摘要：为了降低H.266/VVC中二维变换部分的硬件实现面积和功耗,提出统一的硬件结构,支持全尺寸的离散余弦变换(DCT-Ⅱ,DCT-Ⅷ)和离散正弦变换(DST-Ⅶ).所提结构包括2个并行的一维变换模块和1个转置存储器,其中一维变换模块基于多常量乘法(MCM)设计,针对所有的变换类型和尺寸设计可复用的MCM计算单元.为了能够支持混合块的流水输入,设计支持流水线处理的转置存储器.该转置存储器基于静态随机存储器(SRAM)实现,使用对角线存储方案并配合读写指针进行操作,利用先入先出队列(FIFO)进行块信息缓存.实验结果表明,统一的计算单元可以减小变换结构1.3%的面积和49.5%的功耗,转置存储器能够结合VVC高频置零的特性减少SRAM一半的存储空间.

摘要：社交网络的影响力最大化是网络分析领域的关键问题,在广告宣传、舆情控制等场景有着诸多应用。该问题指在一个社交图中选取一组源节点,使得所选取的节点集合能够在某种传播模型中形成最大的影响力。由于节点选取问题是典型的NP-hard问题,在大型网络中会遭遇组合爆炸。近些年来,国内外学者一般采用启发式算法求得问题的近似解。然而,现有工作鲜有考虑到节点选取的成本,所得到的解无法满足实际应用中的预算条件。针对此问题,首先考虑节点选取的成本约束,并对成本受限条件下的社交网络影响最大化问题进行数学建模;其次为节约源节点的冗余覆盖成本,使用快速贪婪模块度最大化算法对网络进行社区聚类;然后根据社区聚类结果在蚂蚁游走过程中引入跨社区游走因子,以增强蚂蚁在网络上的全局游走能力;最后,在蚁群系统中设计了新的启发式信息和信息素形式,并将评估函数设计为罚函数的形式以控制节点的选取成本,提出了基于社区发现的蚁群系统算法(Community Detection-based Ant Colony System,CDACS)。在真实数据集上的实验结果表明,CDACS算法比未加入跨社区因子的蚁群算法取得的覆盖率平均提高了15%左右,运行时间平均减少了约20%。在覆盖效果上相比其他现有的影响力最大化算法都取得了显著的改进。此外,CDACS在不同数据集上所产生的解均满足不同的成本限制,体现了CDACS算法在成本控制上的可靠性。

摘要：目的光泵磁强计(optically pumped magnetometer,OPM)脑磁图(magnetoencephalography,MEG)作为新一代脑功能成像技术,在多轴探测设计下具备了对传统MEG信号“盲区”的检测能力,为脑内功能活动研究提供更全面的技术工具。本文旨在探讨双轴OPM-MEG在测量真实生理反应时的信号分布差异特征。方法采用9通道OPM-MEG对10名健康受试者的听觉相关频率跟随反应进行检测。通过每个被试1000个试次的数据采集,获取所有通道头皮切向(Y轴)和径向(Z轴)的磁响应信号。结果研究显示,双轴OPM-MEG记录到的信号在强度和分布上与传统MEG存在明显区别。双轴信号明显强于传统MEG,且传统MEG难以记录的切向信号显著强于径向信号。结论本研究证实了双轴OPM-MEG在测量真实生理信号方面的能力,并且双轴测量能够获取更丰富的信息,特别是可能存在于传统MEG测量盲区中的脑功能活动信号。这为基于传统MEG记录的神经电活动模型带来了重大更新。双轴OPM-MEG的多轴记录特性在脑科学研究和脑疾病诊断领域都具有巨大的应用潜力。这项研究初步展示了双轴OPM-MEG在听觉诱发信号研究中的价值,为后续深入研究奠定了基础。

摘要：随着人工智能技术的发展以及机载任务平台性能的提升,2021年无人机技术与应用呈现新的发展态势。从无人机政策法规、自主控制、反无人机、应用领域等多方面回眸了2021年无人机的技术研究热点,分析了无人机技术领域未来的发展动向。人工智能、视觉导航等技术使无人机综合能力更加强大,也使其应用领域向更宽、更深、更综合方向拓展,尤其是人与机器人的共融联系随着人机交互技术的提升也更为紧密。综合而言,无人机向微型化集群化、智能化、跨域化发展是必然趋势,无人机与人工智能的深度融合与跨平台实际应用仍然是当今和未来的研究热点。

摘要：复杂网络问题的建模与应用是目前研究的热点之一.如何从网络中选择具有信息传播能力的成员,即影响力最大化问题,引发了广泛的关注.目前的研究主要集中在如何将网络上的信息传播过程建模,以及如何选择可靠的传播种子节点.这些工作一定程度上帮助我们了解了网络上的信息传播过程,但是已有研究并未考虑外界因素对于网络系统的影响,比如结构损毁对于网络连通性以及网络上信息传播过程造成的干扰.这使得目前的影响力最大化问题解决方案无法鲁棒地应对现实中的多种应用场景.针对这一不足,本文从结构受损的角度定义了鲁棒影响力最大化问题,在已有工作的基础上设计了对应的性能衡量指标.在该指标的指导下,设计了尝试解决鲁棒影响力最大化(Robust Influence Maximization,RIM)问题的Memetic算法(Memetic Algorithm,MA),记为MA-RIM,其目的是寻找具有鲁棒信息传播能力的种子节点.多种网络上的实验结果验证了MA-RIM算法在解决鲁棒影响力最大化问题上的有效性.

摘要：关系抽取是信息获取中一项关键技术。句子结构树能够捕获单词之间的长距离依赖关系,已被广泛用于关系抽取任务中。但是,现有方法存在过度依赖句子结构树本身信息而忽略外部信息的不足。本文提出一种新型的图神经网络模型,即注意力图长短时记忆神经网络(attention graph long short term memory neural network,AGLSTM)。该模型采用一种软修剪策略自动学习对关系抽取有用的句子结构信息;通过引入注意力机制,结合句法图信息学习句子的结构特征;并设计一种新型的图长短时记忆神经网络,使得模型能够更好地融合句法图信息和句子的时序信息。与10种典型的关系抽取方法进行对比,实验验证了该模型的优异性能。