面向遥感视觉问答的尺度引导融合推理网络

遥感视觉问答(remote sensing visual question answering,RSVQA)旨在从遥感图像中抽取科学知识.近年来,为了弥合遥感视觉信息与自然语言之间的语义鸿沟,涌现出许多方法.但目前方法仅考虑多模态信息的对齐和融合,既忽略了对遥感图像目标中的多尺度特征及其空间位置信息的深度挖掘,又缺乏对尺度特征的建模和推理的研究,导致答案预测不够全面和准确.针对以上问题,本文提出了一种多尺度引导的融合推理网络(multi-scale guided fusion inference network,MGFIN),旨在增强RSVQA系统的视觉空间推理能力.首先,本文设计了基于Swin Transformer的多尺度视觉表征模块,对嵌入空间位置信息的多尺度视觉特征进行编码;其次,在语言线索的引导下,本文使用多尺度关系推理模块以尺度空间为线索学习跨多个尺度的高阶群内对象关系,并进行空间层次推理;最后,设计基于推理的融合模块来弥合多模态语义鸿沟,在交叉注意力基础上,通过自监督范式、对比学习方法、图文匹配机制等训练目标来自适应地对齐融合多模态特征,并辅助预测最终答案.实验结果表明,本文提出的模型在两个公共RSVQA数据集上具有显著优势.     

基于时空演变多重特性建模的近海叶绿素浓度时序预测

近海环境是沿海地区社会经济发展的关键支撑系统，近海环境的持续恶化对海洋经济的可持续发展带来了巨大挑战。叶绿素浓度的反映了水体理化性质的演变规律，对近海生态环境保护具有重要意义。尽管现有时序叶绿素浓度预测方法能从时空数据中挖掘有效信息，揭示时空数据的发展趋势和变化规律，但忽略了时空数据的结构化特征以及外界因素/突发因素对叶绿素浓度的影响。因此，本文提出基于时空演变多重特性建模的近海叶绿素浓度时序预测模型，并由四部分构成:自相关时序预测模块预测叶绿素浓度时序变化规律；多视角空间融合预测模块在构建预测点与其他位置叶绿素浓度空间关联性基础上，考虑海域气象状况，提高了空间叶绿素浓度预测的可靠性；基于环境上下文的突变模块通过对极端因素建模，挖掘突变因素与的叶绿素浓度变化的关联；时空动态聚合模块利用结构化模式，结合时间、空间叶绿素预测结果，实现不同圈层全要素近海叶绿素浓度建模。在渤海叶绿素浓度数据上的实验结果表明，该算法模型极大程度提升了近海叶绿素预测模型的准确性与可靠性。      

面向海洋的多模态智能计算：挑战、进展和展望

海洋是高质量发展的要地,海洋科学大数据的发展为认知和经略海洋带来机遇的同时也引入了新的挑战。海洋科学大数据具有超多模态的显著特征,目前尚未形成面向海洋领域特色的多模态智能计算理论体系和技术框架。因此,本文首次从多模态数据技术的视角,系统性介绍面向海洋现象/过程的智能感知、认知和预知的交叉研究进展。首先,通过梳理海洋科学大数据全生命周期的阶段演进过程,明确海洋多模态智能计算的研究对象、科学问题和典型应用场景。其次,在海洋多模态大数据内容分析、推理预测和高性能计算3个典型应用场景中展开现有工作的系统性梳理和介绍。最后,针对海洋数据分布和计算模式的差异性,提出海洋多模态大数据表征建模、跨模态关联、推理预测以及高性能计算4个关键科学问题中的挑战,并提出未来展望。     

检验检测机构信用风险评价指标体系建设研究

“放管服”改革有效激发了检验检测服务业市场的活力，对市场监管部门监管资源、监管能力、监管智慧化水平提出了更高要求。本文结合检验检测服务业发展和监管现状，通过研究适配于智慧监管的指标体系，对检验检测机构信用风险维度进行梳理，提炼风险指标，搭建适用于检验检测智慧监管平台的指标体系，分析指标体系适用的场景，为监管工作提供评价依据，是标准化信息化融合发展助力提升监管效能的探索实践。     

分布式多维大图迭代计算性能优化方法

大规模图的复杂挖掘算法通常需要高频迭代分析，而在计算与存储方面扩展性良好的分布式计算是提高处理效率的有效方案.然而，图顶点之间存在自由分布的边关系，会在分布式计算任务之间产生大量消息，由此在迭代过程中产生的巨大通信开销严重制约性能收益.已有工作在传统消息推送框架下采用合并和备份等技术降低通信代价，但主要面向结构简单、易优化的单维消息类算法，并不适用于结构复杂的多维消息类算法，也难以与当前最先进的消息按需拉取框架兼容.因此提出一种新型轻量级顶点备份机制，通过备份顶点的按需同步以及本地消息的按需生成，可完美继承拉取框架在容错和内存管控等方面的系统优势，同时显著降低通信代价.此外，通过考虑通信收益与负载偏斜代价，可计算最优阈值以提高整体性能.最后在大量真实数据集上验证了相关技术的有效性.