的模型准确率和模型轻量化上均实现了较为优越的性能，可为田间生菜的产量估测提供技术方法。

关键词： 深度学习   漏洞检测   数据流分析   图神经网络   网络安全  

摘要： 随着网络攻击和犯罪日益猖獗，软件漏洞检测的准确性与全面性面临重大挑战。针对跨程序漏洞复杂语义难以捕获、数据流信息难以全面解析以及漏洞模式特征提取困难等问题，提出了一种基于LLVM IR与双向门控图神经网络Bi-GGNN的双向数据流分析的漏洞检测方法——BiG-BiD(Bi-GGNN based on Bidirectional DFA)。该方法首先通过LLVM编译源代码生成LLVM IR，并构建过程间控制流图(ICFG)，以引入跨过程漏洞语义信息。此外，设计了一种结合抽象数据流与LLVM IR行级漏洞属性特征嵌入的ICFG抽象嵌入方法DLAE(DFA Line-level Abstract Embedding)，以精确表征代码潜在漏洞模式。最后，通过Bi-GGNN训练迭代的方式，在ICFG中动态模拟到达定义分析与活跃变量分析，实现抽象数据流的动态传播与更新。实验结果表明，在Big-Vul与Reveal两个公开数据集上，BiG-BiD的召回率达到73.7%，相比现有静态分析工具和基于深度学习的漏洞检测模型提升了5%-38%。同时，在四个开源项目中成功检测出模型从未见过的23个CVE漏洞，其中10个漏洞仍未修复，证明了该方法在漏洞检测任务上的有效性和泛化性。

关键词： 轮式机器人   学习观测器   障碍函数   滑模控制   轨迹跟踪控制  

摘要： 提出了一种受未知干扰的轮式机器人的轨迹跟踪控制策略。设计了一种学习观测器来估计轮式机器人的位置和方向角，同时重建未知的干扰。基于学习观测器的估计值，设计了一种结合障碍函数的滑模控制器，以在轨迹跟踪中有效控制位置和方向角的估计误差。给出严格的Lyapunov稳定性分析，证明所提控制策略下闭环系统的稳定性。最后，仿真结果验证了所提方法的有效性和鲁棒性。

关键词： 隐式神经表示   体数据压缩   阻尼函数   科学可视化   频谱偏差  

摘要： 大规模数值仿真的时变体数据在科学研究中具有重要价值，但其巨大的规模对I/O带宽和磁盘存储带来了严峻挑战，影响了数据可视化和分析的效率。传统的有损压缩技术在高压缩比条件下容易丢失重要特征，深度学习模型在压缩体数据上虽表现良好，但通常要求在压缩之前能访问整个数据集，存在一定的局限性。隐式神经表示凭借其通用性成为压缩大规模体数据的有力工具，但现有方法主要采用单个大型多层感知机(MLP)对全局数据进行编码，导致训练和推理过程较为缓慢，且难以准确拟合高频信息。为此，我们提出了一种基于阻尼函数的均匀分区隐式神经表示方法，用于大规模时变体数据的高效压缩。首先，采用均匀分区方法，以多个MLP分别对局部数据进行拟合。通过均匀化分区大小，实现MLP之间的平衡并行化，从而显著提高了训练和推理的效率。其次，引入阻尼函数作为激活函数，克服频谱偏差问题，无需额外的位置编码即可捕捉高频信息。最后，我们通过复制相邻单元格信息解决了数据分割带来的边界伪影问题。实验结果表明，该方法在多个时变体数据上实现了更高的压缩效率和更精细的细节还原，展现了优越的压缩性能。

关键词： 单纯形   单纯复形   单纯形神经网络   图   图神经网络  

摘要： 图神经网络依托强大的计算能力在文本分类、节点分类和自然语言处理等领域取得了显著成果，其主要用于处理包含成对关系的图结构数据。然而，现实世界中的网络之间往往存在高阶交互关系，若使用图结构表示这种复杂关系，可能会丢失节点间的重要信息。最近，单纯形被证明不仅可以编码节点间的成对关系，还可以编码多节点间的高阶交互关系。因此，学者们开始探索如何在单纯形上设计神经网络，并随之提出了众多单纯形神经网络模型。与已有的神经网络综述不同，文中重点分析了单纯形神经网络在处理多元高阶交互关系中的前沿研究及应用。首先总结了近几年单纯形神经网络的发展脉络并介绍了单纯复形、边界矩阵和霍奇拉普拉斯矩阵等基础知识；其次依据构建单纯形神经网络时采用的不同方法对其进行归纳分类，并解释了每类的代表性模型；然后介绍了单纯形神经网络的实际应用及性能分析；最后总结并探讨了单纯形神经网络未来的研究方向。本文针对单纯形神经网络进行综述，旨在帮助读者了解单纯形神经网络的理论基础与模型构建方法，力争为模型优化与实际应用提供参考。

