摘要：联邦学习在保护各方数据隐私的前提下,协同多方共同训练,提高了全局模型的精度。数据的类不平衡问题是联邦学习范式中具有挑战的问题,联邦学习中的数据不平衡问题可分为局部数据不平衡和全局数据不平衡,目前针对全局数据不平衡问题的相关研究较少。文中提出了一种面向全局不平衡问题的基于贡献度的联邦学习方法(CGIFL)。首先,设计了一种基于贡献度的全局判别损失函数,用于调整本地训练过程中的模型优化方向,使模型在训练中给予全局少数类更多的关注,以提高模型的泛化能力;然后,在全局模型更新阶段,设计了一种基于贡献度的动态联邦汇聚策略,优化了各节点的参与权重,更好地平衡了全局模型的更新方向。在MNIST,CIFAR10和CIFAR100这3个数据集上进行实验,实验结果表明了CGIFL在解决全局数据不平衡问题上的有效性。

摘要：社会治理不仅是现实世界的难题,还将伴随人类意识向元宇宙迁移,进而成为元宇宙中的治理难题。元宇宙的治理难题可以从四个视角切入:一是随时间积累的财富两极分化问题。元宇宙中的资源流动速度快,中心及亚中心迭代加剧,如果不能缓解财富的两极分化,系统将难以持续;二是如何遏制不实信息传播问题。在网络世界中,谣言、谬误等不实信息较真实信息更易煽动民众情绪从而急速扩散,可能造成较为广泛的负面影响;三是可持续健康生态问题。传统共识机制的本质或依赖算力、或依靠财富积累,元宇宙则需鼓励前瞻性等方式,在合理的损耗下维护系统的健康生态;四是伦理道德重塑问题。元宇宙可以隐藏个人数据隐私,没有绝对的时空秩序,在人机共同参与的网络世界中,利用规则刷单套利更加便利。因此,需要新的元宇宙伦理准则,以塑造良好的元宇宙文明环境。元宇宙是人类意识的延伸,机器和虚拟世界是人类意识与智慧的凝聚,元宇宙的治理问题要从人性本质——自我肯定需求出发。针对上述问题,文本建议设计实施财富流向底层机制,为元宇宙系统提供活力;采用数字凭证技术,激励诚实者和积极贡献者,惩戒造谣者和盲目跟风者;重视对未来的洞见力,提高专业领域认知能力更高的人机节点的权重,创新人机共同协作共识;倡导利用区块链的存证技术,进行事后赏罚和正向激励,鼓励人们对自身在元宇宙中的行为负责。

摘要：结合数据立方体和 R树两种索引方法快速灵活地进行数据查询 ,设计了最近邻接快速查询算法FNN,解决了一般 R树查询中无法快速查询高维度数据的问题 ,使查询更高效、应用更广泛 .

摘要：针对在三维表面上均匀采集的少量数据点,提出一种基于压缩感知与最小二乘支持向量机(LSSVM)的三维组织表面重建方法.通过结合采用拟合与插值方法得到与待重构表面数据相同数目的数据点集,采用离散余弦变换(DCT)分别得到其三维坐标的稀疏系数,用设计的自适应观测矩阵进行观测,并选用正交匹配追踪算法作为重构算法,最后采用LS-SVM回归预测模型对压缩感知重构结果进行修正.实验结果表明:该重建方法得到的组织表面数据误差小,能保持在1mm左右,重建表面光滑,为基于虚拟现实的虚拟手术系统提供了精确的表面数据模型.

摘要：人群定向是广告推荐系统中的一种重要技术,它是通过分析种子人群的行为数据,找出潜在的目标人群,而现有人群定向算法大多依赖于传统的协同过滤推荐算法.由于传统的协同过滤算法具有推荐精度低和抗攻击能力较弱的问题,为了解决这些问题,提出了一种基于邻居选取策略的人群定向算法.1)通过用户行为相似,动态选择出与种子人群具有相似行为的用户;2)以用户特征和用户行为作为邻居选取的依据,通过用户相似度从行为相似人群中选择出每个种子用户的邻居,并将所有的相似邻居作为候选人群;3)通过基于邻居选取策略的人群定向算法,从候选人群中择出潜在的目标用户,以完成人群定向.实验结果表明:与现有方法相比,该方法不仅提高了人群定向的精度,而且也增强了系统的抗攻击能力.

