目錄

綜述評論

視覺即時定位與建圖算法綜述

摘 要：視覺即時定位與建圖（visual simultaneous localization and mapping，VSLAM）技術(shù)利用視覺傳感器分析圖像信息，使機器人在未知環(huán)境中實現(xiàn)自主定位和實時三維地圖構(gòu)建，是機器人導(dǎo)航和自動駕駛等任...

公鑰加密方案隨機性失敗研究綜述

摘 要：隨機性對公鑰加密方案的安全性至關(guān)重要，如果隨機性不滿足要求，那么方案就可能面臨安全威脅?；诟竦墓€加密方案有望成為未來主流的加密技術(shù)，但是由于格密碼方案本身的復(fù)雜性和新穎性，目前對基于格的公鑰加密方案的隨機性失敗分析缺乏系統(tǒng)和深入...

區(qū)塊鏈技術(shù)

基于通信延遲聚類和節(jié)點信譽的PBFT共識算法

摘 要：針對現(xiàn)有基于分組策略的拜占庭容錯共識算法中存在的主節(jié)點不穩(wěn)定、延遲高等問題，提出一種基于通信延遲聚類和節(jié)點信譽的PBFT共識算法（CD-PBFT）。首先，設(shè)計了新的基于通信延遲的聚類算法對網(wǎng)絡(luò)中節(jié)點進行分組，將通信延遲融合進歐氏距離...

MuSig多重簽名的實用拜占庭容錯共識算法

摘 要：為降低實用拜占庭容錯共識算法（practical Byzantine fault tolerance，PBFT）的通信復(fù)雜度和提高事務(wù)的吞吐量，提出一種MuSig多重簽名的實用拜占庭容錯共識算法（practical Byzantin...

融合多源異構(gòu)數(shù)據(jù)的ICO欺詐預(yù)測與可解釋分析模型

摘 要：為了解決首次代幣發(fā)行（ICO）欺詐檢測研究中存在的特征建模單一、模型缺乏可解釋性等問題，提出一種融合多源異構(gòu)數(shù)據(jù)的ICO欺詐預(yù)測和可解釋分析模型IICOFP。首先，融合ICO項目基本信息、評級分?jǐn)?shù)、社交媒體等多源異構(gòu)數(shù)據(jù)，通過Las...

基于人工智能的趨勢預(yù)測專題

基于改進雙動態(tài)時空圖網(wǎng)絡(luò)的航班延誤預(yù)測模型

摘 要：針對現(xiàn)有航班延誤預(yù)測模型中僅考慮機場之間空間拓?fù)浣Y(jié)構(gòu)的缺陷，提出一種基于多圖信息融合的改進雙動態(tài)時空圖卷積網(wǎng)絡(luò)航班延誤預(yù)測模型。首先，根據(jù)航班延誤傳播的不同空間相關(guān)性，構(gòu)建基于機場和航路的四種空間鄰接矩陣，并進行多圖融合提供更加全面...

基于深度時序聚類的城市卡口短時交通流量預(yù)測

摘 要：目前，基于深度學(xué)習(xí)的交通流量預(yù)測方法存在不足。首先，基于圖卷積網(wǎng)絡(luò)的預(yù)測模型使用簡化的路網(wǎng)拓?fù)?，忽視了實際交通組織信息，影響預(yù)測準(zhǔn)確性。其次，基于聚類的預(yù)測模型未考慮交通流的區(qū)域和時間相似性，未能有效利用時空模式，導(dǎo)致聚類結(jié)果對預(yù)測...

基于分量感知動態(tài)圖Transformer的短期電力負(fù)荷預(yù)測

摘 要：準(zhǔn)確的短期負(fù)荷預(yù)測對于電力系統(tǒng)的穩(wěn)定運行和有效調(diào)度至關(guān)重要。電力負(fù)荷數(shù)據(jù)因存在非線性、非平穩(wěn)性而導(dǎo)致預(yù)測精度低。分解可以降低序列非平穩(wěn)性的影響從而有效地提高預(yù)測精度，但現(xiàn)有分解預(yù)測方法缺乏對分解分量間關(guān)系的捕獲且顯著增加了預(yù)測時間。...

