Abstract:

基于芯粒(Chiplet)的多芯片集成设计为超越传统系统级芯片的单片集成提供了一种灵活且可扩展的解决方案。然而，Chiplet间的通信已成为制约多芯片集成系统整体性能的瓶颈之一。在此背景下，中介层上网络(network on interposer，NoI)在多芯片系统中发挥着至关重要的作用，直接影响多芯片集成系统的性能和开发成本。本文综述了基于Chiplet的NoI通信拓扑结构，深入探讨了当前Chiplet间通信架构的设计和实现方法，涵盖了从协议层、接口层到应用层的完整通信过程，不仅基于互连拓扑的形状进行了分类，还对每个类别进行了详细分析和交叉比较。此外，本文还探讨了芯片间通信技术的未来发展方向，强调了技术挑战和潜在解决方案，并重点分析总结了基于工作负载导向的可重用中介层和拓扑设计的重要性，旨在为研究人员梳理NoI技术现状并展望NoI技术的未来发展趋势。

Abstract:

LOGO是一种“局部-全局(LOcal-GlObal)”式的分布式计算框架，与流行的MapReduce计算框架不同，LOGO框架下的大数据分布式计算分两步完成：LO操作在节点虚拟机内运行串行算法，完成一个随机样本块的独立计算，产生局部计算结果；GO操作将所有局部结果上传到主节点，在主节点内对局部结果做集成，得到大数据的近似计算结果。LOGO计算框架在执行迭代算法时，消除了节点间的数据通信，极大地提高了分布式计算的效率，降低了内存需求，提高了数据扩展性。本文提出一种新的基于LOGO计算框架的分布式机器学习算法库，由LO操作执行的串行算法和GO操作执行的集成算法两部分组成。LO操作直接执行已有的机器学习串行算法，无须按MapReduce编程模型对算法进行重写，GO操作对串行计算结果进行集成。本文阐述了LOGO分布式计算的原理、算法库架构、串行算法封装和GO操作集成策略，展示了Spark实现、App应用开发和多种算法测试结果。

Abstract:

在大数据时代背景下，海量数据的存储成为难题。DNA存储技术作为应对数据存储挑战的前沿解决方案，特别关注信息编辑技术的发展与挑战。初期的DNA存储主要服务于“冷”数据，而技术的最新进展已推动其向支持数据更新和管理的进阶应用发展。本文提出一种面向DNA安全存储的增量管理方法，设计了支持多方编辑的混合型加密机制和DNA增量存储模型。在保证安全的前提下，该模型通过分区存储方案和高效索引编码，在现有技术约束下实现安全高效的信息编辑与管理，可满足现代数据管理对灵活性和经济性的要求，为解决DNA数据管理中的核心问题提供了新视角和策略。

Abstract:

现有室内三维目标检测算法能检测的目标类别通常有限，这限制其在智能机器人领域的应用。开放词汇目标检测能在不定义目标类别的前提下检测给定场景的所有感兴趣目标，从而解决室内三维目标检测的不足。与此同时，大语言模型的先验知识能显著提升视觉任务的性能。然而现有的开放词汇室内三维目标检测研究存在仅关注目标信息，而忽视了上下文信息的问题。室内三维目标检测的输入数据主要是点云，存在稀疏和噪声问题。仅依赖目标点云信息会对三维目标检测结果产生负面影响。上下文信息包含场景描述，能对目标信息进行补充，从而提升目标检测中类别判定的准确率。为此，本文提出了基于上下文信息和大语言模型的开放词汇室内三维目标检测算法，该算法通过结合上下文信息和大语言模型的思维链推理获取检测结果。此外，该算法在SUN RGB-D和ScanNetV2数据集上进行了验证，实验结果表明了其有效性。

Abstract:

基于 RGB 图像的手部姿态估计在动态手势识别和人机交互领域有着广泛的应用前景。然而，现有方法面临诸多挑战，如手部自相似性程度高和关键点分布极为密集等问题，导致难以以较低的计算成本实现高精度的预测，进而导致在复杂场景中的表现存在局限性。鉴于此，本文提出一种基于 YOLOv8 网络的二维手部姿态估计模型——FAR-HandNet。该模型巧妙地融合了聚焦线性注意力模块、关键点对齐策略和回归残差拟合模块，有效地增强了对小目标区域(如手部)的特征捕捉能力，同时减少了自相似性对手部关键点定位精度的不良影响。此外，回归残差拟合模块基于流生成模型对关键点残差分布进行拟合，极大地提升了回归模型的精度。本文实验在卡内基梅隆大学全景数据集 (CMU)和 FreiHAND 数据集上展开。实验结果表明，FAR-HandNet 在参数量和计算效率方面优势明显，与现有方法相比，在不同阈值下的正确关键点概率表现优异。同时，该模型的推理时间仅需 32 ms。消融实验进一步证实了各模块的有效性，充分验证了 FAR-HandNet 在手部姿态估计任务中的有效性和优越性。

