课程文献中心 更多>>

关键词： 注意缺陷多动障碍   动作识别   骨架数据   图卷积网络   3D卷积神经网络  

摘要： 注意缺陷多动障碍（ADHD）是一种常见于儿童期的神经发育障碍，以注意力不集中、多动和冲动为主要特征，常表现出特定的动作模式。传统的动作识别算法在处理这些特定动作时存在识别准确率低、响应速度慢等问题。为解决此类问题，将2D姿态数据转化为3D热图方法，通过高斯分布精确地表示关节点间的空间关系，以有效保留时空信息。针对单一模态数据的限制，引入基于骨架和3D热图的多模态集成方法。通过融合Short 3D-CNN和自适应图卷积网络(AGCN)的输出特征，充分利用两种模态数据的优势，提升动作识别性能。在四川大学华西医院心理卫生中心采集的ADHD患者数据集上的实验结果表明，对于8种不同类型的动作，所提算法的TOP-1识别正确率为0.8604,TOP-5识别正确率为0.9873。此外，提出基于动作类型的ADHD自动分型算法，将ADHD分型为头面部体动型、躯干体动型和四肢体动型，识别正确率为0.7500，响应速度为5s，与2s-AGCN和POSEC3D相比，所提算法在复杂动作场景下具有更高的识别精度，为ADHD的个性化干预提供了新的技术手段。

关键词： 车辆路径问题   深度强化学习   元学习   图变分自编码器   组合优化   梯度策略方法  

摘要： 基于深度强化学习的车辆路径规划方法以其求解速度快、端到端等优势受到广泛关注，但现有方法大多局限于对节点分布均匀和数量固定问题的求解，当面临节点不平均分布以及节点数量变化的情况时，求解效果有所下降。针对这一问题，提出一种基于改进MAML(Model-Agnostic Meta-Learning)和图变分自编码器的元学习框架，旨在通过元训练得到一个良好的初始化模型，并针对数据集外分布任务进行快速微调，以提升模型的泛化性能。为进一步提升元学习效果，使用图变分自编码器进行元学习框架的参数初始化。实验表明，所提方法可以较好地处理不同节点分布情况的车辆路径问题，在面对不同节点数量问题时也有较好的表现，在五种任务上的平均偏差率较未使用元学习方法降低了0.45。元学习框架提升了强化学习的效果，与先进求解器相比，在保证成本接近的前提下可有效缩短求解时间，表明了方法的有效性。

关键词： 冬青   枝条   抗弯弹性模量   微纤丝角   纤维素  

摘要： 【目的】筛选适宜造型的冬青（Ilex cassine）品种，分析枝条化学组分及物理性质对其抗弯特性的影响，为其他造型冬青品种的筛选提供理论依据。【方法】以5个冬青品种（‘长青柳’I. cassine ‘Angustifolia’、 ‘内莉’I. × ‘Nellie R. Stevens’、 ‘黄金枸骨’I. × attenuata ‘Sunny Foster’、 ‘红玛瑙’I. decidua ‘Hongmanao’、 ‘冬红’I. verticillata ‘Winter Red’）为研究对象，测定直径2.5～7.5 mm的5个径级枝条抗弯力及抗弯弹性模量，纤维素、半纤维素和木质素含量，微纤丝角及结晶度等指标。【结果】①5个冬青品种的抗弯力、抗弯弹性模量随径级增加而增大，枝条化学组分及结晶度的变化与力学性质的变化类似，微纤丝角随径级增加而减小。②5个冬青品种抗弯力和抗弯弹性模量存在显著差异（P＜0.05），‘红玛瑙’的抗弯力及抗弯弹性模量最高，‘冬红’最低。③纤维素含量、综纤维素含量、微纤丝角、结晶度指标与5个冬青品种枝条的抗弯弹性模量差异显著，呈正相关关系，微纤丝角与其呈负相关关系（P＜0.05）。【结论】‘冬红’及‘内莉’为适宜造型的冬青品种。纤维素含量、综纤维素含量、微纤丝角、结晶度等指标是影响枝条抗弯特性的主要因素。

