目标识别追踪算法系统设计及分析

通过植入到机器人控制单元,帮助机器人在感知环境的前提下更好的识别和追踪目标,本文研究设计了一种基于本地数据采集处理的目标识别追踪算法系统,通过对本地和云端两个方案测试验证设计系统在综合性能的优越性,主要解决室外机器人在实际场景中识别目标出现的高延迟、不稳定等问题。     

人工智能在空管中应用的研究进展

在民航飞速发展的同时,空中交通也变得更加复杂、快速、多变,与之相关的种种问题也逐渐显现。同时,作为近几年取得重大突破的计算机辅助技术,人工智能技术已经广泛地应用于多个领域。人工智能技术与传统的空管相结合,更有利于构建一个更加安全、有序、高效的智能化空中交通管理系统。本文主要从国内外空管发展现状、空管系统对人工智能技术的需求以及人工智能在空管系统的应用几个方面进行综述和分析,最后对人工智能技术在空中交通管理中应用所面临的挑战进行了分析和展望。     

基于时间序列的人工智能在线翻译网络分析

从复杂网络角度出发,基于时间序列数据构建了人工智能在线翻译搜索指数的网络模型,并根据我国实际数据分析其网络结构特征。研究结果表明：在线翻译搜索指数虽然呈现出显著的波动特征,但大部分时间仍以小波动为主;在线翻译网络的最短路径长度分布近似呈偏态分布,网络中从一个符号到另一个符号的转换平均需要3个中间符号;波动性较小的符号具有较大的聚类系数;在线翻译整体呈下降趋势,经历了从早期不成熟到逐渐成熟的过程。     

基于多通道分离整合的多尺度单幅图像去雨算法

由于密度不同的雨对图像造成的遮挡不同,图像去雨一直都是一项极具挑战性的任务。目前,基于深度学习的图像去雨算法已经成为主流。然而,多数深度学习的架构都是通过堆叠卷积层来设计的,执行去雨任务后图像仍存在着大小不一的雨痕,这些方法并不能很好地关注训练中雨图的局部信息和上下文信息。为了解决上述问题,本文设计一种基于多通道分离整合的卷积神经网络用于图像去雨。第一步通过通道分离,再利用卷积层间的层级连接,构成多尺度模块,最终将不同通道的输出进行整合。该模块可以增大感受野,探索特征图之间的空间信息,更好地提取特征。第二步利用渐进网络来反复计算挖掘上下文信息,能够很好关联到全局特征。整体模型易于实施,可以端对端训练。在常用的数据集以及自建的自动驾驶雨天数据集上的大量实验表明,本文方法比现有方法取得了明显的改进。     

人工智能技术课程实践教学改革

根据人工智能技术课程的教学情况,从教学内容、教学方法、教学案例、考核方式、培养实践能力五个方面探讨教学改革。提出在不断更新教学内容和“课堂讲授-课下辅导”模式的基础上,加强网络资源的利用,增加贯穿整个教学过程的分组报告,设计出提高创新能力的教学案例,开展具有多元考核方式以及循序渐进的动态实验设置模式的实践教学改革,以有效地提升教学效果。     

通用深度学习语言模型的隐私风险评估

近年来,自然语言处理领域涌现出多种基于Transformer网络结构的通用深度学习语言模型,简称“通用语言模型(general-purpose language models,GPLMs)”,包括Google提出的BERT(bidirectional encoder representation from transformers)模型等,已在多个标准数据集和多项重要自然语言处理任务上刷新了最优基线指标,并已逐渐在商业场景中得到应用.尽管其具有很好的泛用性和性能表现,在实际部署场景中,通用语言模型的安全性却鲜为研究者所重视.近年有研究工作指出,如果攻击者利用中间人攻击或作为半诚实(honest-but-curious)服务提供方截获用户输入文本经由通用语言模型计算产生的文本特征,它将以较高的准确度推测原始文本中是否包含特定敏感词.然而,该工作仅采用了特定敏感词存在与否这一单一敏感信息窃取任务,依赖一些较为严格的攻击假设,且未涉及除英语外其他语种的使用场景.为解决上述问题,提出1条针对通用文本特征的隐私窃取链,从更多维度评估通用语言模型使用中潜在的隐私风险.实验结果表明:仅根据通用语言模型提取出的文本表征,攻击者能以近100%的准确度推断其模型来源,以超70%的准确度推断其原始文本长度,最终推断出最有可能出现的敏感词列表,以重建原始文本的敏感语义.此外,额外针对3种典型的中文预训练通用语言模型开展了相应的隐私窃取风险评估,评估结果表明中文通用语言模型同样存在着不可忽视的隐私风险.     

