人工智能在新型冠状病毒肺炎中的研究综述

新型冠状病毒肺炎（corona virus disease,COVID-19）的暴发对全球人类的生命财产安全造成了巨大威胁。人工智能（artificial intelligence,AI）为助力打赢这场疫情攻坚战发挥了不可替代的作用。由于AI的助力,医疗资源紧张的问题得到大幅度缓解,并提高了医疗诊断效率,同时也避免接触感染的风险。阐述了COVID-19和AI的背景知识,从疫情趋势预测、疫情溯源追踪、检测诊断、药物开发、疫苗研制、药物再利用、网络舆论管控以及基因组测序这8个疫情防控的环节讨论了AI在本次COVID-19中的研究进展,并列举本次疫情中AI所面临的挑战,浅谈本次疫情对我国AI产业影响以及两者的辩证关系,对全文进行总结。     

变分模态分解组合广义形态滤波器的MEMS陀螺仪去噪方法

为了更加有效地消除MEMS陀螺仪输出信号存在大量不同类型噪声的同时保留有效信号特征,本文提出了一种变分模态分解(VMD)的多尺度自适应组合广义形态滤波器(CGMF)去噪方法.该方法首先采用VMD将MEMS陀螺仪原始输出信号分解为多个不同尺度的具有特殊稀疏性的一高低频离散带限子信号内模函数(BLIMFs),然后通过选择CGMF中合适的结构元素(SEs)长度和几何结构对上述不同尺度BLIMFs进行自适应去噪处理,最后重建去噪后的BLIMFs获得去噪信号.通过实验验证并与现有的信号去噪方法相比,本方法的主要优点在于:1)解决了CGMF中SEs的长度和几何结构等关键参数的自适应选择问题; 2)针对不同类型噪声均进行了有效的分离和去噪处理.     

吊车钢丝绳非线性谐振建模及消谐控制

对于欠驱动吊车而言, 已有的方法都只考虑如何消除摆角. 然而当钢丝绳的摆角很小时, 钢丝绳上可能仍 然会存在严重的谐振. 针对吊车的消谐问题, 本文率先提出了一种基于钢丝绳–电机轴的非线性谐振力矩模型. 具体而言, 先利用振动力学的方法, 建立了非线性谐振力矩模型, 该模型可以将钢丝绳上的非线性谐振力矩归算到电机轴上, 然后通过电机控制器调节电机的输出力矩, 使得电机输出的基波主力矩上叠加一个大小相等方向相反的非线 性谐振力矩, 以达到消除钢丝绳上的谐振力矩的目的. 最后通过Simulink仿真和实验证明该方法具有良好的控制性 能, 不仅可以有效消除钢丝绳上的谐振, 并且能进一步减小摆角.     

基于博弈论的多服务器多用户视频分析任务卸载算法

在过去的近10年中,人工智能相关的服务和应用大规模出现,它们要求高算力、高带宽和低时延.边缘计算目前被认为是这些应用最适合的计算模式,尤其是视频分析相关应用.研究多服务器多用户异构视频分析任务卸载问题,其中用户选择合适的边缘服务器,并将他们的原始视频数据上传至服务器进行视频分析.为了有效处理众多用户对有限网络资源的竞争和共享,并且能够获得稳定的网络资源分配局面,即每个用户不会单方面地改变自己的任务卸载决策,该多服务器多用户异构视频分析任务卸载问题被建模为一个多玩家的博弈问题.基于最小化整体时延的优化目标,先后研究非分布式视频分析场景和分布式视频分析场景两种情形,分别提出基于博弈论的潜在最优服务器选择算法和视频单元分配算法.通过严格的数学证明,两种情形下提出的算法均可以达到纳什均衡,同时保证较低的整体时延.最后,基于真实数据集的大量实验表明,所提方法比其他现有算法降低了平均26.3%的整体时延.     

直觉模糊语言信息下的三维动态评价方法及应用

针对当前综合评价大多集中在静态评价以及属性权重未知的问题,在直觉模糊语言环境下提出一种三维动态评价方法.首先,利用模糊质量功能展开求解指标权重以弥补传统主客观确权方法的不足,体现指标越能表征顾客需求贡献度权重越大的赋权思路;其次,考虑到评价指标间的相互关系也会影响最终的评价结果,引入幂平均算子并将其扩展到直觉模糊语言集中,通过直觉模糊语言幂加权平均算子集结多属性信息得到静态综合评价值;接着,在静态评价值求解的基础上,基于全局信息定义分层激励因子和阶段信息定义成长因子分别对评价基础值的增长态势和增长趋势进行测度,构建基于评价基础值、变化状态与发展趋势的三维动态评价指数模型;最后以小微企业的信用评价为例验证所提出方法的有效性和可行性.     