关键词： 机器学习   成员推理攻击   图神经网络   图分类   仅标签  

摘要： 图神经网络（GNN）作为深度学习领域的一个重要分支，因其在处理图结构数据方面的独特优势而受到广泛关注。成员推理攻击（MIA）对GNN的隐私保护提出了严峻的挑战，攻击者可以通过分析模型的行为，推断出特定的训练数据是否被用于模型的训练。当前针对GNN图分类的MIA相对较少，并且攻击依赖于访问模型的预测置信度分数，这种依赖限制了攻击方法在实际应用中的普适性，因为并非所有情况下攻击者都能获得这些置信度分数。因此本文提出了一种基于对抗性原理的针对GNN图分类的仅标签成员推理攻击，核心思想是利用不同数据样本对扰动的敏感性差异，间接推断出数据的成员资格。本文使用一种对抗性攻击技术，在GNN图分类中，通过量化改变样本标签所需扰动边的大小推断成员身份，并在三个代表性数据集和三个主流GNN模型上进行了实验验证，证明了其在GNN图分类任务中的有效性和实用性。

关键词： 跳频信号   低信噪比   参数估计   Yolov5s  

摘要： 针对低信噪比下跳周期估计和跳频频率估计误差较大的情况，本文提出了一种基于最大熵二值化时频图和DL(Detection and Localization)-Yolov5s的跳周期估计和跳频频率估计方法。首先本文利用最大熵阈值分割方法结合形态学滤波对时频图进行处理，获得清晰的最大熵二值化时频图，再通过本文提出的DL-Yolov5s模型对最大熵二值化时频图中的跳频信号进行检测和定位，通过增加ASPP模块和BiFPN模块，提高跳频信号的边缘和角点检测精度，并通过BOT3模块引入多头自注意力机制，提高跳频信号的定位精度，最后得到跳频信号的坐标位置，通过坐标的对照关系完成跳周期和频率估计。实验结果表明，相较于Yolov5s模型，本文提出的DL-Yolov5s模型精确率P提高了5%，召回率R提高了2.2%，平均精度mAP 0.5和mAP 0.5:0.9分别提高了5.1%和4.2%，相较于Yolov7、Yolov8等其他模型，本文提出的DL-Yolov5s模型体积更小，更适合用于跳频信号参数估计常用的嵌入式设备这类资源受限的环境，且相较于传统跳频信号参数估计方法，本文提出的方法可以有效降低信噪比下跳周期估计和跳频频率估计的误差。

关键词： 异常检测   属性图   域自适应   图神经网络   知识迁移  

摘要： 跨域图异常检测通过带标签的源图辅助无标签目标图，提升了异常节点检测的准确性，进而有效降低了无监督图异常检测中的高误报率。尽管已有多种领域自适应方法被相继提出，但图数据复杂的拓扑结构与节点属性之间的关系使得源图与目标图之间的特征难以对齐，此外，图异常节点的多样性进一步增加了域对齐后的检测难度。为了解决上述问题，提出了一种新的跨域图异常检测框架，即双重分类和重建网络（Dual Classification and Reconstruction Network， DCRN）。该网络采用重建策略进行领域自适应，通过联合优化结构和属性的共享编码器、异常分类器和解码器，使共享编码器能够有效捕捉源图与目标图之间复杂的扩普结构和节点属性关系，实现特征对齐与知识迁移。在对目标图进行异常检测的过程中，DCRN结合异常分类器和解码器的检测结果，识别与源图相似的异常节点以及仅存在于目标图中的特有异常，从而提高了模型的检测效果。在四个真实数据集上的实验表明，与10种基线方法相比，DCRN 平均提升了AUC-ROC指标4.5%，AUC-PR指标 20.5%，并在FAR指标上降低了16.13%。这些结果表明该方法能够有效地检测目标图中的异常节点。

