摘要：随着脉冲神经网络(spiking neural network,SNN)研究需求的不断增长,开源类脑训练框架也迅速发展。然而,目前缺乏针对这些框架的系统性选择指南。为了解决该问题,提出了一种基于图像分类任务的SNN基准测试方法。本文为两种SNN训练方法,即直接替代梯度反向传播训练方法以及从人工神经网络(artificial neural network,ANN)到SNN的转换训练方法分别设计了卷积神经网络和全连接深度神经网络模型,并使用MNIST、FashionMNIST和CIFAR-10基准图像数据集,以训练时间和分类准确率为评估指标,比较了不同类脑训练框架的性能差异。研究结果表明,在SNN直接训练中,类脑训练框架SpikingJelly在训练时间和分类准确率方面均表现优异;而在ANN到SNN的转换训练中,Lava框架实现了最高的分类准确率。

摘要：当前书画艺术品市场赝品众多,给书画艺术品收藏者带来了极大的经济风险,并且严重扰乱书画艺术市场秩序.针对书画艺术品真假鉴别的数据集一般较小的特点,提出数据高效的齐白石虾画自动真假鉴别算法.以视觉Transformer为基础架构,改进视觉Transformer的标记位置编码方式;以跨架构表征知识蒸馏对模型进行训练,改善视觉Transformer的内在归纳特性,减少模型对训练数据的过度依赖,有效地解决齐白石虾画真假鉴别数据集较小的问题.分别在有429幅画的齐白石虾画真假鉴别数据集、有96013幅画的WikiArt数据集和有42479幅画的ArtDL数据集上进行实验的结果表明,所提算法能够有效地应对齐白石虾画真假鉴别任务中数据集小的挑战,并在该任务中的分类性能优于其他方法.

摘要：提出一种应用于逐次逼近型模数转换器的混合电容切换模式。该模式包含两个幅度相同但单调性相反的开关电容阵列,无需任何额外的稳压电源和电容补偿阵列,通过差分电压自身的互相补偿,实现共模电压的稳定。利用上述技术,基于0.18μm的CMOS工艺实现一个转换速率为50 MS/s,分辨率为10-bit的SAR ADC。设计过程中采用开窗逻辑,减小了比较器输出信号到DAC控制信号的传输时间;采用包含自适应延时逻辑的比较环路,缩短了SAR ADC低位比特的转换时间。测试结果表明,所设计的SAR ADC在50MS/s的转换速率下,可以实现57.31 d B的SNDR,1.81 LSB的INL以及0.98 LSB的DNL。

摘要：植物叶片自动识别算法在植物教学和生态保护等领域有着广泛应用,但由于植物种类繁多且类间差异小,传统深度学习方法需要大量的数据标注才能获得较好的训练效果.为此,提出一种基于深度半监督学习的植物叶片自动识别方法.首先,基于一致性正则化思想,为提升数据扰动质量设计了显性、隐性数据扰动流程;然后,运用深度特征提取网络DenseNet,有效地提升了植物叶片细粒度特征的辨别能力;最后,基于模拟退火训练策略过滤训练过程中的异常数据,从而缓解过拟合现象.在分别含有5284幅和18000幅植物叶片图像的公开数据集MalayaKew-D3和私有数据集LeafSZU-2021中获得的实验结果表明,与全量标注数据下监督学习模型相比,该方法在仅使用30%~50%标注数据量时,仍能达到92.36%~96.85%的植物叶片识别准确率;在相同数据标注量下,其平均识别准确率比当前最新的半监督球面均值聚类方法提高了2.95%,且模型参数量降低了38.12%,识别速度提高了61.51%.

摘要：在图像弹性配准中,基于径向基函数的小形变变换模型存在拓扑关系不能保持的问题.为此针对小形变模型提出一种基于Mean Shift迭代的拓扑保持图像变换方法.首先在拓扑不能保持的区域确定新增控制点对,通过Mean Shift迭代算法调整新增目标控制点的位置,再根据形变曲面的拓扑保持情况和配准度量的改善情况筛选新增控制点对,最后将新增控制点对添加到原始控制点集合中,得到拓扑保持的、配准精度得到提高的图像变换结果.人工图像和实际图像的配准实验结果表明了该方法的有效性.

