摘要：在目标检测领域中,基于交并比(intersection over union, IoU)的系列损失函数存在一定的局限性,使得边界框回归的精度和稳定性有待进一步提升。为此提出了一种基于非线性高斯平方距离的边界框回归损失函数。首先综合考虑了边界框中重叠性、中心点距离和长宽比3个因素,将边界框建模为高斯分布;然后提出一种高斯平方距离来衡量概率分布之间的差距;最后设计了符合优化趋势的非线性函数,将高斯平方距离转化为有利于神经网络学习的损失函数。实验结果表明,与IoU损失相比,所提方法在掩膜区域卷积神经网络、一阶全卷积目标检测器和自适应特征选择目标检测器上的平均精度均值分别提高了0.3%、1.1%和2.3%,证明了该方法能有效提升目标检测的性能,同时有利于高精度边界框的回归。

摘要：点云补全指利用不完整点云数据重建完整三维模型的过程。现有的大多数点云补全方法受点云无序性和不规则性影响,难以有效地重建局部细节信息,进而影响补全精度。为解决这个问题,提出基于注意力的多阶段点云补全网络。设计了满足置换不变性的金字塔式点云特征提取器以建立局部内点间的依赖以及不同局部间的相关性,在提取全局特征信息的同时加强对局部特征信息的提取。在点云重建过程中,采用由粗到精的方式,首先生成一个低分辨率的种子点云,然后逐步丰富种子点云的局部细节,得到更加精细且稠密的点云。在公开数据集PCN下进行的对比实验结果证明了所提网络能够有效重建局部细节信息,与现有方法相比,在补全精度上提升了至少5.98%。消融实验结果也进一步验证了所提注意力模块的有效性。

摘要：为提升传统Transformer结构追踪器的性能并解决与注意力机制结合的问题,提出一种具有注意力机制的Transformer结构视觉跟踪器(称为EVOTA)。提出一个具有局部跨通道的交互策略的通道注意力模块,通过显式建模通道之间的相互依赖关系实现自适应校准通道方向的特征响应。受神经科学理论启发,提出一个能量函数分析神经网络中每个神经元的重要性,进一步推断其相应三维权重。在多个基准数据集上,EVOTA的性能优于多种优秀的追踪器。

摘要：为能正确高效地生成修复补丁,针对Java程序中出现频率较高的条件语句相关缺陷修复问题,将启发式搜索方法与语义约束求解方法相结合,提出一个有针对性、更高效的解决方案。针对条件语句缺失错误,采用基于组件的程序合成技术,合成满足约束的候选条件语句;针对条件语句逻辑表达式错误,采用变异技术,生成候选逻辑表达式;针对条件语句逻辑表达式错误中,不能用变异技术修复的缺陷,使用基于组件的约束求解方法生成候选补丁。实验结果表明,所提方法有更高的补丁召回率和准确率。

摘要：更精细化的糖尿病性视网膜病变眼底图像分割结果,可以更好地辅助医生进行诊断。大规模高分辨率的分割数据集的出现,为更精细化的分割提供了有利条件。基于U-Net的主流分割网络,使用基于局部运算的卷积操作进行像素预测时无法充分挖掘全局信息,网络模型采用单输入单输出的结构,难以获取多尺度特征信息。为了最大程度地利用现有的大规模高分辨率的眼底图像病灶分割数据集,实现更精细化的分割,需要设计更好的分割方法。文中基于自注意力机制和多尺度输入输出结构对U-Net进行改造,提出了一种新的分割网络SAM-Net,用自注意力模块代替传统卷积模块,增大网络获取全局信息的能力,引入多尺度输入和多尺度输出结构,使网络更容易获取多尺度特征信息。使用图片切片方法来缩小模型的输入尺寸,防止神经网络模型因为输入图片像素过大而导致训练难度增大。最终在IDRiD数据集和FGADR数据集上进行实验,结果表明,SAM-Net可以达到比其他方法更优的性能。

摘要：因果关系发现是因果推断的重要部分,其目标是揭示数据内在的生成机制,并以有向无环图的形式表示.然而关于因果关系发现,现有方法很少考虑到观察数据存在缺失值的情况.在实际场景中,大量数据集存在缺失值,因此估计缺失数据集中的因果关系成为一个亟需解决的问题.本文提出了一种新的基于因果反馈的算法实现关于缺失数据集的因果关系发现,其中生成对抗网络被用于估计缺失数据集的分布,并利用基于Actor-Critic的因果关系发现模块搜索最优因果图,设计了一个基于扩展贝叶斯信息准则的自定义奖励函数,引入分类误差引导模型加速探索过程,提升模型稳定性.在模拟数据和真实数据上进行的大量实验结果表明,本文提出的方法在不同数据缺失率下优于现有方法 .