基于三维场景和图像边缘特征的浅浮雕建模

针对数字浅浮雕设计,通过对已有的浅浮雕建模方法进行分析,提出一种结合深度场边缘特征自动生成浅浮雕的方法。从三维场景中获取深度图,再将深度图分割成块,利用局部图像结构的优点,用随机结构化森林来学习精确且计算有效的边缘检测器,得到的边缘图再进行处理得到平滑且细节增强的浅浮雕轮廓;视边缘连续图为概率场,提出根据概率场对深度场的梯度域进行自适应的非线性压缩;通过求解泊松方程来恢复浅浮雕的高度场。实验结果表明,该方法对于大部分三维场景能在合理时间内自动生成效果良好的浅浮雕模型。     

工业4.0条件下的测试系统

通过回顾现代科学技术和工业化发展,阐述测试测量技术和测试系统与工业化发展的联系,结合未来工业技术发展的趋势和方向,展望测试系统的新的形态和技术发展趋势.分析了工业4.0时代可能影响测试系统发展的技术和方向,主要包括网络技术、通信技术、人工智能、产业形态、软件技术和当前时代背景下的国产化需求.结合工业4.0时代的技术特点提出了在此工业背景影响下的复杂机电系统的自动测试系统的构建形态,给出了新形态的测试系统组成架构,介绍了系统各部分组成、原理和技术需求,提出一种特定工业化背景下的新的自动测试系统的形态和系统构建方法,供从事测试系统设计及测试技术研究的人员参考借鉴.     

面向AI的数据管理技术综述

人工智能技术因其强大的学习和泛化能力已经被广泛应用到各种真实场景中.然而,现有人工智能技术还面临着三大挑战.第一,现有AI技术使用门槛高,依赖于AI从业者选择合适模型、设计合理参数、编写程序,因此很难被广泛应用到非计算机领域;第二,现有AI算法训练效率低,造成了大量计算资源浪费,甚至延误决策时机;第三、现有AI技术强依赖高质量数据,如果数据质量较低,可能造成计算结果的错误.数据库技术可以有效解决这三个难题,因此目前面向AI的数据管理得到了广泛关注.本文首先给出AI中数据管理的整体框架,然后详细综述基于声明式语言模型的AI系统、面向AI优化的计算引擎、执行引擎和面向AI的数据治理引擎四个方面.最后展望未来的研究方向和挑战.     

基于客户喜好的双向个性化推荐算法

为了解决现有推荐算法仅考虑同类产品间单向推荐所缺乏的灵活性,提升产品的销量及用户的购物体验,提出一种基于客户喜好的双向个性化推荐算法,不仅可以为客户精准推荐产品,还可以为商家推荐潜在客户.首先,基于产品购买网络中客户及其邻居的购买信息,扩展客户购买信息;其次设计客户产品喜好权重计算办法,分析客户的购买喜好,并在客户喜好的指导下为客户提供个性化的产品推荐;最后,基于商家提供的样本客户,挖掘与样本客户相似的客户构成社区,为商家提供潜在客户推荐以及精准客户维护.在真实数据集上的实验验证了算法的有效性.该算法从客户和商家两个维度出发实现了产品与客户的双向推荐,为个性化推荐领域的研究提供有益的帮助.