摘要：目的旨在探索Co-Design视域下,针对行动障碍者,设计一款无障碍智能轮椅产品。方法该研究整体上利用FBS设计模型的宏观思维,确立了以用户的行为和功能需求映射产品结构的研究思路,并利用AHP层次分析理论寻找用户需求和产品功能要素的最优解,进而发现针对特定群体的无障碍轮椅设计痛点,最后通过将设计痛点输入AI大模型,进行迭代设计和方案优化,直至产生最优的设计方案。结论根据对用户群体需求指标的AHP层次分析,用户对轮椅安全性和舒适性的需求最为强烈,这从根本上确定了用户潜在的行为特征,以及用户对无障碍轮椅设计的功能需求,进而从整体上确定了该无障碍轮椅的产品结构与功能。

摘要：作为AIGC领域的核心牵引部件,以ChatGPT、Midjourney等为代表的人工智能生成工具,让人们见证了从“文生文”到“文生图”的又一场内容生产革命。然而,因AIGC在生成内容过程中的隐蔽性和不稳定性,大部分生成图像或者视频内容仍然无法直接进行应用。文章通过厘清当前AIGC生成绘本内容的技术逻辑,明晰人机协同生产模式的分工界限,进一步通过优化模型调试生成式AI,明确AIGC人机协同生成绘本的实践路径,从而预测未来AIGC在数字出版领域的生产模式,为文化数字化进程、传统文化“双创”发展搭建实践路径。

摘要：在拆解序列规划问题中,为了提高拆解效率、降低拆解能耗,引入了机器人并行拆解模式,构建了机器人并行拆解序列规划模型,并设计了基于强化学习的遗传算法。为了验证模型的正确性,构造了混合整数线性规划模型。算法构造了基于目标导向的编解码策略,以提高初始解的质量;采用Q学习来选择算法迭代过程中的最佳交叉策略和变异策略,以增强算法的自适应能力。在一个34项任务的发动机拆解案例中,通过与四种经典多目标算法对比,验证了所提算法的优越性;分析所得拆解方案,结果表明机器人并行拆解模式可以有效缩短完工时间,并降低拆解能耗。

摘要：对厚钢板两种焊接工艺焊接接头中的焊缝材料和热影响区材料进行拉伸试验。发现各自的拉伸曲线都可视为理想弹塑性,符合Wells提出裂纹尖端张开位移(cracktipopeningdisplacement,CTOD)理论的假设条件。因此,证明CTOD试验评定焊接接头韧度的适用性。提出确定钢结构焊接接头CTOD允许值的“母材参考法”和“类比法”,为在钢结构的设计和建造中合理地确定焊接接头韧度指标提供方法。

摘要：为了提高图像分类效果,针对卷积神经网络中常用激活函数relu在x负半轴的导数恒为零,导致训练过程中容易造成神经元"坏死"以及现有组合激活函数relu-softplus在模型收敛情况下学习率过小导致收敛速度慢的问题,提出新的组合激活函数relu-softsign.分析激活函数在训练过程中的作用,给出激活函数在设计时需要考虑的要点;根据这些要点,将relu和softsign函数于x轴正、负半轴进行分段组合,使其x负半轴导数不再恒为零;分别在MNIST、PI100、CIFAR-100和Caltech256数据集上,与单一的激活函数和relu-softplus组合激活函数进行对比实验.实验结果表明,使用relu-softsign组合激活函数提高了模型分类准确率,简单有效地缓解了神经元不可逆"坏死"现象;加快了模型的收敛速度,在复杂数据集上该组合函数的收敛性能更好.