算法研究探討

融入自注意力和對比學(xué)習(xí)的多行為推薦

摘 要：現(xiàn)有的多行為推薦模型忽略了不同行為之間存在的優(yōu)化不平衡問題。為解決這一問題，提出了一種融入自注意力和對比學(xué)習(xí)的多行為推薦模型（multi-behavior recommendation integrating self-attent...

面向下一個興趣點推薦的細粒度時空多語義超圖學(xué)習(xí)

摘 要：現(xiàn)有的下一個興趣點（point of interest，PoI）推薦技術(shù)存在三個主要問題：使用過于簡單的方法構(gòu)建用戶興趣模型、忽略用戶和PoI之間在時空維度上的互動以及未能充分挖掘用戶間復(fù)雜的高階交互信息。針對這些問題，提出一種新穎...

基于雙端權(quán)重約束的異質(zhì)超網(wǎng)絡(luò)表示學(xué)習(xí)

摘 要：與傳統(tǒng)網(wǎng)絡(luò)不同，超網(wǎng)絡(luò)具有復(fù)雜的高階元組關(guān)系，而現(xiàn)有大多數(shù)超網(wǎng)絡(luò)表示學(xué)習(xí)方法不能很好地捕獲復(fù)雜的高階元組關(guān)系。針對上述問題，為了更好地捕獲復(fù)雜的高階元組關(guān)系，提出了基于雙端權(quán)重約束的異質(zhì)超網(wǎng)絡(luò)表示學(xué)習(xí)方法。首先，該方法提出一個超邊多...

基于雙路徑投影層和注意力機制的知識蒸餾

摘 要：現(xiàn)有的知識蒸餾技術(shù)主要集中于知識表示、目標(biāo)損失函數(shù)和蒸餾位置的選擇，而忽視了特征對齊和融合的重要性，從而限制了學(xué)生模型的學(xué)習(xí)能力。為此，提出了一種基于雙路徑投影層和注意力機制的知識蒸餾方法。該方法首先在空間維度上對齊學(xué)生和教師模型的...

基于深度圖文細粒度對齊的弱監(jiān)督多模態(tài)情感分析

摘 要：針對現(xiàn)有多模態(tài)情感分析方法在模態(tài)對齊上不夠精細，深度特征融合時易丟失重要信息的問題，提出了一種圖文深度交互模型。該模型擯棄使用圖像區(qū)域強監(jiān)督的方式檢測圖片中的物體，首先將圖片平等劃分成更精細的區(qū)域序列，通過雙路融合流的深度融合層來對...

基于邊擾動的鏈接預(yù)測解釋方法

摘 要：多數(shù)鏈接預(yù)測模型是解釋性較差的黑盒模型，因此不少學(xué)者提出了針對鏈接預(yù)測的解釋方法，但這些方法存在著解釋的目標(biāo)模型單一、缺乏泛化能力、解釋結(jié)果準(zhǔn)確率不足等缺陷。為彌補這些不足，提出一種基于邊擾動的鏈接預(yù)測的解釋方法。首先利用廣度優(yōu)先搜...

基于變化參與實例的空間并置模式增量挖掘方法

摘 要：空間并置模式是一組空間特征的子集，它們的實例在空間中頻繁關(guān)聯(lián)?？臻g并置模式挖掘是空間數(shù)據(jù)挖掘的一個重要分支。然而，空間數(shù)據(jù)庫隨時間不斷變化，高效的空間并置模式增量挖掘顯得尤為重要。提出基于變化參與實例的空間并置模式增量挖掘方法，相比...

結(jié)合變量決策層和全局學(xué)習(xí)率的啟發(fā)式優(yōu)化算法

摘 要：沖突驅(qū)動子句學(xué)習(xí)（conflict-driven clause learning，CDCL）是現(xiàn)代SAT求解器的主流框架，而基于變量活性的分支算法是其高效求解的關(guān)鍵因素之一。將全局學(xué)習(xí)率（global learning rate，G...

