摘要：针对论点对抽取任务中存在着评审段和反驳段之间交互信息难以捕获以及忽略了对句子间的相对位置信息进行建模问题,提出基于异质图卷积神经网络的论点对抽取模型.该模型在评审段和反驳段中构建异质图,定义2种不同类型的节点及4种不同类型的边,通过关系图卷积神经网络来更新图中节点的表示.提出位置感知的句子对生成器,利用旋转位置编码来建模评审段和反驳段句子间的相对位置信息.在RR-passage和RR-submission-v2数据集上进行实验,实验结果表明,提出模型的性能均优于所有的基线模型.这表明通过构建异质图区分不同的节点类型和边的类型,设计位置感知的句子对生成器,能够提升论点对抽取模型的效果.

摘要：针对图像转换类的生成对抗网络在处理无监督风格迁移任务时存在的纹理杂乱、生成图像质量差的问题,基于循环一致性损失提出了循环矫正多尺度评估生成对抗网络。首先在网络架构的设计上,基于图像的三层语义信息提出了多尺度评估网络架构,以此强化源域到目标域的迁移效果;其次在损失函数的改进上,提出了多尺度对抗损失以及循环矫正损失,用于以更严苛的目标引导模型的迭代优化方向,生成视觉质量更好的图片;最后为了预防模式崩溃的问题,在风格特征的编码阶段添加了注意力机制以提取重要的特征信息,在网络的各阶段引入ACON激活函数以加强网络的非线性表达能力,避免神经元坏死。实验结果表明,相比于CycleGAN、ACL-GAN,所提出方法在山水画风格迁移数据集上的FID值分别降低了21.80%和34.33%;为了验证模型的泛化能力,在Vangogh2Photo和Monet2Photo两个公开数据集上进行了泛化实验对比,FID值相比于两个对照网络分别降低了7.58%、18.14%和4.65%、6.99%。

摘要：针对以自行车、摩托车为代表的两轮单辙平台的自然不稳定问题,采用单框架控制力矩陀螺(SGCMG)为平衡控制机构,研究两轮单辙平台不同工况下自平衡控制算法。分析两轮单辙平台横向力矩,推导横滚转动动力学方程,并根据不同状态误差设计了增益调度PID控制器;建立轮-地接触点模型,修正曲线运动时目标横滚角,减小反馈静差,获得更好的动态响应;以前叉转向趋势预估未来时刻转向角度与目标平衡横滚角度,提前调整姿态以重力矩抵消离心力矩,模拟人骑行时的预判压弯行为。相关算法经仿真验证与实车测试,可在静止与曲线运动等工况下保持动态平衡,效果良好,表明了算法的有效性。

摘要：借助于移动边缘计算(MEC)和网络虚拟化技术,可使移动端将执行各类复杂应用所需的算力、存储和传输等资源需求就近卸载至边缘服务节点,从而获得更高效的服务体验。面向边缘服务商,研究其在进行复杂任务部署时所面临的能耗优化决策问题。首先将复杂任务部署于多个边缘服务节点的问题建模为混合整数规划(MIP)模型,然后提出了一种融合图到序列的深度强化学习(DRL)求解策略。该策略通过基于图的编码器设计提取并学习子任务间潜在的依赖关系,从而根据边缘服务节点的可用资源状态及使用率自动发现任务部署的通用模式,最终快速获得能耗优化的部署策略。在不同的网络规模中,将所提策略与具代表性的基准策略进行了全面对比。实验结果表明,所提策略在任务部署错误率、MEC系统总功耗和算法求解效率等方面均显著优于基准策略。

摘要：针对现有对话情绪识别方法中对时序信息、话语者信息、多模态信息利用不充分的问题,提出了一个时序信息感知的多模态有向无环图模型(MTDAG)。其中所设计的时序感知单元能按照时间顺序优化话语权重设置,并收集历史情绪线索,实现基于近因效应下对时序信息和历史信息更有效的利用;设计的上下文和话语者信息融合模块,通过提取上下文语境和话语者自语境的深度联合信息实现对话语者信息的充分利用;通过设置DAG(directed acyclic graph)子图捕获多模态信息并约束交互方向的方式,在减少噪声引入的基础上充分利用多模态信息。在两个基准数据集IEMOCAP和MELD的大量实验表明该模型具有较好的情绪识别效果。

摘要：针对智能汽车在多车道公路场景行驶中的安全性、舒适性问题,提出一种基于组合代价函数的轨迹规划方法。利用Frenet坐标系分别求解车辆的横向和纵向运动轨迹,通过五次多项式拟合生成候选轨迹集;以危险程度和轨迹偏离程度为基准,以车辆在多车道公路行驶中的安全性、舒适性为目标,设计一种新的代价函数组合,通过求解代价函数从而选择最优轨迹。仿真结果表明:该方法能够使车辆在三车道动态公路场景中实现跟车与变道。

摘要：为实现智能网球回收机器人的高精度实时网球检测,提出一种轻量级网球检测算法CAG-YOLO。提出融合坐标注意力的Ghost残差块(coordinate attention ghostbottleneck, CAG),构建轻量型骨干网络CAG-Backbone,采用加权双向特征金字塔网络加强特征融合。采用SCYLLA-IoU计算坐标回归损失,改进非极大值抑制的后处理方法解决网球重叠问题。算法在Wtennis数据集上的实验结果表明,CAG-YOLO较基线方法的精度提高8.6%且模型体积减少31.7%,检测速度为21 ms,性能优于其它算法。CAG-YOLO能够用小规模参数提升检测精度,易于移植至移动智能设备。

摘要：推荐系统中将知识图谱作为辅助信息能有效缓解协同过滤算法中的稀疏性和冷启动问题.然而,现有的基于知识图谱的推荐模型往往忽略了视觉信息以及用户和物品历史交互序列中不同物品对当前任务的重要性.由此提出了一种融合视觉信息的协同知识注意力网络推荐模型(CKVI).该模型使用注意力机制动态地捕获用户和物品历史交互数据中蕴含的用户历史偏好信息.同时将知识图谱作为辅助信息,进一步丰富用户和物品的表示,增强模型的可解释性.其次考虑到与物品相关的图像,如电影海报中蕴涵着丰富的视觉信息,设计了一种图像聚合方法,聚合用户的历史行为图像,捕获用户的视觉偏好.最后将几种信息融合,用于推荐.为了验证模型有效性,在MovieLens和Book-crossing两个数据集上进行了实验,结果表明CKVI相比其他对比的模型推荐效果有较大提升.

摘要：在小样本分类任务中,现有的CNN模型存在特征提取不足、特征单一和小样本数据集类间差异化较弱的问题,导致分类精度较低。针对以上问题,提出一种融合多粒度注意力特征(fusion multi-granular attention feature,FMAF)的小样本分类模型。首先,该方法借鉴多粒度思想,重新设计CNN特征提取网络的架构来增强特征多样性;其次,在多粒度特征提取网络后添加自注意力层,提取多粒度图像特征中的关键特征,在多粒度注意力特征的基础上,借助特征融合方法融合多粒度注意力特征信息,突出关键特征,提高特征的表征力;最后,在两个经典的小样本数据集miniImageNet和tieredImageNet上进行了评估。实验结果表明,FMAF方法能有效提升分类的准确度和效率。

摘要：分析目前程序设计课程的教学现状,提出以混合式教学为主要实现途径的“模糊角色、赋能学生”课程改革创新理念,围绕“确立学生学习主体意识,建立并巩固自主学习习惯”,从教学内容、教学方法和评价体系3个方面阐述具体改革创新措施,通过实践结果分析说明教学效果。