摘要：跨视角地理定位是一种图像检索任务,其目的是在不同视角下使用无地理坐标的图像与数据库中有地理坐标的图像进行检索匹配,从而获取目标图像的地理位置信息。然而,现有方法大多忽略了全局位置信息和特征完整性,导致模型无法捕获深层语义信息;另外,现有的二维交互方式未充分利用维度间关系,导致跨维交互不充分。为解决上述问题,设计了一种跨视角地理定位三维交互机制。该方法利用ConvNeXt作为特征提取网络,随后使用所提出的三维交互机制(Triplet Interaction Mechanism,TIM)进行特征丰富操作,最后利用联合损失函数指导模型训练。所提方法在模型内进行了多次三维交互,缓解了二维特征投影部分信息丢失的问题。同时,所提出的三维交互机制在3个通道中使用不同的注意力,使模型对跨视角图像的平移、缩放、旋转具有鲁棒性。实验结果表明,所提方法在University-1652数据集上针对无人机视角定位和无人机导航两个任务均取得了最优性能。

摘要：为在不增加网络参数规模的情况下提升目标分割性能,该文提出一种基于Transformer特征金字塔的自蒸馏目标分割方法,提升了Transformer分割模型的实用性。首先,以Swin Transformer为主干网构建了像素级的目标分割模型;然后,设计了适合Transformer的蒸馏辅助分支,该分支由密集连接空间空洞金字塔(Dense ASPP)、相邻特征融合模块(AFFM)和得分模块构建而成,通过自蒸馏方式指导主干网络学习蒸馏知识;最后,利用自上而下的学习策略指导模型学习,以保证自蒸馏学习的一致性。实验表明,在4个公开数据集上所提方法均能有效提升目标分割精度,在伪装目标检测(COD)数据集上比次优的Transformer知识蒸馏(TKD)方法的Fβ值提高了约2.29%。

摘要：分析大语言模型的发展给高校程序设计类课程带来的六大机遇和六大挑战,提出具体的应对措施,探讨如何在教学中充分利用大语言模型的优势,同时避免负面影响,并且针对每项对策阐述具体的实施建议。

摘要：随着信息技术的发展,诸如借助翻译工具的回译式抄袭行为越发复杂隐蔽,对抄袭检测方法提出了更高的要求.为此,提出一种基于提示工程(prompt engineering)的抄袭检测方法.该方法通过设计提示词,引导大语言模型(large language model,LLM)在语义层面关注句子文本中的潜在相似性,能够有效识别出语义高度相似的内容.首先,回顾了现有的抄袭检测技术和提示工程的应用,在此基础上设计基于提示工程的回译式抄袭行为检测流程.其次,设计提示模版,通过合并缩减待检测句子对的方式,提出句子压缩比的抄袭检测指标.最后,通过实验证明基于提示工程的抄袭检测方法与传统方法相比,在检测回译式抄袭行为上具有显著优势.

摘要：受传输环境以及辐射源设备工作状态变化的影响,待识别信号与训练信号的信道噪声会有所不同,这会导致训练好的模型识别准确率下降。为了解决这个问题,大多数研究使用了单源无监督域适应方法,将特定噪声下的带标签样本用于待识别目标噪声下无标签样本的学习。一方面,在实际情况中收集的带标签数据可能来自多个源域;另一方面,目标域通常可以看作是多个源域的组合。为了探索基于多源无监督域适应的辐射源个体识别方法,本文提出一种基于原型对齐和对比学习的多源无监督域适应方法,充分学习和利用域内的语义结构信息。首先,使用多个源域和目标域的原型对齐方法来学习组合多个源域的特征表示并设计一个新的伪标签策略。然后,设计一种加权的域内样本到原型的对比学习方法来增加类内的紧凑性和类间的可区分性,对比学习增加了原型对齐的准确性。在公开数据集上的实验结果表明,本文方法在目标域为4 db和8 db的任务中取得了最好的效果,准确率分别为94.1%和97.4%,相比现有的方法分别提高了2.4和1.2个百分点,表明了本文方法的有效性。

摘要：对本科生学习能力的培养塑造始终是高等教育的一项重要任务,计算机类专业通常具有对学习者实践能力要求高、知识更新换代快、相关课程知识点多而杂的特点。由于专业的特殊性决定了对计算机类专业学生的学习能力培塑方法,有其独特之处。分析了制约计算机类专业本科生学习能力提升的矛盾问题,针对矛盾问题分析了应对策略,并从学生学习状态的动态监测机制、优化课程教学设计、调整考核与评估机制三个维度提出了一套能力提升策略,为该专业本科生培养提供参考。

摘要：战术级兵棋对抗系统结构严格、对抗性强,可以作为研究军事智能决策的一个推演平台.鉴于此,设计一个战术级兵棋实体作战行动智能决策模型框架,并在该框架指导下设计一款兵棋智能引擎.所设计引擎通过挖掘兵棋历史推演数据,提取棋子历史位置概率、夺控热度、观察度等评价属性,利用多属性综合评价软优选算法和兵棋基本规则决策出棋子的下步行动.实验结果表明,所提出引擎具有实时性强、灵活性高、可移植性好的优点,可以在兵棋机机对抗和人机对抗挑战赛中取得优异成绩.

摘要：为了提高深度神经网络文本生成技术的语句融合能力,文中提出基于语句融合和自监督训练的文本摘要生成模型.在模型训练前,首先根据语句融合理论中的信息联系点概念对训练数据进行预处理,使其满足之后模型训练的需要.文中模型可分为两个阶段的训练.在第一阶段,根据语句融合现象在数据集上的分布情况,设计以信息联系点为最小语义单元的排列语言模型训练任务,增强模型对融合语句上下文的信息捕捉能力.在第二阶段,采用基于语句融合信息的注意力掩码策略控制模型在生成文本过程中的信息摄入程度,加强文本生成阶段的语句融合能力.在公开数据集上的实验表明,文中模型在基于统计、深层语义和语句融合比例等多个评测指标上都较优.

摘要：近年来,基于人工智能技术的自动化作战推演越发受到重视,但是由于有效地采集作战推演数据难度较大,许多依赖数据学习的人工智能技术效果不佳。在结合专家知识和作战推演数据的基础上研究作战推演中的人工智能技术,是一种可行的替代方案。为此,立足兵棋推演设计了关键点推理遗传模糊系统(genetic fuzzy system,GFS)框架,有效整合了对兵棋专家知识的建模和对兵棋复盘数据的学习,从而提高了关键点的推理质量。进一步以安全点为例,构建了安全点推理GFS,在初始化模糊系统规则库的基础上,通过合理设计遗传算法中的参数编码、适应度函数、遗传算子等,实现了安全点推理模糊系统的遗传调优算法。最后,通过实验仿真展示了所提方法的可行性和实用性。

摘要：在分析知识推理型与数据学习型兵棋人工智能(artifical intelligence,AI)优缺点的基础上,提出了基于知识牵引与数据驱动的AI设计框架。针对框架中涉及的基于数据补全的战场态势感知,基于遗传模糊系统的关键点推理,基于层次任务网的任务规划、计划修复与重规划,基于深度强化学习的算子动作策略优化等关键技术进行深入探讨。结果表明,所提框架具有较强的适应性,不仅能够满足分队、群队、人机混合等兵棋推演的应用需求,而且适用于解决一般回合制或即时策略性的博弈对抗问题。