基于結(jié)構(gòu)化張量學(xué)習(xí)的多視圖聚類

摘 要：多視圖聚類方法隨著數(shù)據(jù)獲取途徑日益多樣化成為研究熱點，但大多數(shù)聚類方法低估了噪聲和數(shù)據(jù)多結(jié)構(gòu)互補性信息對聚類結(jié)果的影響，并且忽略了聚類結(jié)果對低秩張量優(yōu)化過程的反向引導(dǎo)作用。為解決這些問題，提出了基于結(jié)構(gòu)化張量學(xué)習(xí)的多視圖聚類（mul...

未知環(huán)境下基于突變定位SAC算法的移動機器人路徑規(guī)劃

摘 要：針對缺乏完整環(huán)境信息的條件下移動機器人局部路徑規(guī)劃算法性能提升及深度強化學(xué)習(xí)智能體訓(xùn)練速度慢的問題，提出了突變定位算法和改進的soft actor-critic （SAC）算法，并將兩者結(jié)合為突變定位SAC算法。突變定位算法能夠在缺...

基于stacking融合機制的自動駕駛倫理決策模型

摘 要：雖然自動駕駛技術(shù)在線路規(guī)劃和駕駛控制方面取得較大進展，但遇到倫理困境時，當(dāng)前自動駕駛汽車仍然很難作出確定、合理的決策，導(dǎo)致人們對自動駕駛汽車安全駕駛產(chǎn)生懷疑和擔(dān)憂。所以有必要研究自動駕駛倫理決策模型和機制，使得自動駕駛汽車在倫理困境...

迭代貪婪算法優(yōu)化分布式阻塞流水車間成組魯棒調(diào)度問題

摘 要：為了優(yōu)化復(fù)雜生產(chǎn)環(huán)境中生產(chǎn)計劃的魯棒性，確保不同場景下生產(chǎn)調(diào)度的穩(wěn)定性，此研究將多生產(chǎn)線單元制造問題抽象為分布式流水車間成組調(diào)度問題，并在此基礎(chǔ)上考慮了實際生產(chǎn)中常見的零緩沖區(qū)、加工時間不確定性和交付時間窗口等約束。首先，構(gòu)建了以魯...

基于算子學(xué)習(xí)的多目標(biāo)深度強化學(xué)習(xí)模型求解消防設(shè)施選址問題

摘 要：針對消防設(shè)施選址問題，構(gòu)建考慮時效性、市民等待救援的焦急心理和建設(shè)成本的三目標(biāo)消防設(shè)施選址模型，以實現(xiàn)更科學(xué)的消防設(shè)施布局。鑒于該問題的NP難特性，提出基于算子學(xué)習(xí)的多目標(biāo)深度強化學(xué)習(xí)模型（multi-objective deep ...

邊云環(huán)境中基于深度強化學(xué)習(xí)的任務(wù)卸載和資源分配方法

摘 要：邊緣計算允許物聯(lián)網(wǎng)設(shè)備卸載任務(wù)到邊云環(huán)境中執(zhí)行，以滿足任務(wù)對資源的需求。由于邊云環(huán)境的高度隨機性和動態(tài)性，啟發(fā)式算法和基于Q表格的強化學(xué)習(xí)算法難以實現(xiàn)異構(gòu)任務(wù)的高效卸載決策，所以提出了一個新穎的競爭和雙深度Q網(wǎng)絡(luò)（novel due...

面向細粒度應(yīng)急物資配送的空間眾包任務(wù)分配算法

摘 要：應(yīng)急物資的“最后一公里”配送為整個救援行動的末端環(huán)節(jié)，是提高整個救援行動效率的關(guān)鍵所在。為了解決細粒度的應(yīng)急物資配送任務(wù)分配問題，提出了一種基于K-means聚類的博弈論任務(wù)分配算法，該算法能夠保證所有任務(wù)在容忍時間內(nèi)得到分配的同時...