关键词： 多模态会话情感分析   说话人感知   大语言模型   双图融合  

摘要： 以往的多模态会话情感分析主要侧重于上下文信息建模，但在说话人性格特征的提取，不同说话人之间交互以及互补信息的传递上具有一定的局限性，同时在跨模态融合中未能充分捕获上下文情感线索。针对上述问题，提出了一种双图融合驱动下说话人感知增强的方法。首先通过跨模态注意力机制分层捕获模态内和模态间的上下文情感线索，然后设计提示模板结合大语言模型提取说话人的性格特征，接着构建多维度的说话人感知依赖图，包括同一说话人内部依赖图和不同说话人之间的交互依赖图，并与性格特征融合后，利用图注意力传递话语之间的依赖信息，最后通过交互模块实现不同感知依赖图之间的信息交换与融合，并引入交互损失以增强图间的敏感度。在两个公开的多模态数据集上进行广泛实验，实验结果充分证明了方法的有效性。

关键词： 机器学习   多源数据   岩性识别   随机森林   人工神经网络  

摘要： 东天山地区矿产资源丰富,构造演化复杂,出露大面积的中酸性侵入岩,它们主要形成于晚古生代,与区域构造演化和内生金属矿床成矿关系十分密切,对区域构造环境和成矿规律的认识具有重要的意义。然而,由于覆盖层的遮蔽作用,覆盖区内中酸性侵入岩的地质填图信息是不完整或完全缺失的,这在一定程度上制约了东天山区域构造与成矿规律的认识。近年来,基于大数据研究新范式发展起来的融合地球物理、地球化学、遥感图像等多源探测数据进行间接岩性填图的方法,为解决这一难题提供了有效途径。机器学习算法被诸多实例证明是数据融合的有力工具,它对复杂非线性地学数据的分类和判别等问题具有较强的适用性。为此,本文提出利用机器学习方法融合重力、航磁、地球化学、遥感影像数据,快速、经济、更准确地进行东天山地区中酸性侵入岩的填图工作。对研究区内出露的中酸性侵入岩进行类别标定并将其作为目标变量,将布格重力、航磁、水系沉积物地球化学和Landsat卫星多波段遥感影像数据作为预测变量,采用合成少数类过采样技术,解决岩性样本数据分布不均衡问题。基于随机森林和人工神经网络算法,对超参数进行网格搜索得到最优预测模型,分别对东天山地区覆盖区内隐伏中酸性岩体的空间分布和岩性进行预测,并对预测结果进行对比分析和讨论。准确率、召回率和F1得分都表明随机森林模型优于人工神经网络模型,故最终选取随机森林模型的预测结果作为东天山覆盖区的中酸性侵入岩岩性填图的最终结果,进一步讨论了中酸性侵入岩的空间分布对区域构造和成矿作用的控制规律。相比于传统的人工地质填图方式,基于机器学习和多源数据融合的间接岩性填图方法具有效率高、成本较低廉和不受地质地理景观条件制约等优点。

关键词： 异常检测   动态网络   对比学习   伪标签   半监督学习  

摘要： 随着网络信息规模的迅速增长，网络结构和数据流日益复杂，如何有效识别这些海量数据中的异常行为已成为网络安全领域的重要挑战。目前基于深度学习的异常行为检测方法主要针对静态网络，并且依赖标注数据，忽略了大量未标记数据的潜在价值。因此，本文提出一种基于动态图嵌入与对比学习的网络异常行为检测方法(network anomaly behavior detection method based on Dynamic Graph embedding and Contrastive Learning，DGCL)。该方法融合全局空间特征、局部结构特征和时间动态特征，利用Transformer生成高质量的节点表示，结合伪标签和对比学习策略提升检测性能。在Wikipedia、Reddit和Mooc三个数据集上进行实验验证，结果表明DGCL分别达到了87.89%、70.38%和70.11%的AUC值，相比其他同类方法，DGCL在动态网络异常检测中表现出更好的性能。

