摘要：实时嵌入式系统不仅要保证计算结果的逻辑正确性,还要确保与外界交互的时序正确性,所以底层程序要能精确表达上层模型中的时间行为.TTI指令集(time-triggered instruction set)的提出尝试解决计算机指令集体系结构层次缺少时间语义的问题,并且基于TTI指令集实现的实时处理单元(real-time processing unit,RPU)证明了TTI指令集的可行性和有效性.但是目前的工作缺少对于TTI程序设计和分析方法的研究.所以,基于TTI指令集和RPU,提出了TTI指令集可以表达的4种时间语义,给出了TTI程序的设计范式.并且构建了TTI程序时间行为的表示方法——TFG+,TFG+是对TFG的扩展,TFG+区分了TTI程序中时间语义指令和普通代码段,可以表示TTI程序的控制流信息、用户规定的时间行为和TTI程序平台相关的时间属性.最后,提出了TTI程序的时间分析方法以及时间安全性检查方法,为TTI程序的设计和部署提供了依据.

摘要：远程皮肤病学是缓解偏远地区皮肤专科医生缺乏问题的有效手段,但目前的方法存在适用范围有限、严重依赖远程医学专家及显示不够直观等缺陷。为弥补当前研究不足,设计并搭建了一套皮肤肿瘤智能远程会诊系统,该系统兼具无网络环境下的皮肤肿瘤自动筛查和有网络环境下的远程会诊及术前规划功能。性能量化实验结果表明,系统可将虚拟的标注高精度原位投射到成像区域。实验对照结果显示,部署于该系统的深度学习模型在诊断能力上与皮肤科专家相当,并且能够辅助专家更迅速、更精确地做出医疗决策。临床试验进一步证实了该系统的实用性。该系统旨在为医疗资源有限的地区提供帮助,使得当地患者能够进行皮肤肿瘤等多种疾病的早期筛查及治疗.

摘要：随着无线网络的广泛应用,面向接受信号强度(RSS)指纹定位的接入点(AP)日益增多,导致一些AP的作用是冗余的,甚至对定位产生不利影响,同时也增加了定位计算的开销。通过对AP进行适当筛选可以一定程度上去除冗余AP,但定位效果会随着AP数量发生较大变化,甚至会增大误差。本文提出一种基于信息区分度的AP有效集构建方法(EID),充分利用指纹信号在不同空间的差异,实现了准确的位置估计。首先,用信息区分度评估AP的定位能力,有效反映出每个AP在不同采样点的区别,展示AP对空间位置的分辨程度。然后,基于AP信息区分度设计更加符合现实环境的增量聚类算法,能根据AP的定位能力得到不同类别的集合并具有较好的鲁棒性。最后,利用点集距离最大原则提出AP有效集选择策略,根据聚类结果和选择要求,选择出合适的AP集合。本文在真实场景下进行实验验证,并与现有的AP选择方法,即基于组判别(GDB)算法、基于软件定义网络(SDN)算法和基于非均匀量化RSS熵(NQRE)算法对比,在减少不低于40%AP数量的情形下,EID将定位精度分别提升了18.7%、11.2%和14.6%。与此同时,本文方法具有更好的稳定性,在95%的情形下定位误差低于1.2 m。

摘要：虽然以ChatGPT为代表的自然语言生成(NLG)大语言模型在自然语言处理中的大多数任务中取得了良好的表现,但其在序列识别任务,如命名实体识别任务中的表现暂且不如基于BERT的深度学习模型.针对这一点,本文探究性的通过将现有的中文命名实体识别问题改造成机器阅读理解问题,提出并设计了基于情境学习和模型微调的新方法,使NLG语言模型在识别命名实体达到了更好的效果,并且该方法不同于其他方法需要改变基层模型的预训练参数.同时,由于命名实体是模型生成的结果而不是对原始数据的分类,不存在边界问题.为了验证新框架在命名实体识别任务上的有效性,本文在多个中文命名实体识别数据集上进行了实验.其中,在Resume和Weibo数据集上的F1分数分别达到了96.04%和67.87%,相较于SOTA模型分别提高了0.4和2.7个百分点,从而验证了新框架能有效利用NLG语言模型在文本生成上的优势完成命名实体识别任务.