摘要：本文研究当零售商存在自有资金约束且损失厌恶时,供应商应如何设计延迟支付契约,以及契约设计对零售商决策的影响。首先,构建博弈模型,并给出了转移价格-延迟支付契约和收益共享-延迟支付契约;其次,构建求解模型,给出供应商的最优契约决策、零售商的订购决策;接着,进一步分析了零售商损失厌恶程度和自有资金水平对供应商最优契约设计的影响。研究表明:当零售商的损失厌恶程度和自有资金水平低于某个临界值时,供应商偏好提供收益共享契约,零售商订购集中决策时的订购量;当零售商的损失厌恶程度和自有资金水平高于某个临界值时,供应商偏好提供转移价格契约,零售商的订购量少于集中决策时的订购量。最后,本文通过数值算例验证了上述结论。本文在一定程度上丰富了现有供应链延迟支付契约理论的研究,为供应链节点企业的相关决策提供了依据和参考。

摘要：目前,核能装备等安全关键系统中软件的作用越来越重要,对系统的安全稳定运行具有至关重要的影响。安全关键软件规模的增长和复杂度的增加给设计和开发高可信的软件带来了新的挑战,亟需新的软件开发和验证方法与模式。针对此需求,本文围绕核能装备安全控制代码自动生成软件研究面临的三大关键科学问题,分别开展一个基础理论、七大关键技术及一套原型系统的研究。通过核能安全控制代码自动生成软件总体设计集成与评估、核能安全控制与交互系统软件建模技术、核能安全控制系统模型分析与验证技术、核能安全控制系统可信软件代码自动生成技术等方面的研究,突破核能装备安全控制代码自动生成软件在建模、代码生成和测试验证面临的系统性技术瓶颈,建立起新的安全关键软件开发和验证方法与模式。通过可信安全控制代码自动生成软件工程化应用与认证技术研究,构建一个核能装备安全控制代码自动生成的原型系统,并在核能、汽车等领域对研究成果进行验证。通过上述研究实现以下5个方面创新:一是形式化方法与模型驱动开发融合理论,用确定的数学理论保证模型的高可信;二是状态机扩展同步数据流语言形式化定义方法,建立适用于核能、航空、汽车等场景的软件建模方法;三是基于交互式定理证明的可信代码生成器构造方法,形成经过形式化验证的可信代码生成器;四是数据驱动的测试用例智能生成方法,实现测试验证的自动化;五是一套面向核能装备控制软件的一体化研发平台,构建完整的开发和验证工具链。本文旨在以形式化和模型驱动方法为基础,对安全关键软件的建模、模型验证、代码生成、测试验证等方面进行系统性研究,以形成高可信的安全关键软件开发和验证新方法。研究成果对核能等领域安全关键软件开发相关工业软件的科学研究、技术研发、产业发展等具有十分重要的理论意义和实际应用价值。

摘要：我国流行病学调查结果显示,以慢阻肺和哮喘为代表的慢性呼吸系统疾病患病率高且呈现上升的趋势,给公共卫生健康带来了严重威胁.目前,计算机断层扫描(CT)作为一种方便、无创的方法被广泛应用于肺功能的评估.在基于CT图像的计算机辅助评估肺功能的方法中,人工设计的特征存在表达能力有限的问题,且现有的深度学习方法从高噪稀疏的小样本数据集中提取特征的效果较差.为了提高肺功能检查的效率,本文提出了基于CT图像的肺功能预测网络(LFP-ResNet).首先,本文提出了多层次上下文特征融合(MCFF)方法,有效增强了对表征肺部纹理和形态的特征提取;其次,利用三维残差网络充分保证了CT图像的空间异质性;最后,本文构建了包含肺功能正常人群和患有慢性呼吸系统疾病患者的肺功能数据集,并在该数据集上对比了本工作提出的方法以及其他先进的肺功能预测方法 .实验结果表明,本文提出的MCFF策略在含噪声的稀疏矩阵中提取特征时比其他特征提取方法更有效,且所构建的LFP-ResNet在肺功能预测任务中表现出更好的预测性能.

摘要：目的 提出一种基于多特征融合网络的心音分割方法。方法 研究资料来源于2016 CinC/PhysioNet数据集(来自764例患者的3 153段记录,男性约占91.93%,平均年龄30.36岁)。首先从时域与时频域中分别对心音进行特征提取,再通过特征降维的方法减少输入的冗余特征;然后经过特征选择分别找到两个特征空间中性能最佳的特征;利用多尺度空洞卷积、协同融合和通道注意力机制实现多特征融合;最后,将得到的融合特征送入双向门控循环网络(BiGRU)实现心音分割。结果 本方法在测试集上得到的心音分割精确率、召回率与F1值分别能达到96.70%、96.99%与96.84%。结论 本文提出的多特征融合网络具有较好的心音分割性能,能够为设计以心音为基础的心脏疾病自动分析提供高准确率的心音分割技术支持。