摘要：在现实世界的节点分类场景中,只有少部分节点带标签且类标签是不平衡的.然而,大部分已有的方法未同时考虑监督信息缺乏与节点类不平衡这两个问题,不能保证节点分类性能的提升.为此,文中提出基于自监督学习的不平衡节点分类算法.首先,通过图数据增强生成原图的不同视图.然后,利用自监督学习最大化不同视图间节点表示的一致性以学习节点表示.该算法通过自监督学习扩充监督信息,增强节点的表达能力.此外,在交叉熵损失和自监督对比损失的基础上,设计语义约束损失,保持图数据增强中语义的一致性.在三个真实图数据集上的实验表明,文中算法在解决不平衡节点分类问题上具有较优的性能.

摘要：大规模广域量子网络的构建需要在量子节点之间进行纠缠交换及量子中继等过程,基于自发拉曼散射过程在冷原子中制备空间复用、时间复用以及多模式复用的光与原子纠缠界面为实现量子中继提供有效技术途径,其中读出效率的高低具有至关重要的作用.通过设计可扩展型脉冲光制备技术及能级的合理选择,本文构建了具有高效率的六路时间复用的光与原子纠缠源.实现纠缠源纠缠产生概率5.83倍的增强,同时读出效率约38%,对应Bell参数约为2.35.本研究成果为长距离量子通信及广域大规模量子网络构建提供有效资源及技术支撑.

摘要：针对无人机图像目标像素低、背景复杂、模型部署难等问题,提出一种基于YOLOv8的轻量级多尺度特征融合小目标检测算法。为了降低网络参数量,提高模型检测速度,使用fasternetblock替换C2f的bottleneck,构建轻量化特征提取模块FasterC2f;为了增强模型多尺度特征融合能力,设计全新的聚焦扩散特征金字塔结构,使颈部网络每层特征图都聚焦三层特征信息;设计共享卷积检测头,在优化模型参数量的同时,让每个检测头都包含不同尺度特征信息;重构小目标检测网络,采用更大尺度的三层检测头,提高模型对小目标的特征学习能力。在Visdrone数据集上的实验结果表明,与YOLOv8s相比,该模型的精确率、召回率和mAP分别提高了5.1%,5.4%和6.6%,参数量降低了68%,模型文件体积减少了15.3 MB,FPS提高了16%,表明该模型具有检测精度高、检测速度快、模型易部署等优点。

摘要：阵列波导增强现实显示系统部分反射镜反射率参数组合多,手动优化耗时且难以获得优化的参数组合,导致显示均匀性不佳。为此结合Python与LightTools对阵列波导各个部分反射镜反射率进行自动优化,获得优化的反射率参数组合;基于人眼角分辨率极限要求,利用蒙特卡罗方法对波导基板上下表面和部分反射镜阵列的平行公差要求进行仿真分析,在此基础上优化设计了阵列波导显示系统,提出了在阵列波导出光面镀增透膜的漏光抑制方法,进而开发了视场角为40°、出瞳均匀性达83%的阵列波导增强现实显示样机。样机在颜色均一性和还原性等指标方面有显著优势,实现了高出瞳面光均匀性,且明显降低了漏光。

摘要：为了提高远程认证的灵活性和效率,提出将Merkle哈希树应用到基于可信平台的行为动态验证中,给出创建认证度量行为信息基AM_AIB的过程。通过度量当前行为,计算得到行为发生时根哈希值,然后远程认证。根哈希值由可信平台模块(TPM)签名,传递给服务器端验证,如果和服务器端的根哈希值一致,表明该行为是可信的。可根据行为特性设计不同粒度的行为信息基。实验结果表明,该模型能提高时间性能,验证方式灵活,保护平台隐私,克服了基于属性验证的静态特点,确保了平台应用软件运行时可信。

摘要：为了进一步降低乘法器运算过程中的延迟,减少功耗,在行旁路乘法器的基础上进一步优化,提出一种并行行旁路(PRB)乘法器,并用有限状态机进行了实现.在行旁路的基础上,通过对乘数进行重新编码并行输出部分积,使乘法运算中产生的部分积数量减少,提高运算速度;利用有限状态机实现PRB乘法器,有效减少了电路中逻辑元件的数量,降低了功耗.在Quartus平台上进行的仿真表明PRB乘法器在整体性能上有较大的改善.

摘要：在基于JavaEE(J2EE)软件开发方面,目前流行的软件架构方式是Spring+Hibernate+Struts,它的缺点是开发较慢,难于维护。通过引入JBoss Seam作为主体框架,用于开发基于三层B/S模式的城市供水管理系统,利用JBoss Seam所提供的注释和双向注入,组件的状态管理,以及所集成的大量框架和服务等各类功能,能够加快系统的开发、降低开发及维护难度。系统持久层使用JBoss Seam所集成的Hibernate,表示层使用Seam所推荐的JSF框架、支持JSF的Facelets模板框架以及内置支持Ajax的RichFaces框架,能够快速开发出以构件为中心、模板化的、体现Web2.0风格的页面。

摘要：增量学习利用增量数据中的有用信息通过修正分类参数来更新分类模型,而朴素贝叶斯算法具有利用先验信息以及增量信息的特性,因此朴素贝叶斯算法是增量学习算法设计的最佳选择。三支决策是一种符合人类认知模式的决策理论,具有主观的特性。将三支决策思想融入朴素贝叶斯增量学习中,提出一种基于三支决策的朴素贝叶斯增量学习算法。基于朴素贝叶斯算法构造了一个称为分类确信度的概念,结合代价函数,用以确定三支决策理论中的正域、负域和边界域。利用三个域中的有用信息构造基于三支决策的朴素贝叶斯增量学习算法。实验结果显示,在阈值α和β选择合适的情况下,基于该方法的分类准确性和召回率均有明显的提高。

摘要：为了研究人工智能技术在物联网远程检测方面的应用,设计一种结合深度学习和物联网技术的自动诱捕器解决方案。设计了采用低功耗嵌入式传感系统和神经网络加速器的智能诱捕器原型。利用边缘计算设备在本地运行改进的Yolo-v4-tiny网络以完成害虫图像自动检测计数,所提模型引入了空间金字塔池化模块,并改进了原始网络的损失函数,增强了对小目标特征的捕捉能力。试验结果表明,所提嵌入式解决方案能够自动采集信息素粘虫板图像并完成准确果蔬害虫的检测,取得了最高0.842的检测精度和0.837的召回率数值,性能优于其他先进的轻量级目标检测模型,具有成本低、检测精度高、通信量低、工作寿命长的优点。

摘要：引言传统的有线网络由于自身的物理局限性,逐渐被无线网络取代。随着无线网络技术近几年的快速发展,其已成为一项与人们生活密不可分的技术,如煤矿监测、农业环境监测、智能家居等行业都离不开无线传感网络的参与。早期的无线传感器网络大多采用组网技术,节点数据需通过中继节点才能到达上位机,中继器的工作状态直接影响所有节点,且组网范围有限,节点部署直接影响整体网络性能。此外,还需要特定场所用于发送信息、存储信息和处理信息,系统维护、系统升级和系统保护则导致成本过高。