系統(tǒng)應(yīng)用開發(fā)

基于通道動態(tài)窗口法的避障方法

摘 要：針對移動機器人在復(fù)雜室內(nèi)環(huán)境下的局部路徑規(guī)劃算法會面臨躲避動態(tài)障礙物效率低、繞路及不能抵達目標(biāo)點的問題，提出了一種解決室內(nèi)路徑規(guī)劃的通道動態(tài)窗口算法。該方法選用基于密度的應(yīng)用噪聲空間聚類算法（DBSCAN）先對障礙物分割，在相鄰障礙...

結(jié)合對比學(xué)習(xí)的雙分支多維時間序列異常檢測方法

摘 要：多維時間序列異常檢測是維持復(fù)雜工業(yè)系統(tǒng)有效運行的必要環(huán)節(jié)，如何準(zhǔn)確識別大量設(shè)備中的異常模式是一項重要挑戰(zhàn)?，F(xiàn)有方案大多對多維時間序列下實體存在的動態(tài)依賴關(guān)系提取不足并且會受異常數(shù)據(jù)影響難以重構(gòu)出正常的模式。為此，提出一種結(jié)合對比學(xué)習(xí)...

一種新的異構(gòu)多核平臺下多類型DAG調(diào)度方法

摘 要：異構(gòu)多核處理器在異構(gòu)環(huán)境中受限于處理器種類，只能在特定處理器上執(zhí)行?，F(xiàn)有調(diào)度方法通常使用多類型DAG（directed acyclic graph）任務(wù)模型進行模擬，但調(diào)度方法往往忽略不同核上的通信開銷，或未考慮處理器與節(jié)點的對應(yīng)關(guān)...

NA-ROB:基于RISC-V超標(biāo)量處理器的改進

摘 要：重排序緩存（ROB）是超標(biāo)量處理器中的重要模塊，用于確保亂序執(zhí)行的指令能夠正確地完成和提交。然而，在大規(guī)模超標(biāo)量處理器中，存在ROB阻塞以及ROB容量有限的問題。為了解決上述問題并提高處理器性能，提出了零寄存器分配策略，通過將沒有目...

軟件技術(shù)研究

基于誤差分量模型的兩階段深度校正算法

摘 要：為了提高消費級RGB-D相機的深度精度，提出了一種基于誤差分量模型的兩階段深度校正算法。該算法根據(jù)誤差特性建立誤差分量模型，引入從短距離到長距離迭代計算思想，設(shè)計了兩階段深度校正算法。探究了像素離散化對校正效果的影響，將算法應(yīng)用于洗...

基于多特征提取和對比學(xué)習(xí)的知識圖譜鏈接預(yù)測

摘 要：針對傳統(tǒng)知識圖譜鏈接預(yù)測方法提取圖譜節(jié)點特征角度單一，且在訓(xùn)練過程中較少考慮節(jié)點間復(fù)雜的交互作用，構(gòu)建的負(fù)例三元組質(zhì)量較低等問題，提出了一種鏈接預(yù)測方法，旨在充分利用知識圖譜節(jié)點間的相互作用和圖結(jié)構(gòu)蘊含的交互信息，考慮從多特征角度識...

時空約束下資源受限的多智能體柔性重疊組織建模

摘 要：在資源受限的多智能體系統(tǒng)中，智能體通常需要與其他智能體協(xié)作并獲取資源，從而實現(xiàn)增加總體收益或完成復(fù)雜任務(wù)的目的。而開放系統(tǒng)中資源需求和供應(yīng)的不確定性導(dǎo)致了信息不對稱和競爭加劇，從而增加了資源分配的復(fù)雜性和協(xié)作成本。因此，構(gòu)建時空約束...