Abstract:

随着深度学习技术的快速发展，基于脑电等神经信号的自闭症筛查逐渐成为一种可行的诊断手段。然而，由于脑电的数据采集较复杂，尤其是儿童，因此往往存在数据量不足的问题。数据增强方法常用于解决真实数据不足的问题，其中生成式对抗网络是常用方法。然而，受限于数据规模的不足和数据多样性的缺乏，当前的数据增强方法在分类性能上仍未达到理想水平。本研究采用改进的条件扩散模型，分别对原始脑电信号及其生成的脑功能连接时序图进行增强。实验结果表明，该方法显著提升了自闭症分类性能。其中，静息态和任务态数据的最高分类准确率分别达到 84.38% 和 79.01%，表明了基于条件扩散模型的数据增强在提升自闭症筛查结果方面的有效性。

Abstract:

癌症是一种与基因密切相关的疾病，具有多种亚型，各亚型在遗传、表型和治疗反应上存在显著差异。准确的癌症亚型分类对个性化治疗至关重要，有助于提高治疗效果。然而，基于患者基因表达数据的癌症亚型分类方法在样本不均衡的情况下，往往难以有效区分稀有亚型。为解决这一问题，本文提出一种基于元学习的癌症亚型分类方法MFP-VAE (meta-learning few-shot prototype learning VAE)，专注于处理样本不均衡的数据集。该方法改进了样本抽取策略，以确保在元学习任务中不同亚型的样本得到平衡重视。该模型采用变分自编码器进行特征提取，并通过计算样本与癌症亚型对应原型之间的距离进行分类。实验结果表明，MFP-VAE在两个公开癌症数据集上的表现优于现有方法，特别是在样本不平衡的情况下，显著提高了分类效果。此外，生存率分析显示，不同的癌症亚型在临床特性上具有显著差异。

Abstract:

脑血流速度(cerebral blood flow velocity，CBFV)重建在脑血管功能评估中具有重要作用，尤其是在脑血管疾病的早期诊断、治疗方案优化和脑卒中预防方面。现有的CBFV重建方法在处理多变量时间序列信号时面临精度和效率的挑战，尤其是在数据稀缺和复杂信号处理的背景下。本研究提出一种基于Transformer编码器的多变量时间序列模型，通过动脉血压和CO₂时间序列信号进行高精度的CBFV重建。该模型设计基于长短期记忆网络模块，不仅有效弥补了全局注意力机制在处理局部信息方面的不足，还增强了局部特征学习，并采用混合损失函数优化局部波形误差，提升了重建精度。此外，为应对目标域数据稀缺问题，本研究引入了基于动脉血压与心电图信号关联的迁移学习策略，减轻了数据不足对模型性能的影响。实验结果表明，该模型在CBFV重建任务中的表现优于传统回归模型和深度学习模型，皮尔逊相关系数为0.51870，动态时间规整距离为17.879，互信息为0.34375，且能在0.04 s内完成200个数据点的重建。本研究验证了该方法在精准医疗中的有效性，并为临床诊断、疾病预防和个性化治疗提供了创新性的解决方案，具有广泛的应用前景，尤其是在医学信号处理、智能医疗和健康监测领域。

Abstract:

本文介绍了一种基于模块化理念设计的海洋浮标数据采集系统。该系统根据海洋浮标功能分为气象安全、水文生化和通信 3 个模块，实现了浮标多设备的连续采集、处理和实时双向通信等功能。依据不同模块的特点，系统采用多路复用器和串口扩展芯片实现接口扩展，从硬件上提高了系统搭载能力。通信模块利用直接内存访问技术实现双路实时数据的转发、补发和远程控制等功能，以及浮标系统在海上的可靠安全运行的人机交互功能。该系统已通过了实验室测试和海上现场实验，验证了系统的稳定性、可靠性和测量准确性。

Abstract:

电磁脉冲声源(boomer)是海洋地震勘探常用的爆炸声源，其深海应用需要解决空化抑制问题。本文提出了基于压力补偿平衡的深海boomer声源技术方法，研制了最高工作压力为20.0 MPa的boomer换能器，并在高压消声舱内进行测试。通过不同能量和不同压力等级下的实测数据分析可知，使用初始压力0.5 MPa的气囊补偿boomer换能器的内部压力可以有效平衡其内外压差，解决空化抑制问题，实现宽频脉冲声波的激发，而且波形重复性很好，最小相关系数为0.986。随着工作压力从0.5 MPa提至20.0 MPa，脉冲声波特性的主要变化是振幅衰减(204.6 dB衰减至194.2 dB)和宽度压缩(182 μs压缩至88 μs)，以及主频(以2.3 kHz为中心)略向高频迁移。同时，在高压消声舱升压和降压过程中，通过水听器输出数据的比较可知波形重复性较好，且压力越高，波形一致性越好，说明基于压力补偿平衡的boomer换能器在高压环境下性能更稳定。

