摘要：为了解决现有阴影去除方法中存在的性能瓶颈以及去除结果产生的色差问题,构建了一个特征分离和非阴影信息引导的阴影去除网络(FSNIG-ShadowNet)。在分离和重建阶段,利用自重建监督将阴影图像分离成直射光和环境光两部分,对光照类型和反射率进行特征解耦分离,设计解码器对分离的特征进行重新耦合以获得无阴影图像。在细化阶段,该网络关注阴影和非阴影的邻接区域,设计局部区域自适应归一化模块将局部非阴影区域颜色先验传递至阴影区域以减少两区域间的色差。实验结果表明,所提FSNIG-ShadowNet与其他优秀的方法相比取得了较有竞争力的结果。

摘要：针对现有方法在文本分类任务中没有综合考虑文本的层级结构和标签对于文本特征学习的重要性而导致的鲁棒性不足、表达能力不足等问题,提出了一种基于双曲图注意力网络的短文本分类算法L-HGAT。利用文本的复杂层级结构与双曲空间的树相似性特征的契合性,将文本嵌入到具有负常数曲率的双曲空间中,充分利用双曲流行表征的强大表达能力。设计双曲图注意力网络,融合节点特征与边特征,增强对文本中关键局部信息的聚合能力。使用基于双曲空间中的测地线距离的标签文本交互函数进一步引导文本特征学习,以此提升文本分类精度。实验结果表明,与基准模型相比,所提方法在基准数据集上显著优于现有研究方法,能够有效地提升模型性能,更好地完成文本分类任务。

摘要：为了解决强度调制-直接检测正交频分复用(IM-DD OFDM)光通信系统中由光纤色散和非线性效应导致的传输性能下降的问题,提出利用正交偏振泵浦非简并四波混频(NFWM)产生的无波长偏移光学相位共轭(OPC)波对系统中的信号损伤进行光域补偿。首先在理论上推导了利用正交偏振泵浦NFWM生成OPC波的原理,基于上述原理,设计了无波长偏移OPC实现方式,在正交偏振态上得到与原信号波长完全一致的OPC波。然后对影响生成OPC波功率的因素进行了具体分析。最后依据优化参数设置,进行仿真验证,结果表明所提系统能够以114.375 Gbit/s的传输速率在长度为240 km的标准单模光纤链路中传输。

摘要：针对在脉冲控制下非线性多智能体系统的分组一致性协同控制问题,本文基于复杂系统中智能体间的合作机制,提出了一种新颖的具有领导-跟随网络的分组一致性控制协议.该协议控制智能体仅在脉冲时刻接收来自邻居节点的信息并更新自己的状态,减少智能体因持续接收邻居信息更新自己状态而造成的网络开销.针对不同组之间智能体的信息交互,该协议具有防止组间干扰的机制,降低了不同组之间的通信干扰,提高系统鲁棒性.此外,本文还介绍了一种适用于非线性系统的方案,增强协议的适应性.基于实现分组一致性条件,构建了多智能体系统的动力学模型,并进行了协议的详细设计和理论推导.最后,通过仿真验证了协议的正确性和有效性.

摘要：混沌系统具有非线性、伪随机性、初始值敏感等特性,为基于动力系统构造性能良好的S盒提供了基础,进一步保证了分组加密算法安全性.目前,基于混沌构造S盒的方法大多数针对单个性能指标进行优化,难以获得全面的性能提升.针对此问题,结合混沌映射与多目标遗传算法,提出了一种新的S盒设计方法.首先,利用混沌映射的特性产生初始S盒种群;然后,以S盒的非线性度和差分均匀性为优化目标,基于遗传算法框架对上述两指标进行优化.针对S盒的特点,在优化算法中引入了交换操作,设计了新的变异操作以及非支配序集计算,有效提升了S盒的非线性度和差分均匀性.实验结果表明该算法产生的S盒其差分均匀度为6,非线性度值至少为110,有效提升了S盒的综合性能.

