摘要：深度强化学习是目前信息物理融合系统(CPS)决策中常用的一种方法。然而,当面对未知环境和复杂任务时,基于黑盒的深度强化学习方法在系统的安全性和奖励函数设置的可解释性方面存在不足。针对上述问题,提出了一种形式化时空规则验证制导的安全强化学习方法。提出了时空规则通信顺序进程(CSR-TCSP)对系统进行建模,并结合时空规约语言(STSL)和模型检测工具FDR对进程代数模型进行验证。利用系统环境模型形式化奖励状态机的结构,提出了时空规则奖励状态机(STR-RM)以指导强化学习中奖励函数的设置。此外,为了监测系统的运行并确保输出决策的安全性,设计了一个监控器及安全动作决策算法以获得更安全的状态行为策略。通过一个自动驾驶系统中的避障与变道超车实例,证明所提方法的有效性。

摘要：随着区块链单链协同向多链扩张的生态转化,跨链技术正在成为推动应用创新和增强系统能力的关键途径。然而,多链架构的分布式账本缺乏统一的身份认证方案,导致在资产跨链交易过程中可能面临隐私保护问题。因此,提出一种基于隐私保护的随机共识资产跨链方案。该方案引入随机公证人多签(RNMS)架构的跨链模型,并通过椭圆曲线迪菲-赫尔曼(ECDH)密钥协商算法来确保交易双方能够安全地协商共享密钥。此外,考虑到中间信任问题,设计一种基于改进Algorand的随机公证人选取算法,将该算法的轮盘式标号随机选取公证人的方式改进为可验证的伪随机方式,以降低伪随机选取风险,并确保跨链交互的安全性和去中心化。通过改进拜占庭协议(BA)降低共识的通信代价,进行BFT-Simulation平台算法仿真实验。实验结果表明:相较于Algorand算法,所提方案的验证节点私密性更高,跨链消息共识效率提高了89%,且用公证人机制验证让节点消息通信量减少了80%,可有效提高跨链安全性。

摘要：以河姆渡遗址群考古报告为数据源,通过信息提取、实体链接等方法构建多模态知识图谱,并设计信息系统,实现了河姆渡文化遗产资源的数据管理和检索。参考学术论文及考古研究,设计一种河姆渡文化知识图谱的本体知识体系,并提出一种从考古报告中提取图像与知识图谱实体进行对齐的算法,实现了多模态文化资源与实体节点的精准匹配。在此基础上,开发了一个河姆渡文化资源库管理系统。该系统具有多模态检索、图谱化展示等功能,并为用户提供了交互式、可视化的数据浏览和分析工具,有助于用户更深入地理解和利用河姆渡文化遗产资源;也可为研究人员、文化机构和公众提供便捷的工具,以更好地探索和理解河姆渡文化,为文化遗产的管理、研究和教育提供了一种新的手段。

摘要：在复杂动态环境下,针对无人机执行协同数据采集任务时,出现的航迹规划问题求解不确定性高、多机协同难度大、机间碰撞严重等挑战,提出了一种面向多无人机辅助数据采集的强化学习协同航迹规划(reinforcement learning-based cooperative trajectory planning for UAV aided data collection,RL-DC)算法.该算法通过集中式训练分布式执行框架,实现多无人机安全高效协同数据采集和航迹优化.通过设计竞争候选节点队列机制,避免多架无人机同时服务一个节点导致的信号干扰和飞行安全问题,并通过奖励重塑优化规划轨迹,提高数据采集效率;同时采用网络结构优化和混合优先经验回放,提高无人机在复杂环境下的学习效率,提升决策能力.实验结果表明,所提出的RL-DC算法在各种任务环境中的成功率均能达到90%以上,节点服务率均大于98%,性能优于其他同类算法.