关键词： Ti   AlNb基合金   支持向量机   热变形行为   三维加工图  

摘要： 通过等温恒应变速率压缩试验，研究了Ti2AlNb基合金在650～850 ℃、应变速率0.001～1 s-1范围内的热变形行为，并基于动态材料模型理论构建了三维加工图。首先分析了Ti2AlNb基合金的流动应力曲线，并建立了支持向量机本构模型，再对三维加工图进行了理论分析，最后结合微观组织验证了所构建三维加工图的准确性。结果表明，Ti2AlNb基合金的流动应力随变形温度的降低和应变速率的增加而增大。支持向量机模型能准确预测Ti2AlNb基合金在不同变形工艺参数下的流动行为，其相关系数为0.999，平均相对误差为0.67%。三维加工图表明，功率耗散效率η值较高的区域集中在低应变速率区域。不同应变下Ti2AlNb基合金较好的热变形工艺参数范围为675-725 ℃、0.001～0.003 s-1，最佳热变形工艺参数为700 ℃、0.001s-1。

关键词： 子结构   拓扑优化   悬臂板   十字板式节点  

摘要： 基于传统子结构划分的拓扑优化方法有利于解决工程结构拓扑结果材料富集、布局不合理的问题，但其子结构划分过于依赖设计者的经验和尝试，耗时费力效率低。为此，本文提出一种基于拓扑骨架分布的子结构划分方法，可以快速获得布局合理的子结构划分。该方法首先通过拓扑优化计算得到设计区域的骨架分布，然后将骨架分布映射至原始工程结构指导子结构的划分，将可设计区域划分为骨架子结构与其它次要子结构，最后使骨架子结构与其它次要子结构在不同体积比约束下达到整体刚度最大。应用于十字板式节点，得到了三种兼具性能佳与结构美的新构型，分别降低了34.81％-36.68％的结构自重、5.61％-8.52％的结构最大位移、26.95％-33.69％的结构最大等效应力，提升了十字板式节点的优化水平。本方法不仅可以直接快速进行合理子结构的划分，提升拓扑优化效率，而且可以得到更加优化的拓扑结果，提升拓扑优化质量。

关键词： NiTi合金   相变   斑图   应变率   摄动分析  

摘要： NiTi合金在非等温加载下产生强烈的非线性热力耦合相变，伴随着丰富的相界面斑图变化，这种独特的现象与界面厚度和外加驱动应变率相关。当外加应变率增加到一定程度可能会打破传统的等温成核生长模式，而此前尚未被研究过。本工作通过高速摄像技术和数字图像相关法，观测了不同应变率下多种厚度的纳米多晶态NiTi条带的相变斑图演化。基于Ginzburg-Landau理论，引入界面尺度和潜热释放与热传导竞争的时间尺度，建立动量平衡方程和热方程，采用摄动分析研究相变初期斑图形成与演化。与传统恒定外部场系统不同，本驱动系统扰动分析更具挑战性，其均匀基底持续变化且考虑驱动率时间尺度。结果表明：临界应变率由界面厚度决定，相变早期斑图波长与应变率呈-1/6幂律关系，超过临界应变率则斑图形成被抑制，相变均匀生长。相变后期斑图演化为有序的成核和畴生长，其特征畴间距与应变率呈-1/2幂律关系。相变模式从低速率的失稳成核生长转变为高速率的自发生长，体现了热力耦合下成核生长模式的崩溃。

关键词： 智能体   大模型   地理空间信息   水利一张图  

摘要： 当前，生成式人工智能技术，特别是自然语言大模型的兴起，为地理空间信息获取提供了新的思路。然而，现有的大模型和搭载大模型的智能体技术，主要基于通用数据集上训练的，当应用于在地理空间信息上的问答时，容易出现幻觉，存在回答内容相关度较低、回答不准确、缺乏实时性等问题。针对该问题，本文提出基于水利一张图的地理空间信息问答大模型智能体技术框架（GLMA），该技术框架主要利用智能体，理解用户的自然语言提问，驱动大模型执行水利一张图任务，再利用大模型融合提问和任务的返回结果，生成最终的提问回复内容。为了提高任务执行的准确性与有效性，在任务分配阶段，本文使用了树形的任务分配结构，有效地提高了任务检索和参数生成的能力。此外，为了验证GLMA的有效性，本文构建了一套地理空间信息问答数据集，并设定了相应的评估指标。在与最新的中文开源大模型Baichuan2、Llama3.1、ChatGLM4、Qwen2.5等的对比测试中，GLMA在任务分配准确率和查询结果准确率等评估指标上取得了最好的效果。本研究具有一定的扩展性，将为其它业务领域的大模型智能体研究奠定基础。