摘要：针对非物质文化遗产推荐系统存在用户偏好难以捕捉和内容信息挖掘不充分的问题,提出了一种基于改进注意力机制的残差图神经网络(GNN-AR)推荐模型。该模型通过引入图注意力网络来捕捉用户潜在的兴趣偏好,能够更加精确地建模用户与非物质文化遗产内容之间的关系;利用文本提取器有效提取非物质文化遗产中的文本内容信息,从而增强了对内容特性的理解。为进一步提升模型的表达能力,融合残差连接机制捕捉用户行为与内容特性之间的复杂交互关系,避免了信息在深层网络中的过度衰减,确保特征信息的有效传递。为验证提出模型的有效性,在3个数据集上进行的实验结果表明,GNN-AR模型在捕捉用户偏好和挖掘非物质文化遗产内容信息方面优于现有的主流推荐方法。此外,该模型在多个评价指标上有较为显著的提升,验证了其在非物质文化遗产推荐系统中的应用潜力,为非物质文化遗产数字化保护与传承提供了新的思路与方法。

摘要：基于模型的诊断为人工智能领域中一个重要的研究分支,极小碰集即候选诊断的求解过程极大影响最终的诊断效率.本文关注当前主要的极小碰集求解算法,简要介绍了它们的基本思想,从算法描述和实例比较了它们的异同和复杂性,并设计实现了一个统一的实验平台,测试并比较了它们的实际执行效率,为实际选择合适的算法提供了重要参考依据.

摘要：为了改进快速同时定位和地图创建(FastSLAM)算法的粒子集性能、提高估计精度,提出基于AMPF和FastSLAM的复合SLAM算法.将辅助边缘粒子滤波器(AMPF)与FastSLAM架构相结合,用AMPF估计机器人位姿,单个粒子的位姿提议分布用无轨迹卡尔曼滤波估计.设计与AMPF和FastSLAM架构均兼容的采样方法和粒子数据结构,在FastSLAM框架下用扩展卡尔曼滤波递归估计地图.实验表明,该算法的粒子集性能比FastSLAM2.0算法好,并且它的位姿估计精度高于FastSLAM2.0算法.此外,粒子数较少时,该算法的估计精度较高,从而可适当减少粒子数目来提高算法的计算效率.

摘要：近年来,随着深度学习的不断发展,已有许多基于深度学习的RGB目标跟踪算法被提出且取得较为显著的性能提升,但纯粹依靠可见光进行跟踪的算法在光照变化、背景干扰、严重遮挡等复杂场景下仍难以实现鲁棒跟踪.为应对高难度场景下的挑战,实现高效鲁棒的目标跟踪,多模态目标跟踪应运而生.以RGB-D目标跟踪算法为主,详细列举了当前可见光-深度的多模态目标跟踪算法,对各类算法的优缺点进行分析和比较;并介绍了主流的RGB-D目标跟踪数据集,挑战赛及其评价指标;最后总结了RGB-D目标跟踪技术的发展趋势和挑战,并展望其未来的发展方向:特殊场景RGB-D数据集建设、全新RGB-D目标跟踪评估范式和有效模态融合的RGB-D模型范式.

摘要：无线能量传输技术能够有效缓解无线传感器网络中传感器节点的能量供给瓶颈问题,延长网络寿命甚至实现网络的永久可持续性运转。已有工作大多针对静态无线传感器网络(传感器节点位置固定)研究静态充电器的部署问题或是移动充电器的充电路径优化问题,而忽略了传感器节点移动的场景。因此,针对动态无线传感器网络(传感器节点可以移动),设计并优化了移动充电器在网络中的充电路径,使得在有限的时间内最大化移动充电器的充电效用,即充电器在有限的时间内遇到尽可能多的传感器节点并为它们充电。注意,移动充电器在移动的过程中可以选择停下来,为其当前位置充电范围内所遇到的多个节点同时进行无线充电。首先证明该问题是一个APX-hard问题。其次,基于离散化构造的有向无环图,提出一种基于回溯思想的分层剪枝算法,该算法以贪婪算法的解作为基准,逐层剪枝,从而得到固定时隙划分下的最优充电路径。仿真结果表明,所提算法能够有效地提升充电效用。

