面向对象逻辑语言LKO的类型系统

文中主要介绍面向对象逻辑语言ＬＫＯ中基于声明和推理的有序类型系统，在谓词声明中，类型由有序的构子构造而成，子句中变量类型由类型推理决定，对象类型由方法声明决定，独立于便于代码复用，它可作为基类型参与项类型构造。     

基于全卷积神经网络的单幅隧道图像裂纹提取算法

提出一种基于全卷积神经网络的单幅隧道图像裂纹提取算法,能够有效避免复杂背景下的伪裂纹噪声点干扰,实现对隧道裂纹的精确分割。首先,构建深度残差网络模型提取裂纹特征;其次,使用改进的全卷积神经网络中的反卷积操作恢复裂纹特征图的尺寸和裂纹细节;为了提升裂缝提取的精细程度,提出一个细节修复模块来保持裂缝的完整性与边缘细节;最后,公开一个裂纹数据集NUAACrack-2000,包含2 000幅隧道裂纹图像与精准标注标签。实验表明,提出的算法在避免噪声点干扰方面优于传统图像分割算法;在保留提取裂纹的整体性以及边缘细节处理方面优于基于机器学习的主流裂纹提取算法。     

基于区域语义子概念分布的场景分类

大量的需求使得图像检索成为当前研究的热点。提出了对图像进行均匀分割、识别区域子概念并在此基础上对概念分布向量进行融合的场景分类方法。实验结果表明,这种方法提高了分类结果的P/R值,获得了很好的分类结果。     

社会化推荐研究进展

文章提供了一个关于社会化推荐研究进展的概述。随着推荐系统研究的不断深入,将社会化影响融入推荐系统成为一个新的研究热点和问题丰富的研究领域。首先描述了社会化推荐的相关技术：推荐系统和社会化网络分析。对当前社会化推荐的一些最新技术方法进行分类介绍,具体包括利用社会化关系推荐物品,利用社会化关系推荐好友,根据内容推荐社会化关系,小组推荐和为团体推荐五个方面。     

基于图匹配网络的可解释知识图谱复杂问答方法

知识图谱问答是人工智能领域的研究热点之一.在该任务中,自然语言问句结构与知识图谱结构之间的语义匹配是一个具有挑战的研究问题.现有工作主要利用深度学习技术对自然语言问句进行序列化编码,然后与知识图谱予图计算语义匹配,这样做法未充分利用复杂问句的结构信息,方法也缺乏可解释性.针对此问题,提出一种基于图匹配网络的知识图谱复杂问答方法TTQA.首先,通过语法分析方法,构建一个与知识图谱无关的未定查询图.然后,依据未定查询图和给定的知识图谱,构建一个与知识图谱相关的已定查询图,在其中,提出一种图匹配网络GMN,通过结合预训练语言模型和图神经网络技术,再利用注意力机制学习查询结构的上下文表示,从而得到更加丰富的结构匹配表示,用于已定查询图预测.在2个复杂问答数据集LC-QuAD 1.0和ComplexWebQuestions 1.1进行实验,结果表明:TTQA超过了现有方法.同时,通过消融实验验证了GMN的有效性.此外,TTQA生成的未定结构图和已定查询图增强了问答系统可解释性.     

超级局部扭立方体互连网络及其性质

局部扭立方体是近年来提出的超立方体的一个变型,由于它的许多优越性质(如低直径),在并行处理领域越来越受到人们的重视.然而,像超立方体一样,它也有一个缺点,即要使局部扭立方体升级,就必须成倍地增加其顶点个数.为了解决这一问题,文中将顶点个数为2的次幂的局部扭立方体推广到具有任意个顶点的互连网络,提出了超级局部扭立方体(SLTC)的定义,并证明它保持了局部扭立方体的最高连通度、对数级的直径和顶点度数、Hamilton性质等方面的优良性质,从而证明了超级局部扭立方体是既保持了局部扭立方体的多种优越性质又易于升级的互连网络.     

无线传感器网络MAC层节能广播协议

在无线传感器网络中,使节点休眠是一种有效的节能方式。很多较新的MAC协议都采用定期休眠的机制进行节能,如B-MAC、VPCC、X-MAC、A-MAC等。这些协议并未针对广播进行设计,使得发送广播需要消耗较多能量,而且易于发生隐藏节点引起的冲突。提出了适用于休眠传感器网络的节能广播协议。该方法中广播报文以随机间隔进行重传,能够保证异步休眠的节点接收到广播数据;在产生隐藏节点冲突问题时,随机间隔的机制能够使相互干扰的报文较快分离,降低报文冲突的干扰。通过NS-2模拟,验证了广播协议的节能性和高效性。     

面向服务访问控制策略精化描述

策略精化是解决分布式应用访问控制策略配置复杂性的重要方法.现有的策略精化技术给出了分层策略描述和逐层精化的方法,但是描述和处理策略之间关联问题能力不足,影响策略精化应用.为此给出了策略和包括组合、互斥、精化、访问路径协同等策略之间关系的形式描述方法,提出了能够描述策略之间关联属性的精化算法和记录策略和策略之间这些关联属性的策略精化树构建方法,为策略精化中的策略关联问题处理提供基础.策略精化树还能直观呈现访问控制的服务品质协议(service-level agreement,SLA).     

不确定时间序列的相似性匹配问题

确定性时间序列的相似性匹配方法都没有考虑数据的不确定性,而现实世界中传感器采集到的数据往往是不确定的,现有的时间序列的相似性匹配方法不适用于这些领域.针对此问题,将不确定性时间序列做预处理,把它分为横向时间维和纵向概率维,首先把给定的不确定时间序列用Haar小波变换进行压缩变换,在此基础上,对得到的不确定性时间序列概率维作纵向处理,提出一种选代表方法,即采用概率最大法、均值法等选出一条确定的时间序列.通过这2种预处理后,对得到的确定性时间序列进行降维和索引,根据查询序列和数据库中的时间序列中的各自的不确定性进行组合,分别提出对应组合的相似性匹配算法.     

多注意力机制的口罩检测网络

提出一种口罩佩戴检测模型,引入多注意力机制,提升了网络特征挖掘能力; 利用柔性非极大抑制方法,消除多余目标检测框. 在公共数据库上的仿真实验表明,该模型检测人脸口罩佩戴的平均精度达到93.81%,帧率达到11.8 fps,能有效地进行人脸口罩佩戴检测.