Abstract:

高压消声舱是研制深海换能器、传感器和其他声学仪器设备的重要实验测试平台。本文测量了前期设计研制的 20 MPa 高压消声舱的本底噪声和不同频率下的声场起伏，计算了固定测量位置和距离条件下的回声干涉量，绘制了回声干涉曲线，分析了典型低频和高频条件下信号的时频特性。本底噪声测量结果表明，虽然舱内本底噪声较高，且在 10～12 kHz 频段有特征峰，但允许信噪比足够高时进行测量实验。同时，不同频段声场起伏的时域波形测量结果表明，在发射宽度 2 ms 之后，信号幅度迅速衰减，而且频率越高，衰减越快，舱内吸声尖劈有良好的吸声效果。回声干涉量的计算结果表明，在10 kHz以上，大多数频点不超过 ±1 dB，设计的固定测量位置满足自由声场测试条件，尤其是在 20 kHz、28 kHz 和 34 kHz 等频点，回声干涉量不超过 ±0.5 dB，满足精密测量条件。

Abstract:

水体对不同波长可见光的选择性吸收和散射效应严重制约了光学成像的质量。偏振成像技术在高浊度、短距离水下环境中展现出显著优势。本研究基于红光、绿光和蓝光三种波长的激光主动偏振成像系统，对比分析了10-25 NTU典型自然水体浊度下的成像性能。实验结果表明：红光的偏振成像效果最优，绿光次之，蓝光最弱。进一步提出一种偏振图像增强算法，可显著提升三种波长激光的成像质量。在19.97 NTU浊度条件下，经本文方法增强后的潜水服布料图像熵值较传统Schechner方法提升约34.4%。研究表明，将偏振成像引入激光主动成像系统能有效改善水下成像质量，为特定波长水下成像技术的优化提供了新思路。

Abstract:

G蛋白偶联受体是一类至关重要的膜蛋白超家族，在细胞信号转导中发挥核心作用，同时也是现代药物开发的主要靶点。β2-肾上腺素受体作为A类G蛋白偶联受体的代表性成员，是呼吸系统疾病治疗的关键靶点。尽管临床上已应用多种β2-肾上腺素受体激动剂，但在药物安全性、有效性和受体选择性方面的优化仍存在显著需求。研究使用虚拟筛选策略，从1900万分子的大型化合物库中高效地筛选出β2-肾上腺素受体靶向激动剂。通过严格的细胞功能实验和体内药代动力学评估，获得一种新型短效激动剂，其EC50值为0.86 nM，为开发新一代呼吸系统疾病治疗药物提供了新的候选分子。

Abstract:

目前以机器学习为代表的人工智能应用负载表现出计算密集型与数据密集型并存的双密特征。这类应用不仅需要支持海量数据的存储、传输与容错，还需优化复杂逻辑计算的性能。传统的单一大数据框架或高性能计算框架已无法应对这类应用带来的挑战。文章提出的基于 Spark 和 MPI 的混合大数据平台是一种高性能大数据处理平台。该平台以典型大规模集群为基础，针对以机器学习为代表的双密型应用的存储和计算特点，重点建设了双范式混合计算、异构存储和融合高性能通信三个模块。针对双密型应用既有数据密集型的大数据处理也有计算密集型的高性能计算的特点，设计了 Spark 范式混合 MPI 范式的计算模块，通过对任务进行分割和分类，将计算密集型任务卸载到 MPI 计算模块，提升双范式混合计算功能。针对双密型应用在计算过程中不同数据的数据特征，设计了异构的存储结构和数据与元数据分离的策略，通过对数据的分型优化存储，构建高可用、高性能的存储系统。针对双密型计算的通信特点，提出高性能通信技术的融合方式，为计算模块和存储模块提供高性能通信支持。测试结果表明，该平台可以为双密型应用提供高效的双范式混合计算，针对不同的计算任务，相较于单一的Spark大数据平台性能提升4.2%至17.3%。

Abstract:

当前，靶向蛋白降解技术面临靶向特异性不足和递送效率低等挑战，而纳米材料的靶向富集特性为克服这些瓶颈提供新思路。介孔生物活性玻璃（MBG）因其高生物相容性和药物递送潜力备受关注，但其作为靶向蛋白降解载体的可行性尚未明确。本研究利用FITC荧光标记和生物素-亲和素体系验证MBG的亚细胞定位及其作为降解载体的可行性。此外，本工作还考察了铁掺杂的MBG诱导铁死亡的潜能。结果显示，MBG能够诱导靶蛋白的内化并进入溶酶体降解，如PD-L1的降解。在此基础上，MBG还能递送铁离子进入溶酶体，诱导铁死亡的发生。该研究首次揭示了MBG兼具靶向蛋白降解与铁死亡诱导的双重功能，为开发“蛋白降解-铁死亡”时空可控协同治疗癌症提供创新性方案。