摘要：现有脉冲神经网络加速器的设计过多关注于硬件层面的功能完备性,缺少算法层面的相关协同优化以保证硬件计算效率。此外,传统的事件驱动型脉冲神经网络加速器没有考虑到脉冲神经元模型中普遍存在的脉冲抖动现象,因此不能实现对抑制型脉冲神经网络的支持。为解决上述问题,采用软硬件结合的方式,提出了一种支持抑制型脉冲神经网络加速器的设计方法。软件优化层面通过对脉冲神经网络计算冗余性的分析,提出了相应的近似计算方法以大幅降低脉冲神经网络的计算量;硬件设计层面提出了解决脉冲抖动问题的计算模块,并在此基础上设计了与近似计算方法相适应的并行计算结构。为验证设计的合理性,在XilinxZC706 FPGA上部署了加速器原型FEAS。在主流数据集上的测试结果显示,相较以往脉冲神经网络的加速器部署,FEAS在保持97.54%原有模型精度的情况下获得超过一个数量级的性能提升。

摘要：阐述一种区块链的互联网远程医疗系统设计,利用区块链的去中心化特性,允许各级医院和医生公平地加入远程医疗系统,并结合加密存储和共识机制确保医疗数据的安全共享和保护,从而充分利用医生资源,实现线上分级诊疗。

摘要：阐述一种基于数据分布驱动的小样本正向无梯度学习方法。该方法基于最优传输理论和格兰杰因果关系,在数据分布空间连续映射过程中,设计能稳定提取有效信息的特征通道,并运用资本资产定价理论,生成全局的高维最优收益结构表征,进而利用多头注意力机制生成情感分类模型。将该方法应用于情感分类问题,在该领域的通用英文数据集上,可将BERT模型的准确率提升7.07%,在中文数据集上可将其提升2.23%。将该方法应用于当前达到SOTA性能的情感分类模型LCF-ATEPC上,准确率平均提升0.6%左右。

摘要：荧光成像仪器的成像性能测试对于提高仪器的性能和临床转化成功率具有重要意义,成像性能测试的标准化需要一种可以精确模拟荧光光谱的长期稳定的样品作为测试工具。本团队提出了一种荧光发光模拟系统,该系统可以模拟荧光样品的激发效率、荧光发射谱特性和荧光空间分布特性,可以替代真实的荧光剂仿体对荧光成像类仪器进行量化表征。该系统采用的是基于线性滤光片和液晶显示器的光谱模拟方法。本团队还设计了一种改进的最小二乘光谱拟合算法,该算法可以自动模拟任意荧光发射谱。使用该系统模拟了近红外荧光造影剂吲哚菁绿(ICG)的发光特性,并对不同荧光成像仪器的成像灵敏度进行了测试。实验结果表明,所设计的荧光发光模拟系统可以稳定精准地模拟荧光样品的发光特性。

摘要：在时间敏感的嵌入式系统中,任务需要满足其最后截止期限,错失任务期限会显著影响服务质量或带来灾难性后果.与通用系统相比,实时系统研究进展缓慢,甚至很多基本概念都未达成共识.精确计时(precision timed,PRET)机和实时处理单元(real-time processing unit,RPU)是2套现有的实时系统解决方案,以它们为例介绍实时系统相关的概念,阐述实时系统发展中遇到的问题,比较异同,并分析实时系统各个层次遇到的问题和现有的解决方法.在应用层,用户需要定时操作的接口;在指令集架构(instruction set architecture,ISA)层,应充分利用硬件提供的资源,向上层提供足够的时间语义抽象和计时精度;硬件层需要支持ISA的时间属性和时间语义,并在保证实时性的基础上尽可能地提高性能.对实时系统的研究面临许多挑战.在现有的实时系统设计研究的过程中,关键问题在于上层应用的时间语义难以与底层实现保持一致.

摘要：离散时空事件预测是城市计算领域中的重要科学问题之一.现有工作主要聚焦于使用多样化的时空神经网络对城市动态特征与事件时空关联进行建模,且已经取得了一定成效,但仍然存在以下问题:首先,城市事件具有诱因多源和时空稀疏性,而这种时空稀疏性可能同时源于事件本身的稀少性和采集的不完整性,现有工作尚未能解决短期预测中的稀疏性挑战及零膨胀问题;其次,已发生事件倾向于继续向周边区域传播事件风险,但由于现有工作同质化了动态特征和事件之间的交互关联,因此其不能捕捉历史事件对未来事件风险带来的交互影响.鉴于此,为协同地利用事件标记信息和时空特征,本文提出基于教师-学生时空半监督学习框架以预测短期离散事件的时空分布.在教师网络中,为应对事件标记的稀疏性,本文在时空学习中引入半监督机制,提出基于自编码器的特征重建和时空方差异常描述引导的动态特征表示学习;在学生网络中,本文设计了特征-事件解耦的双管道学习机制,并提出时空衰减图卷积网络与长短期记忆网络来模拟事件在时空范围内发生的风险传播.此外,本文发展了时空多粒度预测机制,通过易学的粗粒度预测任务指导细粒度的高质量预测,最终实现粗-细粒度协同提名的离散时空事件预测.实验基于纽约和苏州工业园区数据集开展,本文模型能够在事件击中准确率上分别超越最好的基线模型5.46%和10.65%,充分验证了提出方法的有效性.