课程文献中心 更多>>

关键词： 车辆工程   车辆轨迹预测   人工神经网络   时空特征融合   自动驾驶车辆  

摘要： 为实现自动驾驶系统对周围车辆运动轨迹的精确预测，本研究提出了一种基于Transformer与图注意力网络（Graph Attention Network， GAT）的时空特征融合预测模型。该模型支持非欧式数据输入，具备动态适应周围车辆数量变化的特性。模型架构采用双通道特征提取机制：通过Transformer编码器捕获车辆历史轨迹的时间依赖性特征，利用GAT网络建模车辆间的空间交互关系，进而通过Transformer解码器实现时空特征的深度融合，最终由全连接层解码器输出未来轨迹预测结果。在NGSIM公开数据集上的实验表明：相较于LSTM-GAT基准模型，本模型在1s、2s、3s、4s和5s预测时域的轨迹均方根误差分别降低13.0%、10.2%、14.3%、18.2%和21.6%；相比Transformer-CNN对比模型，本方案在3s、4s和5s长时域预测性能显著提升，对应误差降幅达27.2%、44.3%和49.4%。实验结果验证了所提模型在车辆轨迹预测任务中的有效性和优越性。

关键词： 图分类   图Transformer   图表示学习  

摘要： 图Transformer网络在图表示学习领域具有出色的性能表现，但目前多数方法在进行图分类等任务时存在计算复杂度高、多特征间关系点位建模有限等问题。针对上述不足，参考Transformer模型的优化模型PatchTST，提出了一种基于PatchTST的图分类方法（PatchTST-based Graph Classification Method，PatchGC）。方法在图卷积环节引入PatchTST模型的思想处理节点初始特征，快速准确计算节点表示；在图池化环节采用SAGPool分层池化方法对图降维，有取舍地生成图嵌入；最后使用Softmax函数处理图嵌入，完成图分类。在7个公开数据集上的实验表明，PatchGC相较于7种基线模型具有更高的分类准确率，相比次优结果分别提高1.58%、3.56%、1.26%、1.50%、0.31%、0.57%、0.74%，且相较于传统图Transformer方法具有更快的运行速度，每训练轮次平均用时减少5.13%，在图分类任务中具有较好的表现。

关键词： 智能合约字节码   漏洞检测   异构图   字节码指令序列   深度学习  

摘要： 近年来，智能合约安全问题日益突出，漏洞检测成为关键挑战。在源代码不公开的情况下，字节码检测方法备受关注。然而，现有深度学习方法通常仅基于序列或图结构，难以全面捕捉漏洞特征。为此，提出一种基于异构图和指令序列的智能合约字节码漏洞检测方法RGCN-ResNet1D（Relational Graph Convolutional Network and ResNet-based 1D Convolutional Network）。该方法通过将字节码建模为异构图和指令序列，分别利用关系图卷积网络（RGCN）提取结构特征和基于ResNet的一维卷积网络（ResNet1D）提取序列特征，并融合两类特征进行漏洞检测。同时设计了一种基于误分类样本数量动态调整权重的交叉熵损失函数，有效缓解训练集类别不平衡问题。实验结果表明，RGCN-ResNet1D在检测整数溢出、时间戳依赖和自毁三类漏洞时，F1得分分别为95.43%、90.67%和92.31%，显著优于对比方法。

关键词： 科学文献摘要   抽取式摘要   图神经网络   超图注意网络   图对比学习  

摘要： 生成面临跨句关系的捕捉、长距离依赖及文档信息的高效编码与提取等难题，一直是自然语言处理领域的一个难点任务。然而，科学文献通常包含多个章节和段落，具有更加复杂的层次结构，使得科学文献摘要生成任务更具挑战性。针对以上问题，提出了一种基于多图神经网络和图对比学习的科学文献摘要模型（MGCSum）。对于输入的文档，该模型首先通过同构图和异构图神经网络分别建模句内与句间关系，生成初始句子表示；然后，将这些句子表示馈送到一个多头超图注意网络，利用自注意机制充分捕捉节点和边之间的关系，进一步更新和学习跨句子的表示；接着，引入图对比学习模块，增强全局主题感知，提升句子表示的语义一致性和区分度；最后，采用多层感知器和归一化层计算一个得分，用于判断句子是否应被选为摘要。在PubMed和ArXiv数据集上的实验结果表明，MGCSum模型的表现优于多数对比模型。在PubMed数据集上，MGCSum的ROUGE-1、ROUGE-2和ROUGE-L分别达到了48.97%、23.15%和44.09%，相比现有的先进模型HAESum，分别提高了0.2、0.71和0.26个百分点。MGCSum通过结合多图神经网络和图对比学习，能够更有效地捕捉文献的层次结构信息和跨句关系，提升摘要生成的准确性和语义一致性，展现了其在科学文献摘要生成任务中的优势。