摘要：奇偶校验多胞体投影是交替方向乘子法(alternating direction method of multipliers, ADMM)译码算法中最为复杂的部分,复杂的投影计算使得ADMM译码算法复杂度较高且无高效的硬件实现方案。使用线段投影算法(line segment projection algorithm, LSA)计算校验多胞体投影可以省去复杂的排序和迭代操作,仅需进行简单的加减与比较运算,十分适合硬件实现。首先针对硬件实现对线段投影算法进行简化,并设计了完整的ADMM译码硬件实现方案,在FPGA (field programmable logic gate array)中搭建了完整译码平台进行实验。实验表明:相较于已有的译码器,本文实现的ADMM-LSA译码器误码率性能基本一致,译码速度提高了30.6%,且在硬件资源消耗上有大幅减少,其中LUT (look up table)资源使用量减少了40.3%,(flip flop, FF)资源减少67.6%,(digital signal processing, DSP)资源减少54.5%。

摘要：对于含反倾结构面的高坝岩基,一般认为其深层滑动模式为沿反倾结构面的楔形体滑动。通过弹性理论和有限元法分析,发现反倾结构面上存在剪应力为零的临界点,临界点下游侧反倾结构面上的剪应力指向临空面方向;临界点上游侧结构面的剪应力指向坝基内部。剪应力临界点的位置受反倾结构面的产状、坝体参数、上下游水位差等多种因素的影响。反倾结构面的倾角愈小、上下游水位差愈大,剪应力临界点的位置愈靠近坝踵铅垂线;反之,剪应力临界点的位置愈向下游偏移。初步研究表明,含反倾结构面的高坝岩基的深层滑动模式可能有两种:一是沿反倾结构面的楔形体滑动;二是表浅层与沿剪应力临界点下游段结构面的组合滑动。当反倾结构面的倾角较大时(如大于10°),沿反倾结构面的楔形体滑动的可能性很小,大坝工程设计时应当考虑组合滑动模式。关于反倾结构面剪应力临界点的解析,不仅可判断含反倾结构面的坝基深层滑动模式,而且可作为修正现行高坝岩基抗滑稳定性校核方法的理论依据。

摘要：随着现代社会计算机化程度的提高,与计算机相关的各种系统故障足以造成巨大的经济损失.机械化定理证明能够建立更为严格的正确性,从而奠定系统的高可信性.针对机械化定理证明的逻辑基础和关键技术,详细剖析了一阶逻辑和基于消解的证明技术、自然演绎和类型化的λ演算、3种编程逻辑、基于高阶逻辑的硬件验证技术、程序构造和求精技术之间的联系和发展变迁,其中,3种编程逻辑包括一阶编程逻辑及变体、Floyd-Hoare逻辑和可计算函数逻辑.然后分析、比较了各类主流证明助手的设计特点,阐述了几个具有代表性的证明助手的开发和实现.接下来对它们在数学、编译器验证、操作系统微内核验证、电路设计验证等领域的应用成果进行了细致的分析.最后,对机械化定理证明进行了总结,并提出面临的挑战和未来研究方向.

摘要：针对卷积神经网络在物联网设备的加速问题,提出在RISC-V架构的基础上,为卷积神经网络定制专用的加速处理器RCP(RISC-V CNN Processor),通过定制处理器技术从硬件视角进行卷积运算的加速。设计了基于RISC-V处理器的五级流水线,对流水线上的数据冲突和控制冲突提供了相应的解决方案;为卷积计算定制了MLAD/MSTORE/MMUL/MPOOL四条指令,加快了RCP处理器的卷积操作;验证RCP处理器的定制指令集,并通过运行卷积神经网络测试RCP处理器的功能。实验数据表明,使用了定制的指令集技术后,CNN的执行效率提高了3.38倍,加速了物联网设备中的卷积运算。

摘要：针对现有动目标检测算法应用于卫星视频存在较多伪运动误检且难以在轨实时运行,同时短程跟踪算法难以寻回丢失目标的问题,提出一种卫星在轨实时提取运动目标算法。面向运动区域设计图像分类算法以优化运动检测结果,准确筛选动目标;用短程跟踪代替逐帧检测,以降低整体算法复杂度,并设计多特征融合与时空约束的重识别机制关联短程轨迹,应对跟踪丢失;设计在轨智能实时处理系统。使用真实卫星视频数据在嵌入式仿真平台上实验,结果表明,该算法的准确性和实时性相比现有方法有明显提升。