摘要：针对现有性格识别方法难以有效融合文本深层语义与心理学特征的技术挑战,提出了融合BERT与句法依存的性格识别模型。采用BERT提取文本蕴含的深层语义信息,通过词法与句法分析获得具有性格特征的心理学词汇,设计条件融合函数将该词汇作为外部条件动态嵌入到文本表示向量中,捕获文本深层语义与性格线索间动态的语义交互,基于融合后的特征向量使用全连接网络进行更深层的特征提取并降维,以此对性格进行识别。在首次构建的面向中文电影评论的性格数据集上的实验验证了该方法的有效性,该模型相较传统神经网络和单一BERT模型在性格识别准确性上有明显提升。

摘要：为了探究适用于柔性机器人触力觉感知装置的磁场计算方法,利用弹性橡胶与霍尔器件设计带有凸起结构的感知装置.利用环式Halbach阵列的磁场方程,对形变后装置的磁场进行计算.为了验证所提出的计算方法,基于COMSOL Multiphysics平台构建并求解不同形变下感知装置的有限元仿真模型.通过对比理论计算结果与模型仿真结果,验证了所提出的计算方法在不同形变下均有较好的适用性.进一步的数据拟合表明,随着仿真网络的不断细化,仿真值逐渐逼近理论值,最小误差为3.18%,证明二者具有较高的一致性.

摘要：针对中文命名实体识别任务,基于字词图进行字词特征融合被证明是一类有效的性能提升方法。然而,在实际场景下,构建字词图所使用的外部词典与训练数据间在领域、表达方式等多方面存在不一致,导致引入的词与实体间存在不完全匹配问题。不完全匹配词指与实体间存在边界冲突或语义冲突的词,这些词会在模型识别实体边界与类型过程中引入噪声特征。针对此问题,该文提出了一种基于对比学习的中文命名实体识别方法,将冲突实例视为负例,并为边界冲突和语义冲突分别设计了对比学习模块。另外,该文提出了改进的折损InfoNCE函数,以提升语义对比模块区分相似标签的能力。实验表明,在四个中文命名实体识别公开数据集上,该文方法均达到了当前最优性能。

摘要：针对现有网格生成算法在处理自交曲面时出现的缺少交线表示、误差大以及交线附近三角形质量差的问题,提出一种针对自交有理参数曲面的网格生成算法.首先,利用动平面法计算曲面的奇异因子;其次,利用奇异因子和曲面的第一基本形式定位交线上的拓扑关键点;再次,基于动平面法设计了一种交线网格点配对生成算法,以保证网格交线的邻域协调性;最后,使用基于粒子的网格生成法生成参数域网格.在具有不同拓扑的自交曲面上进行网格生成实验,所提算法可保证网格交线拓扑正确性,且与未进行交线网格点配对的各类代表性各向同性网格生成算法相比,网格三角形最小角平均值平均高0.6%.

摘要：增量学习是缩小当前人工智能和人类智能间差距的关键技术,指智能体像人类一样从不稳定数据流中顺序学习多个任务,且不发生遗忘。目标检测是计算机视觉领域的核心任务之一,是计算机理解图像的基石。因此,增量目标检测问题具有重要的研究意义和实际意义。尽管增量学习在图像分类中取得了不错的成果,但基于目标检测的增量学习研究还处于初级阶段。这是因为目标检测相比图像分类更加复杂,它需要同时解决分类和边框回归的问题。不少研究者为解决此问题做了很多努力,但大多数工作都只关注如何保留已学习任务的性能,忽略了模型对新任务的快速适应能力,而这正是增量学习的关键要求。基于大脑的记忆机制,人类可以在学习中不断地提取知识以更好更快地学习新任务,不发生遗忘。受此启发,提出了一种融合编解码记忆重放机制的增量元学习方法。该方法对已学习样本的特征向量进行编码存储和解码重放,从而将不稳定数据流近似为动态稳定数据集,缓解了遗忘问题。同时,设计了一个双循环在线元学习策略,模型在内循环分别基于多批次新旧混合数据进行随机梯度更新,最后在外循环进行元学习,从而获得多任务间的共同结构,使模型具有良好的泛化性能,能够快速适应学习中遇到的新任务。在大型的公开数据集PASCAL VOC和MS COCO上设置了3种增量目标检测实验环境来评估所提算法。实验结果表明,所提算法与最先进的方法相比体现出了具有竞争力的性能,证明了其可以帮助模型更好地抵抗遗忘,具有更好的泛化性能。所提算法基于梯度更新,与模型无关,因此其可以与其他检测框架结合,具有强适应性。