关键词： 旋回地层学   韩江组   时间序列分析   天文年代标尺   海平面变化   沉积速率   高频层序  

摘要： 本文基于旋回地层学方法，以珠江口盆地西江凹陷韩江组为研究对象，通过自然伽马测井数据作为古气候替代指标，结合时间序列分析方法，识别天文轨道周期信号，并运用高斯带通滤波提取405 ka长偏心率周期信号，构建高精度天文年代标尺。研究采用沉积噪声模型（DYNOT和ρ1模型）重建相对海平面变化，结合岩性与测井曲线特征，对韩江组进行高频层序划分。结果表明，韩江组地层受控于天文轨道周期，沉积持续时间为～6.08 Ma，最优沉积速率为20 cm/ka；通过天文调谐建立了16.17～10.09 Ma的高分辨率天文年代标尺，划分出15个四级层序和64个五级层序，揭示了中中新世海平面波动与沉积速率对砂体发育的关键控制作用。本研究不仅为韩江组沉积相分异特征、层序堆积样式及储层发育规律提供了方法学支撑，同时验证了米兰科维奇旋回在高分辨率地层研究中的重要性，为珠江口盆地油气勘探中的储层预测与评价提供了新的科学依据和技术路径。

摘要： 在东海之滨、甬江之畔,在机遇与挑战并存的宁波,浙商银行宁波分行已悄然走过 20 载春秋.它仿若一株扎根深土的秀木,镌刻下独属于自身的轨迹.宁波分行恪守金融使命图奋进,勇扛社会责任创新篇,正行向善的品牌美誉度持续攀升.20 年里,分行存款规模连续突破 500亿元、800 亿元、1000 亿元大关,存贷款规模稳列宁波辖内全国股份制商业银行第一方阵.截至 2024 年末,分行总资产余额 1533 亿元,各项存款余额 1002.95 亿元,各项贷款余额 835.48 亿元.

摘要： "跟我走吧!" 她轻轻的一句话,将我带离熟悉的云冈风云,踏上陌生的长城月华版图. 高地冯太后 天高,云淡,一路向着城外驶去. 她还在鼓捣手机与车载音乐的连接时,一处山中民宿出现.她说下去看看吧,这里的夜晚可以望星空.

摘要： 基本数据 全长:32.6米 燃料类型:液体燃料 导弹结构:两级弹道导弹 制导模式:集成电路计算机控制的惯性制导系统 最大直径:3.35米 起飞重量:183吨 最大射程:12000千米 推进剂:四氧化二氮和偏二甲肼 箱体材料:高强度铝铜合金

关键词： 空间洪水易发性图   可解释性人工智能   贡献因子识别   风险评估   遥感数据  

摘要： 科学准确地绘制空间洪水易发性图对于应急管理部门实施有效的防灾减灾措施至关重要.机器学习在解决洪水易发性图设计中的非线性问题、估计指标的重要性等方面具有优势,然而传统算法受到可解释性不足、对不确定性建模处理能力有限以及对大量数据的需求高等限制.本研究以涿州市23·7暴雨的卫星遥感数据为基础,综合考虑造成灾害风险的致灾因子、孕灾环境、承灾体属性及抗灾能力四个关键因素,将降雨量、地形、土地覆盖、植被等代表性因素纳入基于可解释性人工智能(Explainable Artificial Intelligence, XAI)的风险系统集成分析框架中,运用Explainable Boosting Machines (EBM)方法绘制空间洪水易发性图,进行洪水贡献因子识别及风险评估研究.研究表明,与传统的黑箱模型相比, EBM不仅具有良好的稳定性和准确性,而且对洪涝灾害风险评估具有更好的可解释性.通过挖掘累计降雨量对洪涝灾害的触发机制,模型既能够识别出海拔、坡度和归一化植被指数等关键因素对洪涝灾害的贡献,也能够准确检测洪涝灾害区域,风险评估准确率达92.8%. XAI可为支持洪涝灾害风险治理的有效工具.

关键词： 结构化加密   云存储   隐私集合并集协议   不经意键值存储  

摘要： 现实生活中,代理为具有特定属性的人群提供服务,云存储的发展使得代理能够从云端获取丰富的数据以提高服务效率。在社交网络图中,具有特定属性的人群的邻居节点集很可能具有相同的属性,为代理获取数据提供了潜在机会。随着社交网络图规模的持续增长,本地维护这些数据已变得愈发困难。云计算的快速发展为解决这一问题提供了有效的途径:通过将社交网络图数据上传至云服务器,可以显著节省本地资源,但与此同时也带来了数据安全问题。结构化加密(Structured Encryption,STE)技术为这一问题提供了一种可行的解决方案。STE能够对社交网络图进行加密,并通过构建关联性的加密索引,支持对加密图的复杂查询操作。然而,结构化加密在查询效率和实用性上仍然存在一定的局限性。隐私集合并集(Private Set Union, PSU)协议能够在保护两方交集不被泄露的前提下求出两方集合的并集,为了使得代理从云端获取数据的过程中返回必要的数据并确保数据的安全性,我们提出了基于结构化加密的隐私集合并集协议(Private Set Union for Structured Encryption, STE-PSU),实现了服务器与代理两方的隐私集合并集操作,降低了查询过程中的计算和通信开销。方案引入一种不经意键值存储(Oblivious Key-ValueStores,OKVS)构造,即基于三个哈希函数的混淆布谷鸟哈希表(3-HashGarbledCuckooTable,3H-GCT),在保证隐私的基础上实现了两方高效的PSU协议。同时云服务器上的社交网络图通过结构化加密技术加密后存储,保证了数据的安全性。理论分析与实验结果表明,尽管我们提出的代理与服务器两方的PSU协议需要首先搜索加密索引再进行并集操作,但仍然比已有的PSU协议效率更优。安全性分析证明,本文方案满足自适应选择查询攻击(Adaptive Chosen Query Attacks, CQA2)安全性。