摘要：以YOLOv8为代表的单阶段目标检测算法,在骨干网络中有比较明显的优化,但在颈部网络未能高效地融合上下文信息,导致在小目标检测方面存在漏检、错检的问题,并且还存在模型参数量大、计算复杂度高的问题,无法满足端到端的工业部署需求。针对以上问题,引入基于Transformer结构的BiFormer注意力机制,加强对小目标的检测性能,提升算法的精度;引入GSConv模块,在保证算法性能不受到负面影响的前提下减小算法规模。为了平衡BiFormer带来的计算量和参数量的增加,设计了一种名为Bi-YOLO的目标检测算法,以达到轻量化和算法性能的平衡。实验结果表明,Bi-YOLO目标检测算法和YOLOv8n相比,算法精度提高了4.6%,DOTA数据集小目标检测精度提高了2.3%,参数量下降了12.5%。Bi-YOLO有效实现了模型轻量化和性能的平衡,为端到端的工业部署提供了新思路。

摘要：伴随着人工智能的浪潮,智慧信息系统的发展方兴未艾,正处于由感知智能到认知智能转变的关键时期.要实现认知智能的系统跃升,离不开知识的赋能.在数字化转型背景下,数据对象和交互方式的日益丰富,对以知识图谱为中心的信息系统如何进一步形成驱动力、促进生产力,带来了新的研究机遇和挑战.具体地,主要体现在两大方面:一是,面向信息系统的知识赋能方法与技术;二是,知识驱动的信息系统方法与技术.为此,需要发展和利用知识图谱技术构建形成下一代信息系统,但是如何利用知识图谱的理论积淀和技术成果,来促进信息系统及其方法的发展,解决信息系统分析、设计、开发和应用中遇到的问题与挑战,仍有较大的研究空间.本专题聚焦新一代信息系统发展中的新机遇和新挑战,探讨知识与信息系统交互结合的两个方面,为相关研究人员和工程人员提供集中发表最新成果的平台.

摘要：针对室内场景中由于光照变化、人体形态被遮挡以及在特殊视角下人体姿态变化等因素导致行人跌倒检测精度低、实时性差的问题,提出了一种基于YOLOv8改进的轻量级跌倒检测算法FDW-YOLO。将骨干网络中的C2f模块替换成FasterNext模块,增强有效特征复用的同时降低计算复杂度。根据人体跌倒姿势变化大的特点,设计了3种在颈部层不同位置添加动态可变形卷积模块的网络结构,并在自制的跌倒行为目标检测数据集上进行实验比较,最终根据网络性能选择YOLOv8-C方案。在改进后的网络中引入边界框回归损失函数WIoU取代原有的CIoU。实验结果表明,FDW-YOLO跌倒检测算法较YOLOv8n在mAP@0.5指标上从96.5%提升到97.9%,在mAP@0.5:0.95指标上从72.5%提升到74.3%,同时参数量和计算量只有4.1×10^(6)和7.3×10^(9),符合在低算力工业场景中部署的要求。

摘要：本文探讨利用遗传算法研究选播路由算法的关键技术问题，设计实现了一个基于遗传算法的单一源节点选播路由算法，利用网络模拟平台，对设计的选播路由算法进行了网络仿真实验和分析。模拟结果表明我们的算法可提高网络搜索速度和网络资源利用率，进而改善网络服务质量。

摘要：传统蚁群优化算法在求解优化性能指标难以数量化的定性系统问题时无能为力,为此提出一种利用人对问题解进行评价的分层交互式蚁群优化算法。设计了一个基本交互式蚁群优化模型结构,讨论了信息素的更新策略和性质。给出分层的思想、分层的时机和分层的具体实现方法。算法用户参与评价时,只需指出每一代中最感兴趣的解,而不必给出每个解的具体数量值,可以极大降低用户评价疲劳。将算法应用于汽车造型设计,实验结果表明所提出算法具有较高运行性能。