关键词： 桑丹通络汤   脑卒中后痉挛性瘫痪   阴虚血瘀型   表面肌电图   均方根值  

摘要： 目的：根据表面肌电图均方根值（Rootmeansquare，RMS）分析阴虚血瘀型脑卒中后上肢痉挛性瘫痪患者表面肌电图特点及桑丹通络汤临床疗效。方法： 选取60例阴虚血瘀型脑卒中后上肢痉挛性瘫痪患者及10例年龄、性别等相匹配的健康对照者。采用随机对照临床研究方法，对符合纳入标准的60例患者分为中药组与中药对照组。中药对照组采用基于《指南》的规范化西医治疗，中药组在中药对照组的基础上加用桑丹通络汤干预，疗程2周。记录10例健康对照者双侧肱二头肌(BB)、拇短屈肌(FPB)、第一骨间背侧肌(FDI)的RMS值及试验前后两组患者患侧MAS评分、FMA-UE评分及双侧BB、FPB和FDI在静息、被动收缩及主动收缩状态下RMS值，并对各数据进行分析比较。结果：1、表面肌电图特点：①健康对照者左右侧所检BB、FPB和FDI在静息、被动收缩及主动收缩状态下RMS值比较，P＞0.05，差异无统计学意义。痉挛患者健患侧所检BB、FPB和FDI在静息、被动收缩及主动收缩状态下RMS值（患侧＞健侧＞健康对照者），P＜0.05，差异有统计学意义。②痉挛患者健侧所检BB、FPB和FDI在静息、被动收缩及主动收缩状态下的RMS值与MAS分级比较，P＞0.05，差异无统计学意义。痉挛患者患侧所检BB、FPB和FDI在静息、被动收缩及主动收缩状态下的RMS值与MAS分级呈正相关，P＜0.05，差异有统计学意义。2、疗效研究结果：①静息状态下，两组治疗前后患侧所检BB、FPB和FDI的RMS值未见明显变化，P＞0.05，差异无统计学意义。被动收缩及主动收缩状态下，治疗后两组患侧所检BB、FPB和FDI的RMS值较治疗前均下降，P＜0.05，差异有统计学意义，且治疗后中药组患侧所检BB、FPB和FDI的RMS值较中药对照组下降，P＜0.05，差异有统计学意义。②两组治疗前后MAS评分组内对比，两组治疗后较治疗前MAS评分均改善，中药组P＜0.05，差异有统计学意义；中药对照组P＞0.05，差异无统计学意义；治疗后两组MAS评分组间对比，中药组优于中药对照组，P＞0.05，差异无统计学意义。③两组治疗前后FMA-UE评分组内对比，两组治疗后较治疗前FMA-UE评分均提高，P＜0.01，差异均有统计学意义；两组FMA-UE评分组间对比，中药组FMA-UE评分较中药对照组升高，P＜0.01，差异有统计学意义。④两组临床有效率统计分析，中药组总有效率78.57%，中药对照组总有效率44.83%。中药组疗效优于中药对照组，P=0.007（P＜0.01），差异有统计学意义。结论：脑卒中后痉挛性瘫痪患者患侧及健侧表面肌电信号均存在异常，故临床上早期开展双侧康复训练，增强两侧肢体间的相互协调，将更有利于患侧肢体运动功能的改善；患侧RMS值与MAS分级均呈高度正相关性，故RMS指标在临床痉挛程度的评估上具有显著的指导意义；桑丹通络汤能改善RMS值、MAS评分及FMA-UE评分，且安全性良好，值得临床推广及进一步研究。

关键词： 复合物组装   模拟   距离图   多种群  

摘要： 自然界中许多蛋白质通过形成复合物来发挥其生物功能，解析这些蛋白质的结构对于理解其功能和相互作用、揭示分子机制极其重要.随着深度学习的发展，蛋白质单体结构预测获得了显著进展，但复合物结构预测依然面临诸多挑战.本文提出了一种基于距离图辅助多种群协同进化的复合物组装方法C-DeepAssembly.首先，运行AlphaFold-Multimer和DeepAssembly，并通过其预测结构提取距离图.随后，在模拟过程中，通过多种群协同进化算法计算得到链间旋转平移量.最后，将旋转平移量施加到单体上，实现单体间对接，从而组装得到最终复合物结构.在21个CASP15二聚体目标蛋白和105个二聚体蛋白上的测试结果表明，C-DeepAssembly方法组装得到的最好模型比AlphaFold-Multimer方法平均TM-score分别提升了7.9%，16.6%.