摘要：人脑对语言的理解过程十分复杂,涉及多个脑网络和加工机制。以往的工作大多采用严格控制的实验设计,针对特定的语言现象展开研究,导致了研究结论趋于碎片化,无法形成关于大脑语言理解的总体结论。另一方面,深度学习的出现引发了语言计算领域的技术变革,语言计算模型在多个任务上达到甚至超越了人类的水平。这为进行全局性、高生态效度的人脑语言理解实验带来可能性,促进了语言认知实验中引入语言计算模型方法的快速发展。那么,利用新兴的语言计算方法可以为大脑语言认知机理的研究带来哪些新的机遇和启发呢?该文归纳总结了利用语言计算方法进行语言认知实验的相关工作,并对未来发展趋势予以展望。

摘要：基于脑电(Electroencephalogram,EEG)的谎言检测技术依赖于对事件相关电位(Event-related potential,ERP)的有效解码,当前主要采用手工设计特征进行脑电分析.近年来,单试次脑电分类方法取得了长足进步,其中端到端的脑电分类方法能够实现对脑电的自动特征提取和分类,但在谎言检测中缺乏研究和应用,同时存在无法在测谎场景下直接应用的问题.本研究设计基于复合反应范式(Complex trial protocol,CTP)进行自我面孔信息识别任务的实验,采集了18名被试的脑电数据.研究了不同端到端的单试次ERP分类方法在谎言检测中的应用,同时针对单试次脑电解码方法无法直接实际应用的问题,提出了一种类自举算法.算法基于数据分布假设,通过对比各类刺激图像被视为探针刺激时所训练模型的性能,来推断真正的探针刺激.实验结果表明,在基于自我面孔信息的CTP的谎言预测中,所提出的类自举法性能优于传统探针预测方法,在仅使用少量脑电数据情况下,可实现准确的谎言预测.

摘要：针对传统戏剧工作流程依赖于专家经验和人力劳动的问题,戏剧行业亟需从依赖个人经验和传统技巧的模式转变为基于智能技术和数据驱动的模式,以提升创作和运营效率、丰富艺术表现,从而更好地满足观众多样化的需求。为此,提出平行戏剧架构及系统,旨在实现人机协同创作和对戏剧工作全流程的智能管理。通过构建戏剧大模型、搭建戏剧计算实验平台、打造戏剧虚实闭环,平行戏剧将助力剧本创作、舞美设计、演出安排、观众互动以及市场营销等关键戏剧环节,实现自动化和智能化的创意设计与执行。此外,探讨了平行戏剧在教育和心理治疗的跨领域应用前景,分析了其在促进戏剧行业与其他领域融合、拓宽戏剧艺术影响力方面的潜力。作为一种创新的戏剧创作和管理模式,平行戏剧将为戏剧行业在智能时代的发展带来全新可能。

摘要：由自主控制算法控制的非载人无人飞行器在执行定向打击等危险任务中往往比有人机具有更大的优势。然而,在执行爆破任务的时候,无人机在不同场景下的检测算法鲁棒性往往无法得到保证,这极大地影响了无人机对目标的定位效果,导致执行任务的成功率大幅降低。为解决上述问题,提出利用基于跨域的目标检测算法提高无人机在不同场景下检测算法的鲁棒性,并通过在线GPS聚类算法提高无人机对目标定位的稳定性。同时,鉴于目标爆破位置对爆破结果的影响,提出一种薄弱部位定位算法,提高爆破的精确度和成功率。

摘要：为应对当前科研院所在管理工作与科研业务方面面临的双重复杂性挑战,平行科研院所的概念被提出。平行科研院所以虚实互动的平行智能理论为基础,利用基于数字孪生与元宇宙的数字化建设技术、基于区块链与去中心化自治组织与运营(DAO)的分布式治理技术、基于多模态大数据与大模型的智能化决策技术以及基于分布式自主科学(DeSci)与人工智能驱动的科学(AI4S)的科学创新范式,形成基于复杂科学的科研院所变革引导方案,构建可信、可靠、可用和高效益的智慧科研组织与运营生态。介绍了平行科研院所的体系设计与关键技术,描述了其主要特征与优势,并探讨了其典型应用场景。平行科研院所超越简单的科研院所数字化转型,强调更高级的智能化变革,旨在促进科研院所的可持续健康发展。