基于多尺度潛在特征表示的工業(yè)控制協(xié)議模糊測試方法

摘 要：工業(yè)控制協(xié)議（ICP）由于缺乏認(rèn)證、授權(quán)和加密等安全措施，存在大量漏洞，對工業(yè)控制系統(tǒng)（ICS）的安全構(gòu)成重大威脅。模糊測試作為一種主流的漏洞挖掘技術(shù)，在ICP中的應(yīng)用存在測試用例接收率低和多樣性不足的問題。為了解決這些問題，提高I...

基于二進制重寫的混合分析構(gòu)建控制流圖方案

摘 要：控制流圖（CFG）是二進制程序分析的基礎(chǔ)。傳統(tǒng)靜態(tài)分析方法構(gòu)建控制流圖速度快，代碼覆蓋率高，但不能解決間接跳轉(zhuǎn)問題；動態(tài)分析方法能夠分析間接跳轉(zhuǎn)，但代碼覆蓋率低、性能開銷大。為更加高效構(gòu)建完備的控制流圖，提出靜態(tài)動態(tài)結(jié)合的混合分析方...

IRS-D2D混合通信車聯(lián)網(wǎng)場景下的資源優(yōu)化策略

摘 要：針對城市道路車聯(lián)網(wǎng)存在視距鏈路阻塞和資源有限等問題，提出一種基于混合通信車聯(lián)網(wǎng)場景下的智能反射面（IRS）輔助的資源優(yōu)化策略。該方案構(gòu)建了IRS輔助的車聯(lián)網(wǎng)系統(tǒng)，并在該系統(tǒng)中使用D2D技術(shù)增加距離基站較遠車輛的數(shù)據(jù)傳輸能力。為了提升...

網(wǎng)絡(luò)與通信技術(shù)

RIS輔助多MEC服務(wù)器的聯(lián)合任務(wù)卸載和資源分配策略

摘 要：針對傳統(tǒng)集中式計算無法有效應(yīng)對海量設(shè)備產(chǎn)生的龐大數(shù)據(jù)，且移動邊緣計算（MEC）服務(wù)器資源受限容易引起資源擁塞以及復(fù)雜的通信環(huán)境導(dǎo)致用戶任務(wù)卸載傳輸受阻甚至中斷的問題，提出了一種可重構(gòu)智能表面（RIS）輔助多MEC服務(wù)器的聯(lián)合任務(wù)卸載...

物聯(lián)網(wǎng)邊緣計算網(wǎng)絡(luò)中基于深度強化學(xué)習(xí)的動態(tài)SFC部署策略

摘 要：針對物聯(lián)網(wǎng)（Internet of Things，IoT）終端的移動性和服務(wù)請求的隨機性所導(dǎo)致的IoT網(wǎng)絡(luò)的動態(tài)變化，在物聯(lián)網(wǎng)邊緣計算網(wǎng)絡(luò)（IoT-mobile edge computing，IoT-MEC）中對物聯(lián)網(wǎng)服務(wù)功能鏈請求...

信息安全技術(shù)

基于EMO-GAN的惡意URL檢測框架

摘 要：隨著萬維網(wǎng)的廣泛應(yīng)用和網(wǎng)絡(luò)威脅的日益嚴(yán)峻，統(tǒng)一資源定位符（uniform resource locator，URL）的安全性成為了網(wǎng)絡(luò)安全領(lǐng)域的研究熱點，如何有效檢測并防范惡意URL已經(jīng)成為了業(yè)內(nèi)非常關(guān)注的問題。針對惡意URL檢測中...

面向分布式最優(yōu)潮流的隱私保護方法

摘 要：電力系統(tǒng)中包含大量敏感數(shù)據(jù)，保護這些數(shù)據(jù)的隱私安全對用戶至關(guān)重要。針對在分布式最優(yōu)潮流（optimal power flow，OPF）算法中，由于迭代過程中信息交換頻繁導(dǎo)致的隱私泄露問題，提出一種面向分布式最優(yōu)潮流的隱私保護方法。該...