摘要：数据驱动的电源故障诊断方法高度依赖于电源传感器的信号数据质量,托卡马克聚变装置中的电源系统往往在复杂电磁场耦合的环境下运行,导致其采集到的具有物理特征的信号常与大量无法解耦的噪声混合。为了抑制噪声对最终诊断结果的影响,提出了一种利用抗噪声小波增强一维卷积神经网络的多分支降噪网络(Hierarchy Branch Denoising Convolutional Neural Network,HBD-CNN),以完成噪声干扰下的电源系统故障诊断任务。具体而言,本研究将离散小波变换(Discrete Wavelet Transform,DWT)的信号分解功能植入CNN的网络层中,结合对噪声更加鲁棒的指数线性激活单元(Exponentially Linear Unit,ELU),对传统1D-CNN网络结构进行深度优化。此外,根据先验知识构建起的数据多层级结构,搭配网络中分层级的分类模块,提高了HBDCNN的泛化能力。最后,基于仿真电源数据集开展了对本模型架构的初步验证,当信噪比为10 dB时,对电源变换器的故障诊断准确率可达98.31%;当信噪比为2 dB时,准确率仍能保持92%以上。实验结果表明,HBDCNN在噪声工况下具有良好的故障诊断性能。

摘要：近年来,将移动边缘计算(MEC)服务器搭载在无人机(UAV)上为地面移动用户提供服务备受学术界和工业界广泛的关注。但在恶意干扰环境下,如何有效调度资源降低系统时延和能耗成为关键问题。为此,针对干扰机影响下无人机辅助边缘计算的问题,该文建立一个以最小化加权能耗与时延为目标的模型,联合优化无人机飞行轨迹、资源调度和任务分配来提升无人机辅助移动边缘计算系统性能。鉴于优化问题难求解以及恶意干扰行为动态多变,该文提出了一种基于双延迟深度确定性策略梯度(TD3)的资源调度算法,同时结合优先经验回放(PER)机制提高算法收敛速度和稳定性,高效对抗恶意干扰攻击。仿真结果表明所提算法较其他算法,能够有效降低系统的时延和能耗,并具有很好的收敛性与稳定性。

摘要：在现有的医学影像诊断报告自动生成模型中,仅利用输入图像的视觉特征来提取相应的语义特征,并且生成词之间关联较弱和缺乏上下文信息等问题。为了解决上述问题,提出一种对比增强的关联记忆网络模型,通过对比学习提高模型区分不同图像的能力,设计了注意力增强关联记忆模块根据上一时间步生成的单词来持续更新,以加强生成医学图像报告中生成词之间的关联性,使得本模型可以为医学图像生成更准确的病理信息描述。在公开IU X-Ray数据集和私有胎儿心脏超声数据集上的实验结果表明,提出的模型在Cider评估指标方面明显优于以前的一些模型(与经典的AOANet模型相比较,在IU X-Ray上Cider指标提升了51.9%,在胎儿心脏超声数据集上Cider指标提升了3.0%)。

摘要：文章针对学生入学时水平参差不齐以及学习过程中学习进度差距较大等问题,分析了目前高校在教学方式及考核方式两方面的现状,提出了以网络教学为主,结合异步教学的思想,采用网络教学模式下的异步教学法,制订个性化的教学及考核方式,介绍了具体个性化教学措施。

摘要：本文深入探讨了在当今数字时代的背景下,以“人工智能+”为核心理念的仪器专业知识有机融合与协调优化问题。“人工智能+”仪器专业知识的有机融合不仅是课堂教学变革的驱动力,也是提升教学质量、培养高水平人才适应人工智能时代发展的迫切需求。本文首先讨论了人工智能对仪器专业知识产生的影响,研究提出了基于“人工智能+”的仪器专业知识体系的三重维度内涵建设措施。其次探讨了多层次交互型仪器类本科生人工智能创新应用能力提升的新模式,包括智能教学资源推荐和个性化学习路径设计。最后建立了“以人为本、内外驱动、四位一体”的仪器类本科思政教育模式。通过这些策略,仪器专业教育能够更好地适应时代需求,培养具备实际操作能力和创新思维的高水平人才,推动了教育改革和发展的前进步伐。