Abstract:

为了更好的监测动力锂电池健康状态。提出一种基于改进双向时间卷积网络、长短期记忆网络和注意力机制的锂电池健康状态预测方法。使用冠豪猪优化器对所提方法的超参数进行寻优。在马里兰大学锂电池充放电数据集中进行测试，提取和容量相关健康特征，通过皮尔逊相关系数筛选相关度较高的健康特征作为神经网络算法的输入。提出的方法在所有电池健康状态预测的均方根误差均不超过0.020，平均绝对误差不超过0.017，决定系数在0.995以上。在锂电池健康状态预测可以实现较高的精度。

Abstract:

随着片式多层陶瓷电容器（MLCC）内电极材料从贵金属被镍等贱金属替代，烧结过程需在还原气氛下进行。该文研究了在不同还原气氛下烧结的Mn掺杂BaTiO3基陶瓷的性能，探讨了H?/N?比例变化对介电性能和可靠性的影响。通过固相法制备了不同还原气氛下的样品，并通过X射线衍射（XRD）、扫描电子显微镜（SEM）、拉曼光谱和X射线光电子能谱（XPS）等方法对样品进行了微观结构和性能表征。研究发现，极化机制会影响BaTiO3基陶瓷的介电性能和可靠性。具体而言，随着还原气氛的增强，极化机制从缺陷载流子的短程跳跃极化逐渐转变为长程跃迁极化，从而影响了陶瓷的介电常数、介电损耗和绝缘电阻率。实验结果表明，在1.5% H?/98.5% N?气氛下烧结的样品（S2）表现出较高的介电常数、较低的介电损耗以及较好的绝缘性能，展示出更好的综合性能。此外，成功制备了介质层厚为0.9 μm的BaTiO3基MLCCs，其容温系数（TCC）符合X6S标准。该研究为提升BME-MLCCs介电性能与可靠性提供了理论和技术指导。

Abstract:

三维场景重建是自动驾驶、机器人等领域的重要研究课题，在导航建图、环境交互、虚拟和增强现实等任务中有着广泛应用。目前基于深度学习的重建方法从场景表示方式和核心建模技术角度主要分为五类：基于代价体积的深度估计方法、基于截断的有符号距离函数（TSDF）的体素方法、基于Transformer架构的大规模前馈方法、基于多层感知机（MLP）的神经辐射场（NeRF）、三维高斯泼溅（3DGS）。每类方法都有其独特的优势和局限，而新兴的3DGS方法通过高斯函数显式的表示场景，并利用高效的光栅化操作实现场景的快速渲染和新视角合成。最大优势是它相比著名的神经辐射场方法采用MLP网络表示场景信息的建模方式不同，能够在保证高效渲染的同时还具有可解释性且可编辑，这为三维场景进行准确的重建铺平了道路。然而，3DGS在场景重建任务中的应用仍然面临着许多困难和挑战。基于此，本文首先对3DGS的基本概念进行简单介绍，并与上述其余四类方法进行特点比较。然后，对现有3DGS重建算法进行系统性的调研后，对这类方法要解决的关键问题进行总结，并结合典型实例对相关核心难题的研究现状进行综述。最后，对未来更有可能探索的新研究方向进行了展望。

Abstract:

研究探讨了不同原料粒径的钛酸钡（BaTiO3，BT）对陶瓷介电性能的影响，并通过掺杂改性优化其电学特性。通过固相球磨法使用不同原料粒径（100 nm、150 nm、200 nm、250 nm）BT制备陶瓷样品，并引入Y?O?、Ho?O?、MgO和SiO?作为掺杂剂，以控制晶粒生长和调节介电性能。通过扫描电子显微镜（SEM）、透射电子显微镜（TEM）、X射线衍射（XRD）及介电测试，系统分析了陶瓷样品的微观结构及介电特性。结果表明，BT-10样品由于掺杂元素扩散较深，未形成理想的“芯-壳”结构，导致四方性降低，尽管介电常数较高，但温度稳定性较差，BT-15、BT-20和BT-25均形成了“芯-壳”结构，BT-25样品四方性最高，表现出最佳的饱和极化强度（Ps=11.817 μC/cm2）和剩余极化强度（Pr=1.465 μC/cm2），同时在直流偏压条件下具有较好的介电稳定性。研究表明，BT-25样品在综合性能上最优。研究还指出，在使用较小原料粒径BT制备“芯-壳”结构陶瓷时，需克服BT原料粉体本身比表面积大及缺陷多的问题。本研究为优化多层陶瓷电容器（MLCC）介电层提供了理论依据和技术支持。

Abstract:

基于 RGB 图像的手部姿态估计在动态手势识别以及人机交互领域展现出至关重要的应用前景。然而，现有的方法面临着诸多挑战，例如手部自相似性程度高、关键点分布极为密集等问题，这使得在较低计算成本的条件下实现高精度的预测变得困难重重，进而导致在复杂场景中的表现存在局限性。鉴于此，本文提出了一种基于 YOLOv8 网络的二维（2D）手部姿态估计模型 —— FAR-HandNet。该模型巧妙地融合了聚焦线性注意力模块、关键点对齐策略以及回归残差拟合模块，有效地增强了对小目标区域（如手部）的特征捕捉能力，同时减少了自相似性对手部关键点定位精度的不良影响。值得一提的是，回归残差拟合模块借助流生成模型对关键点残差分布进行拟合，极大地提升了回归模型的精度。本文的实验在 CMU 和 FreiHAND 数据集上展开。实验结果清晰地表明，FAR-HandNet 在参数量和计算效率方面优势明显，在不同阈值下的 PCK（Percentage of Correct Keypoints）表现优异，相较于现有方法有显著提升。此外，该模型的推理时间仅需 32ms。消融实验进一步证实了各模块的有效性，充分验证了 FAR-HandNet 在手部姿态估计任务中的有效性和优越性。

Abstract:

上肢功能丧失给截肢患者带来了诸多生活不便，为了提高上肢截肢人群的生活质量，需开发低成本、轻量且功能强大的假肢系统。本文提出一种三自由度模块化轻量上肢假肢臂及其多关节协同控制系统的设计方案，旨在提供一个轻便、经济、模块化且功能全面的假肢解决方案。通过采用镂空结构设计，假肢臂的整体重量显著降低（约2公斤），远低于现有商业化假肢产品，同时确保自由度数量及有效降低制造成本，提升了假肢的舒适性和适用性。此外，本文设计的多关节控制系统结合精确的协调算法，能够精确控制各关节同时达到预定角度，满足不同程度截肢者对多关节协同运动的需求。通过精度和效率测试，结果表明，该假肢在控制精度方面表现出色，且运动效率能够满足日常生活中的绝大多数需求。

Abstract:

当前,互联网数据处理规模增长迅猛,用户的处理需求也变化多样。为适应不同数据处理场景的需求,如不同的集群资源和数据集,流行的大数据处理系统为用户提供了越来越多的可配置参数。譬如,最受欢迎的大数据处理系统Spark提供了超过200个以上的参数。它们控制了应用程序的并行度、I/O行为、内存使用和数据压缩等。但是,这些配置参数设置不当往往会导致程序性能严重下降,甚至导致大数据系统的运行崩溃,给客户造成不可估量的损失。

Abstract:

电磁脉冲声源（boomer）是海洋地震勘探等领域常用的爆炸声源，此类爆炸声源的深海应用需要解决空化抑制等核心问题。 本文提出了基于压力补偿平衡的深海boomer声源技术方法，研制了最高工作压力达到20MPa的boomer换能器，并开展了在高压消声舱内的实验测试。通过不同能量和不同压力等级下的实测数据分析可知，使用初始压力0.5MPa的气囊来补偿boomer换能器内部压力可以有效平衡其内外压差，解决空化抑制问题，实现宽频脉冲声波的激发，而且波形重复性很好，最小相关系数达到0.986。随着工作压力从0.5MPa提高至20MPa，脉冲声波特性的主要变化是振幅衰减（204.6dB衰减至194.2dB）和宽度压缩（182μs压缩至88μs），以及主频（以2.3kHz为中心）略向高频迁移。同时，高压消声舱升压和降压过程的水听器输出数据比较可知波形重复性较好，且压力越高，波形一致性越好，说明基于压力补偿平衡的boomer换能器在高压环境下性能更加稳定。

Abstract:

癌症是一种与基因密切相关的疾病,具有多种亚型,各亚型在遗传、表型和治疗反应上存在显著差异。准确的癌症亚型分类对于个性化治疗至关重要,有助于提高治疗效果。然而,基于患者基因表达数据的癌症亚型分类方法在样本不均衡的情况下,往往难以有效区分稀有亚型。为了解决这一问题,提出了一种基于元学习的癌症亚型分类方法MFP-VAE(Meta-learning Few-shot Prototype learning VAE),专注于处理样本不均衡的数据集。该方法改进了样本抽取策略,以确保在元学习任务中不同亚型的样本得到平衡重视。该模型采用变分自编码器进行特征提取,并通过计算样本与亚型原型之间的距离进行分类。实验结果表明,MFP-VAE在两个公开癌症数据集上优于现有方法,特别是在样本不平衡的情况下,显著提高了分类精度。此外,生存率分析显示,所区分的癌症亚型在临床特性上具有显著差异和临床意义。

Abstract:

随着深度学习技术的快速发展，基于脑电等神经信号的自闭症筛查逐渐成为一种新兴的诊断手段。然而，由于脑电的采集过程较为复杂，尤其针对儿童，因而往往存在数据量不足的问题。数据增强方法被常用弥补真实数据的不足，其中生成式对抗网络是常用的方法。然而，受限于数据规模的不足及数据多样性的缺乏，当前的数据增强方法在分类性能上仍未达到理想水平。本研究采用改进的条件扩散模型，分别对原始脑电信号及其生成的脑功能连接时序图进行增强。实验结果表明，该方法显著提升了自闭症分类性能。其中，静息态和任务态数据的最高分类准确率分别达到 84.38% 和 79.01%。这一结果验证了基于条件扩散模型的数据增强在提升自闭症筛查效果方面的有效性。

Abstract:

三维目标检测:现有室内三维目标检测算法能够检测的目标类别往往是有限的,这限制其在智能机器人领域的应用。开放词汇目标检测能够在不用定义目标类别的前提下检测给定场景的所有感兴趣目标,从而解决室内三维目标检测的不足。与此同时,大语言模型的先验知识能够显著提升视觉任务的性能。然而现有的开放词汇室内三维目标检测研究存在只关注目标信息,而忽视了上下文信息的问题。室内三维目标检测输入数据主要是点云,点云数据存在稀疏和噪声问题。只依赖目标信息,会对三维目标检测结果产生负面影响。上下文信息包含场景描述,能够对目标信息进行补充,从而提升目标检测中类别判定的准确率。为此,本文提出了基于上下文信息和大语言模型的开放词汇室内三维目标检测算法,该算法通过结合上下文信息和大语言模型的思维链推理来获取检测结果。最后在SUN RGB-D和ScanNetV2数据集上对所提出的算法进行了验证,实验结果验证了所提出算法的有效性。

Abstract:

高压消声舱是开展深海换能器、传感器以及其他声学仪器设备等研制的重要实验测试平台,本文对前期设计研制的20MPa高压消声舱开展了本底噪声和不同频率下的声场起伏测量,计算了固定测量位置、测量距离条件下的回声干涉量,绘制了回声干涉曲线,分析了典型低频和高频条件下信号的时频特性。本底噪声测量结果显示虽然舱内本底噪声较高,且在10-12kHz频段有特征峰,但允许开展具有足够测量信噪比的实验。同时,不同频段的声场起伏测量的时域波形结果显示在发射宽度2ms之后信号幅度迅速衰减,而且频率越高,衰减越快,说明舱内吸声尖劈有良好的吸声效果。回声干涉量计算结果显示10kHz以上大多数频点不超过1dB,设计的固定测量位置满足自由声场测试条件,尤其20kHz、28kHz、34kHz等频点的回声干涉量不超过±0.5dB,满足精密测量条件。

Abstract:

脑血流速度(cerebral blood flow velocity, CBFV)重建对脑血管功能长期评估至关重要。为此,该研究提出一种基于Transformer编码器的多变量时间序列模型。该模型利用动脉血压(Arterial Blood Pressure, ABP)和CO2时间序列信号实现CBFV的重建。模型引入长短期记忆网络(long short-term memory, LSTM)模块,通过LSTM子模块弥补了注意力机制全局注意力分散的缺点,强化了局部细节；并采用混合损失函数,控制了局部波形误差,从而提高重建精度。此外,该研究通过ABP与心电(Electrocardiogram, ECG)信号之间的关联设计迁移学习策略,以缓解数据不足对重建任务的影响。基于贝斯以色列女执事医疗中心的糖尿病脑血管调节数据集的实验结果表明,该模型在CBFV重建任务中的表现优于现有回归模型和深度学习模型。实验结果显示该重建模型的重建结果与真实值的皮尔逊相关系数为0.518,动态时间规整距离为17.879,互信息为0.343。同时,该模型可在0.04秒内完成200个数据点的重建。

Abstract:

基于圆弧与直线相切的路径规划方法,分析泊车过程中可能碰撞条件,对斜列式车位进行泊车路径规划。详细评估障碍物和车位边界,以确保规划的合理性,并构建泊车路径碰撞约束模型,考虑车辆运动的动态特性和几何约束。创建了临界碰撞条件下的距离方程,得到泊车过程中的安全距离和有效区域。通过对不同工况下的仿真实验,结果表明,在不同通/停车道宽度以及不同角度的斜列车位下,该路径规划方法在车位朝向与车辆行驶方向一致的斜列车位下能够有效避免碰撞,验证了规划路径的有效性,评估了所规划路径的安全性和适应性,确保安全的泊车操作。

Abstract:

基于芯粒(Chiplet)的多芯片集成设计为超越传统System on Chip(SoC)单片集成提供了灵活且可扩展的解决方案。然而,Chiplet间的通信已成为影响整体性能的关键瓶颈。在这一背景下,Network on Interposer(NoI)在多芯片系统中扮演着至关重要的作用,直接影响着系统的性能和开发成本。本文回顾了Chiplet的NoI通信拓扑结构,深入探讨了当前Chiplet间通信架构的设计与实现方法。本文涵盖了从协议层、接口层到应用层的完整通信过程,并基于互连拓扑的形状进行分类,对每个类别进行详细分析和交叉比较。此外,本文还探讨了未来芯片间通信技术的发展方向,强调了技术挑战和潜在解决方案,并提出了可重用中介层与拓扑的建模方法。本文旨在为研究人员提供对NoI技术现状梳理及未来趋势的展望。

Abstract:

在大数据时代背景下,海量数据的存储成为难题。DNA存储技术作为应对数据存储挑战的前沿解决方案,尤其聚焦于信息编辑技术的发展与挑战。初期DNA存储主要服务于“冷”数据,而技术的最新进展已推动其向支持数据更新和管理的进阶应用发展。本文提出一种面向DNA安全存储的增量管理方法,设计了支持多方编辑的混合型加密机制和DNA增量存储模型,在保证安全的前提下,该模型通过分区存储方案和高效索引编码,实现在现有技术约束下的安全、高效信息编辑与管理,从而满足现代数据管理对灵活性和经济性的要求,为解决DNA数据管理中的核心问题提供了新视角和策略。

Abstract:

为使自动驾驶系统能对复杂环境道路坑洼进行有效检测与定位，对现有YOLOv5目标检测算法进行改进。首先，用MobileNetV3替换原模型的骨干部分，减少模型参数量，轻量化网络模型；此外，在YOLOv5的颈部引入BiFPN模块，提升模型在多尺度特征融合、信息传递、特征表达能力以及检测精度方面的性能，同时保持模型的轻量级设计；然后，引入生成对抗神经网络（GAN）的图像风格迁移的思想，采用PaddleGan进行数据处理，丰富数据集的多样性；最后，在自制的数据集上进行模型的训练与验证，实验结果表明：改进的YOLOv5算法准确率和mAP值分别提升了3.5%、0.9%，检测速度提升了5.8帧/s。改进的算法更加的轻量化，提高了检测的精度，为复杂环境下坑洼检测提供技术参考。

Abstract:

本文介绍了一种基于模块化设计理念,可实现海洋环境综合观测、多设备集成的通用性海洋资浮标数据采集系统。该系统利用ARM芯片定时器和中断控制器,虚拟了多模块并行采集处理电路。全系统依据海洋资料浮标功能分为气象安全、水文生化和通信三个模块,实现了浮标多设备的连续采集和处理,以及实时双向通信等功能；依据不同模块的特点,采用多路复用器和串口扩展芯片,实现了系统的接口扩展,从硬件上提高了系统的搭载能力。通信模块采用DMA技术实现了双路实时数据的转发、补发及远程控制等功能,实现了浮标系统在海上的可靠安全运行,也提高了其人机交互功能。本系统经过实验室测试和海上现场运行实验,验证了系统的稳定性、可靠性、和测量准确性。

Abstract:

LOGO是一种新的分布式计算框架，与流行的MapReduce计算框架不同，LOGO框架下的大数据分布式计算由两步操作完成，即LO操作在节点虚拟机内运行串行算法完成一个随机样本块的独立计算，产生局部计算结果；GO操作将所有局部结果上传到主节点，在主节点内对局部结果做集成，得到大数据的近似计算结果。LOGO计算框架执行迭代算法时，消除了节点间的数据通信，极大地提高了分布式计算的效率，降低了内存需求，提高了数据扩展性。本文介绍基于LOGO计算框架自主研发的一种新型分布式机器学习算法库RSP-LOGOML。新型分布式计算由LO操作执行的串行算法和GO操作执行的集成算法两部分组成，LO操作直接执行已有的机器学习串行算法，不需按MapReduce编程模型对算法重写，GO操作对串行计算结果进行集成。本文阐述LOGO分布式计算的原理、算法库架构、串行算法封装和GO操作集成策略，展示Spark实现、App应用开发和多种算法测试结果。

Abstract:

重复序列在基因组中普遍存在，大量实验证实其在生物进化过程中起着重要作用。目前，重复 序列的发现与识别技术已经成为基因组学的研究热点，文章分类总结了有关这方面的研究进展，并对相 关工具的功能特点进行了简要分析，同时对重复序列发展趋势进行了总结和展望。

Abstract:

近年来，随着互联网的迅猛发展，越来越多的新型网络应用逐渐兴起，网络规模不断扩大，网络组成也越来越复杂。网络流量分类技术作为增强网络可控性的基础技术之一，不仅可以帮助网络运营商提供更好的服务质量，而且能够对网络进行有效的监督管理，确保网络安全。本文综述了网络流量分类领域的研究方法及研究成果，对这些传统方法进行比较，分别指出它们的优势和不足。并针对高速网络环境下的实时分类、加密流分类、精细化分类、协议动态变化时的分类等现实挑战，对相关研究进展进行阐述和分析。最后对未来的研究方向进行展望。