摘要：无线供能通信技术是未来6G时代支撑能量可持续无线通信的关键技术.本文首次提出了完整的基于大规模天线的无线供能通信系统的原型设计,并在软件定义无线电平台上实现了由32发射天线基站端、用户端和反馈链路组成的原型系统.在基站端,通过设计灵活的帧结构,原创性地提出了无线能量动态传输方案,实现了原型系统在信道估计准确性与无线能量传输效率之间的性能平衡.在用户端,通过建立实际的非线性能量采集模型和能耗模型,提出了新颖的用户端信息-能量双阈值电池管理方案,以满足不同的信息和能量传输需求.基于用户端状态信息的快速反馈,本文建立了闭环控制的无线能量和信息自适应传输系统框架.丰富的室内和室外实验验证了无线供能通信原型系统良好的无线环境适应性和传输性能.

摘要：针对当前非均匀纹理合成方法或无法保持非均匀纹理的大尺度结构,或受网络结构限制,无法合成任意大小的纹理的问题,提出基于相对坐标控制的非均匀纹理合成方法.该方法基于全卷积金字塔结构生成对抗网络SinGAN,首先,引入相对坐标信息作为条件输入进行引导控制合成,从而保留非均匀纹理样图的整体结构特性;然后引入旋转图块增强训练,通过下采样和角度旋转,获得大量纹理图块训练数据,从而进一步提升纹理合成的细节质量.最后,通过对多张挑战性非均匀纹理进行任意比例合成实验,结果表明,该方法可合成具有任意大小的新纹理样本,合成结果能够有效地保持源图像的全局结构和局部精细纹理.此外,用户还可根据需要选择源纹理区域进行扩展合成,从而带来更好的可控纹理合成体验.

摘要：知识图谱数据是由自然语言处理模型在海量文本文献中提取出来的、具有实体间关系的一种典型网络结构数据,而网络结构数据的主流可视化方法是使用力导向布局的节点链接图.针对传统力导向布局的节点链接图没有考虑知识图谱数据中的实体标签和关系标签信息,导致结果中存在实体节点和关系链接的分布较为随机的问题,提出一种基于力导向布局的知识图谱可视化方法.首先对知识图谱数据进行数据准备,获得规模合适的知识图谱子图数据;然后在力导向布局中加入3种新力,使得改进后的布局可以更好地展示知识图谱中实体之间的关系、实体和关系标签类型;最后引入边绑定技术并提供基本的交互技术,提升方法的可视效果和交互功能.在具有3万个实体的医疗知识图谱数据和具有200万个实体的网络黑产知识图谱数据上的实验结果表明,与其他力导向布局方法相比,所提方法的整体布局在细节上更有规律,可读性更好.

摘要：基于内容的体育视频分类是高效管理大量体育视频数据的关键步骤之一,为提高体育视频分类方法的正确率及泛化能力,提出一种基于类型标志镜头与视觉词袋模型相结合的体育视频分类方法.首先给出类型标志镜头的定义,并通过类型标志镜头构建该镜头视频帧训练库;然后构建基于视频帧训练库的金字塔视觉词袋模型,将视频帧标志为归一化的词频向量,使用SVM对视频帧进行分类;再通过分析视频帧分类错误的原因及表现形式提出基于时序连续性孤立帧去除算法,以消除视频帧的错误归类.由于体育视频按组合类型可分为单一体育视频与混合体育视频,因此分别提出了单一体育视频及混合体育视频2种分类算法.实验结果表明,文中算法具有实现简单、处理速度快和准确度高的优点.

摘要：数据流是大数据的重要形式,数据流分类是数据挖掘的重要任务之一,该任务在现实生活中有着巨大的应用前景,因此得到了研究者们的广泛关注.概念漂移和类不平衡是影响数据流分类性能的两个核心问题,但目前大多数算法都只考虑处理两者之一,并且大多数算法过于理想,只能在人工设置的数据流上才能发挥较好的性能,无法适用于复杂的真实数据流.针对这一问题,提出了一种同时处理概念漂移和类不平衡复杂数据流的算法——具有自适应遗忘因子的加权在线顺序极限学习机集成算法.该算法首先融合加权机制和遗忘机制,初步提出具有遗忘机制的加权在线顺序极限学习机算法.为了更好地适应复杂数据流,进一步以初步算法为基分类器,设计包含自适应遗忘因子和概念漂移检测机制的在线集成策略.大量仿真实验表明,所提算法在所有数据集上都取得了最佳的Gmean值,具有更好的概念漂移和类不平衡适应能力,表现出了更稳定、更平衡以及更准确的分类效果.