摘要：图像超分辨率(Super Resolution,SR)重建是计算机视觉领域中提高图像和视频分辨率的一种重要图像处理技术,针对基于深度学习的图像重建模型层次过多以及梯度传输困难导致训练时间长、重建图像视觉效果不理想的问题,本文提出了一种改进残差块和对抗损失的GAN(Generative Adversarial Networks)图像超分辨率重建模型.首先,在模型结构上,设计剔除多余批规范化操作的残差块并组合成生成模型,将深度卷积网络作为判别模型把控重建图像的训练方向,以减少模型的计算量;然后,在损失函数中,引入Earth-Mover距离设计对抗损失以缓解模型梯度消失的问题,采用L1距离作为重建图像与高分辨率图像相似程度的度量以指导模型权重更新来提高重建视觉效果.在DIV2K、Set5、Set14数据集上的实验结果表明:该模型剔除多余批规范化后的训练时间相比改进前模型减少约14%并有效提高图像的重建效果,结合Earth-Mover距离与L1距离的损失函数有效地缓解了梯度消失的问题.模型相较于双三次插值、SRCNN、VDSR、DSRN模型,提高了对低分辨率图像的超分辨率重建效率和视觉效果.

摘要：基于神经网络和专家系统各自的特点 ,研究了神经网络和专家系统的集成系统 ,论述了系统的设计思想、总体结构及实现的基本原理 ,通过软件设计实现了“可视化”操作 .系统具有知识自动获取、预测速度快、鲁棒性及容错能力强等特点 .

摘要：针对卷积神经网络中间特征层信息利用不充分,以及不区分尺度和难易样本的学习所导致的文字检测精度难以提高的问题,提出基于多路精细化特征融合的聚焦难样本的区分尺度的自然场景文字检测方法.构建多路精细化的卷积神经网络融合层提取高分辨率特征图;按照文字标注矩形框的较长边的尺寸,将文字实例划分为3种尺度范围,并分布到不同的候选框提取网络中提取相应的候选框;设计聚焦损失函数对难样本进行重点学习以提高模型的表达能力并得到目标文字框.实验表明,所提出的多路精细化特征提取方法在COCO-Text数据集上的文字召回率较高,聚焦难样本的区分尺度的文字检测方法在ICDAR2013、ICDAR2015标准数据集上的检测精度分别为0.89、0.83,与CTPN、RRPN等方法相比,在多尺度多方向的自然场景图像中具有更强的鲁棒性.

摘要：图数据是一种特殊的数据形式,由节点和边组成.在这种数据中,实体被建模为节点,节点之间可能存在边,表示实体之间的关系.通过分析和挖掘这些数据,人们可以获得很多有价值的信息.因此,对于图中各个节点来说,它也带来了隐私信息泄露的风险.为了解决这个问题,提出了一种基于负数据库(NDB)的图数据发布方法.该方法将图数据的结构特征转换为负数据库的编码形式,基于此,设计出一种扰动图(NDB-Graph)的生成方法.由于NDB是一种保护隐私的技术,不显式存储原始数据且难以逆转,故发布的图数据能确保原始图数据的安全.此外,由于图神经网络在图数据中关系特征处理方面的高效性,被广泛应用于对图数据的各种任务处理建模,例如推荐系统,还提出了一种基于NDB技术的图神经网络的推荐系统来保护每个用户的图数据隐私.基于Karate和Facebook数据集上的实验表明,与PBCN发布方法相比,所提方法在大多数情况下表现更优秀.例如:在Facebook数据集上,度分布最小的L1误差仅为6,比同隐私等级下的PBCN方法低约2.6%;最坏情况约为1400,比同隐私等级下的PBCN方法低约46.5%.在基于LightGCN的协同过滤实验中也表明,所提出的隐私保护方法具有较高的精度.

摘要：利用社交媒体用户生成的内容构建用户画像系统,为个性化服务和电商平台的精准营销提供支持,这是社交媒体分析领域重要的研究方向之一.文中研究用户以时间线方式发布内容形成篇章级长度的多模态数据,并针对由此给用户画像自动构建带来的挑战展开分析.以用户性别和出生年代为主的自然属性为目标,研究如何有效处理与分析社交媒体用户发布的篇章级多模态数据,提出基于Moments的社交媒体用户画像自然属性预测模型.在认知心理学启发下,通过工作记忆理论设计数据分块方式,缓解以拼接和滑动窗口为主的传统方法存在的语意破坏和语篇合成的问题.再针对用户在发表社交内容时存在的模态偏好问题,综合注意力平衡模态内数据和模态间数据对预测任务贡献度的差异,实现用户画像中自然维度属性的预测.实验表明,文中模型在用户性别和出生年代预测任务上的准确性较高.