Label distribution learning for scene text detection

Recently, segmentation-based scene text detection has drawn a wide research interest due to its flexibility in describing scene text instance of arbitrary shapes such as curved texts. However, existing methods usually need complex post-processing stages to process ambiguous labels, i.e., the labels of the pixels near the text boundary, which may belong to the text or background. In this paper, we present a framework for segmentation-based scene text detection by learning from ambiguous labels. We use the label distribution learning method to process the label ambiguity of text annotation, which achieves a good performance without using additional post-processing stage. Experiments on benchmark datasets demonstrate that our method produces better results than state-of-the-art methods for segmentation-based scene text detection.     

聚集诱导发光分子在双光束超分辨光存储中的潜在应用

聚集诱导发光分子因其高效的发光性质而被广泛应用于生物成像、光波导和电致发光等领域,但在光信息存储领域还鲜有研究。与其他光存储材料相比,聚集诱导发光分子的局域密度变化会引发荧光强度的变化,这在光存储领域是一个显著优点。该文针对聚集诱导发光分子的特性,讨论了该类分子在超分辨光存储领域的可能应用方式,以及需要解决的关键问题。     

含虚拟同步机的微电网频率稳定约束优化调度模型研究

多类型虚拟同步机(virtual synchronous machine,VSM)的混杂并网增加了微电网运行控制的复杂性,不同资源的功率协调控制与能量管理是含VSM的微电网需解决的关键问题。该文计及各类型VSM(风机VSM、光伏VSM和储能VSM)的虚拟惯量和有功调频特性,对含VSM的微电网整体惯量和备用容量需求进行修正计算。在此基础上,考虑微电网在并网与孤岛运行模式下频率响应能力的差异性,构建一种含多类型VSM的微电网频率稳定约束优化调度模型,以提升微电网在不同扰动场景下的稳健运行能力。在改进的IEEE 13节点微电网系统中开展算例分析,仿真结果表明所提模型相较传统模型具有更好的频率适应性。     

电池储能提高电力系统调频性能分析

针对同功率电池储能系统对火电机组调频替代能力量化不明确的问题,通过分析对比电池储能系统与火电机组调频的原理,确定储能调频在频率响应稳定性和快速性方面的优势。从调差系数出发,分析储能对高比例可再生能源调频系统的影响,确定同功率储能对火电机组在提升调频效果方面的优势。定义了储能调频替代的功率和能量指标,并提出储能提高频率最低点的替代指标。最后,根据所提出的相关定量指标,以中国东部某区域电网系统为例,分析了不同扰动场景下多时间尺度的储能的替代能力,验证了电池储能对火电机组的高替代能力。     

基于云端充电数据的锂电池组一致性评价方法

在电动汽车(electric vehicle,EV)的使用过程中,电池组内单体间的不一致性增加趋势是不可避免的。电池成组后的单体不一致可能导致电池组提前失效,甚至引发安全问题。随着云端数据的广泛应用,EV的数据可被监测,这些数据能用来评估EV的安全性和电池组一致性。虽然EV上的数据采样频率较高,但云端数据的记录频率较低(约为10～30s),而充电数据采样时间间隔可达到10s以内,因此,云端的充电数据更适合用来评估EV的电池组一致性。以锂离子电池组为研究对象,提出了一种基于云端充电数据的电池组一致性评价方法。基于云端的充电数据,对5项指标进行分析和评价,包括电压一致性、温度一致性、内阻一致性、容量一致性和电量一致性。为了对电池组一致性综合评分,提出了一种加权评分体系,进一步利用模糊层次分析法(fuzzy analytic hierarchy process,FAHP)确定权重系数。最后,基于此评分体系将3个电池组进行实验并进行评分,实验结果表明所提评价方法能有效地区分和定量描述各电池组的一致性。此外,EV数据分析结果表明,该方法可有效地应用于工程中,并能在事故发生前检测出一致性问题,从而...