摘要：针对联邦学习场景下客户端选择不公平及模型训练低效问题,提出了一种基于激励机制的隐私保护联邦学习框架(zCDP-FL)。该框架将第二价反向拍卖应用到客户端的选择策略,设计了激励机制算法(SRAI),最大化系统效益。此外,采用零集中差分隐私,提出了隐私预算动态分配算法,实现训练过程中噪声规模的动态调整,在严格隐私计算边界的情况下提供更强的隐私保护。理论分析与仿真实验证明,zCDP-FL能够有效防止隐私泄露,并提升了2.13%~3.62%模型训练效率。

摘要：【目的】高功率半导体激光器的光学灾变损伤是限制其可靠性和寿命的主要因素,因此,有效的缺陷检测对于优化激光器芯片的制造工艺和结构设计至关重要。提出了一种基于改进YOLOv7-Tiny的轻量化激光器芯片缺陷检测算法,旨在解决深度学习应用于缺陷检测时面临的高计算量和参数量问题。【方法】利用轻量化卷积神经网络替换特征提取主干有效减少对计算资源消耗,有效提取电致发光图像中缺陷特征。为从上下文特征获取更丰富的信息,引入多分支重参数化卷积块重构聚合模块,通过多路径分支丰富特征表示,训练与推理的解耦保证检测效率。此外,结合坐标注意力,提升定位精度。进行了剪枝实验和模型部署,验证算法的初步应用。【结果】在电致发光缺陷数据集上的实验结果显示,本文方法能在较低的参数和计算量下准确地检测出芯片缺陷,展现出良好的性能。

摘要：基于统计学理论,提出了一种视频多粒度语义分析的通用方法,使得多层次语义分析与多模式信息融合得到统一.为了对时域内容进行表示,首先提出一种具有时间语义语境约束的关键帧选取策略和注意力选择模型;在基本视觉语义识别后,采用一种多层视觉语义分析框架来抽取视觉语义;然后应用隐马尔可夫模型(HMM)和贝叶斯决策进行音频语义理解;最后用一种具有两层结构的仿生多模式融合方案进行语义信息融合.实验结果表明,该方法能有效融合多模式特征,并提取不同粒度的视频语义.

摘要：在企业生产过程中的能源排放预测一直是企业管理和政府监督重点关注的问题,随着信息采集能力增强,在能源排放预测过程中会涉及越来越多的跨界数据,使得预测模型面临着数据量庞大和数据关联性较低的挑战,从而增大模型的训练难度,降低预测的准确性。为此,提出基于纵向联邦学习的能源排放智能预测模型。针对跨领域联合建模过程中数据源分散、信息密度小的问题,设计基于纵向联邦学习的异步网络更新方法,保证本地数据的安全和多方建模的质量。异步网络更新方法还能降低多方建模的时间和空间开销。针对模型间通信数据的安全高效传递问题,设计基于同态加密的数据跨平台通信算法,利用数据加密在保障通信网络安全的同时使用数据压缩技术减小加密数据的体积,进一步提高模型间的通信效率。实验结果表明,该模型具有良好的性能,相比于基准模型,所提的能源排放预测模型的R2值最多提升了16%,能够降低约40%的联合建模时间,充分证明能源排放跨界智能分析模型解决了跨界数据难以共享共用的问题,并且提高了跨界联合建模的速度和准确率。

摘要：针对MRC-Boosting方法中的弱分类器二值化以及鉴别矢量不正交等问题,提出一种自适应最大拒绝鉴别分析(AdaMRDA),进一步提高分类性能.通过已抽取的鉴别特征到期望中心的距离,设计一种自适应权重调整方法,使得后面得到的鉴别矢量更加有利于分类,并且给出最佳正交鉴别矢量集的求解方程.最后,通过在2个数据库上的实验证明,AdaMRDA方法在分类性能上明显优于MRC-Boosting方法及相关方法.

摘要：周围环境中不断增加的物联网设备带来了巨大的机遇,但也带来了挑战,包括有限的电池寿命、低计算能力和多址接入的可扩展性.反向散射通信使得无处不在的物联网设备能够以超低功耗的方式进行通信,然而,支持大规模并发通信也是反向散射通信需要研究的问题之一.针对大规模标签并发通信误码率(BER)较高、传输速率低等问题,设计基于编码的码分多址(CDMA)接入技术,以支持多标签反向散射并发可靠通信.首先,该系统利用沃尔什(Walsh)码等正交性较强的码片区分标签并结合纠错编码,以增强抗干扰能力;其次利用相关检测与译码联合解码以降低误码率,实现信道的可靠通信;最后,在此基础上,基于K均值聚类算法(K-means clustering algorithm)设计标签分组机制,充分利用时-码2维资源扩充容量.实验表明,该方案能够实现100+个标签的可靠通信,误码率约2%、吞吐量达到了39 Mbps.