语义驱动的侗族织锦图案辅助设计路径研究

目的 优化民族图案创新设计过程中由于图案语义的隐性、复杂性等特点,造成创新设计的图案脱离原始语境,无法展现文化内涵.方法 以设计需求的关键性语义为驱动,分别利用TextRCNN、可拓语义量表、深度学习等技术手段,建立包括语义输入与转化、侗锦图案匹配、设计辅助3个层面的侗锦图案智能设计路径.结果 通过对设计需求关键性语义的提取,匹配相应语义的侗锦图案,并智能生成语义相关的设计方案.结论 以语义为驱动的民族图案辅助设计路径,有助于提高设计的效率,增强民族文化元素使用的准确性.     

面向多元时序数据的个性化联邦异常检测方法

随着实时传感器在诸如机场、发电厂、智能工厂和医疗保健系统等各种领域的广泛运用,对多变量时间序列数据的异常检测变得更加重要。然而,目前面临两个关键的挑战。数据机构的敏感数据通常以孤岛的形式存在,这使得在保护隐私安全的前提下难以融合数据,无法训练出高性能的异常检测模型。不同数据机构的数据存在统计异构性,在个性化数据场景下,使用统一的异常检测模型的性能不佳。提出了一种面向多元时序数据的个性化联邦异常检测框架FedPAD（federated personalized anomaly detection）。FedPAD基于联邦学习架构,在保护隐私的前提下进行数据聚合,通过微调构建相对个性化的模型。在NASA航天器数据集上的实验表明,FedPAD能够实现准确和个性化的异常检测,相比于基准方法F1分数平均提高了6.9%。