基于線性同態(tài)hash和秘密分享的高效可驗證聚合方案

摘 要：針對目前聯(lián)邦學(xué)習(xí)可驗證聚合方案存在用戶通信開銷過大、無法容忍用戶退出以及用戶退出導(dǎo)致驗證效率降低的問題，提出了一種基于線性同態(tài)hash和秘密分享的高效可驗證聚合方案（LHSSEVA）。首先，采用線性同態(tài)hash和同態(tài)承諾實現(xiàn)聚合結(jié)果...

圖形圖像技術(shù)

基于神經(jīng)隱式場的模糊多視圖三維重建

摘 要：基于神經(jīng)隱式表面的重建方法因其能高保真地重建場景而受到廣泛關(guān)注。然而，這些研究主要集中在理想輸入的重建上，對于模糊輸入重建效果并不理想。為了解決以上問題，提出了Deblur-NeuS，一種基于神經(jīng)隱式場的模糊多視圖三維重建方法。通過...

基于潛在有價值樣本挖掘的半監(jiān)督三維目標(biāo)檢測

摘 要：為了解決當(dāng)前半監(jiān)督三維目標(biāo)檢測算法中，傳統(tǒng)的固定閾值方法在過濾偽標(biāo)簽時不夠靈活，舍棄了大量有價值的偽標(biāo)簽，沒有充分利用潛在有價值樣本的問題，提出了一種基于潛在有價值樣本挖掘的半監(jiān)督三維目標(biāo)檢測方法。首先，不再使用固定閾值過濾偽標(biāo)簽，...

基于偏移過濾與未知特征強化的開放世界目標(biāo)檢測

摘 要：開放世界目標(biāo)檢測（open world object detection，OWOD）是一個計算機視覺挑戰(zhàn)，聚焦于現(xiàn)實世界環(huán)境，其不僅要檢測出標(biāo)記出的已知物體，還需要能處理訓(xùn)練過程中被忽視的未知物體。針對已知和未知物體的檢測混淆、密集...

基于擴散模型微調(diào)的局部定制圖像編輯算法

摘 要：針對現(xiàn)有基于擴散模型的圖像編輯方法存在無法靈活控制圖像編輯區(qū)域以及生成個性化內(nèi)容等問題，提出一種基于擴散模型微調(diào)的局部定制圖像編輯算法。該方法借助穩(wěn)定擴散模型作為基礎(chǔ)框架，首先從給定的一組圖像和詞嵌入中學(xué)習(xí)概念嵌入，并且為了提高模型...

基于多層次圖拓?fù)鋵Ρ燃毣膭幼髯R別

摘 要：動作識別是計算機視覺領(lǐng)域中的前沿探索，得益于圖卷積網(wǎng)絡(luò)（GCN）處理非歐幾里德數(shù)據(jù)的優(yōu)勢，該方法已成為從骨架數(shù)據(jù)中提取特征的主流方法。針對目前GCN忽視跨序列信息、對運動軌跡相似度高的模糊樣本難以區(qū)分等問題，提出一種結(jié)合對比學(xué)習(xí)的圖...

融合音頻內(nèi)容、風(fēng)格和情感特征的人臉動畫生成方法

摘 要：現(xiàn)有的音頻驅(qū)動人臉動畫技術(shù)主要注重唇部運動與音頻的同步性，忽略了對人物面部表情或頭部運動的再現(xiàn)能力。為此，提出了一種融合音頻內(nèi)容、風(fēng)格和情感特征的高質(zhì)量人臉動畫生成方法（ACSEF）。首先，設(shè)計了情感動畫模塊（EAM），從音頻中提取...

信息集萃

下期要目

◆異構(gòu)聯(lián)邦學(xué)習(xí)在無人系統(tǒng)的研究綜述 ◆基于生成對抗網(wǎng)絡(luò)的人臉屬性合成技術(shù)綜述 ◆基于深度學(xué)習(xí)的前沿視頻異常檢測方法綜述 ◆TSD-PBFT：基于信譽和標(biāo)準(zhǔn)差聚類的PBFT共識優(yōu)化算法 ◆S-Raft：一種增強拜占庭和崩潰容錯的的Raft算法...