Abstract:

机器人技术代表一个国家的高科技水平和自动化程度，了解和分析国内外的研究现状和最新进展有助于加快我国服务机器人行业的发展。近年来，清洁机器人和教育机器人在我国已经大规模销售，娱乐机器人和安防机器人市场正在培育和快速发展中，医疗机器人市场处于大规模应用的萌芽状态。为了在这一巨大市场中分一杯羹，在服务机器人领域缩短与发达国家的差距，有必要紧紧抓住服务机器人更高智能化、模块化和网络化的技术发展趋势，围绕实现服务机器人智能化、模块化和网络化的集成技术展开研究。

Abstract:

人体肠道中含有大量的微生物。研究表明，肠道微生物的群落结构在人体的许多生理功能上发挥重要作用，如机体物质代谢、能量吸收、胃肠道功能的完善及免疫功能的调节等。人体的许多慢性疾病，比如肥胖症、与肥胖相关的炎症反应、炎症性肠病、抑郁症等都与胃肠道微生物的群落结构失衡有关。肠道微生物与人体相互作用关系的研究对许多慢性病的预防和治疗，以及保持人体健康具有一定的指导意义。

Abstract:

在图像引导放射治疗中肿瘤(靶区)和危险器官的勾画是制定放疗计划的重要环节。在临床应用中靶区勾 画通常是由医生手动完成，虽然这种方法普遍被认为可靠，但是耗时较多且精度受医生主观影响较大。由于临床 上人体组织结构的多样性和靶区目标影像的复杂性，自动勾画方法在精度和可靠性上并不能较好的满足实际临床 需求。文章提出了一种交互式轮廓勾画的方法，结合自动的活动轮廓模型和手动交互的多尺度曲线编辑方法实现 靶区的快速精确勾画。通过初始化轮廓调整使活动轮廓模型快速可靠地达到目标轮廓，然后使用多尺度数字曲线 编辑可实现对复杂形状轮廓的快速修正。医学临床实验结果验证了方法的有效性。

Abstract:

基因是遗传的物质基础。生物体的生、长、病、老、死等一切生命现象都与基因有关。基因测序是解读生命的一种途径。随着新一代高通量测序技术的发展，每天会产生TB甚至更多的序列数据。合理诠释这些大规模及复杂高维度的数据成为获取数据后一个更大的难点，是当前生物研究的关键步骤，具有巨大的现实意义。海量高通量测序数据的存储、处理和分析都极大地挑战着当前的计算机系统和计算模式。本文将结合调研情况，尤其是华大基因的实例调研，讨论当前高通量测序数据分析的现状、问题和多方采取的措施。然而，面对高通量测序数据带来的挑战，仍需要多方密切合作和长久深入的研究。

Abstract:

本文对机器翻译技术的研究现状进行了全面介绍，分析了亟待解决的核心问题，并对机器翻译的未来发展前景和趋势提出了自己的设想。

Abstract:

电化学生物传感器将生物活性识别材料与电化学检测器件有机结合起来，广泛应用于临床医学、药物和食品分析与环境监测等领域。与其他电化学传感器相比，电化学生物传感器具有特异性好、检测灵敏度高和制作简便等优点。文章重点介绍了电化学生物传感器的基本原理、分类、研究进展及其在生物医学领域中的应用，并对电化学生物传感器的发展前景进行展望。

Abstract:

近年来随着全球资源、环境问题日益严峻，节能、环保的电动汽车得到快速发展。电动汽车采用电机驱动系统，具有转矩快速响应、易于精确测量、可实现动力分散控制、可实现制动能量回收等优点。充分挖掘并利用这些优点可显著提升车辆动力学控制性能。文中从电动汽车动力学控制运行参数的识别、动力学控制结构与方法两个角度综述了十多年来的研究成果，重点介绍了轮胎-路面接触条件识别方法、驱动防滑控制方法等。车辆动力学控制，包括电子差速控制、直接横摆控制、底盘集成控制等研究现状也做了总结。最后对未来电动车辆动力学控制的发展方向作了几点展望。

Abstract:

本文首先简要介绍了经颅磁刺激(Transcranial Magnetic Stimulation，TMS)的技术原理与应用，其次重点比较了几 种常见的经颅磁刺激线圈定位方法，总结了 TMS 线圈定位面临的问题，然后提出了一种充分整合被试者大脑头皮外形、 脑解剖结构、脑功能区域定位三方面定量信息的改进的经颅磁刺激线圈定位方法，最后展望了经颅磁刺激线圈定位方法 的应用前景。

Abstract:

自动驾驶是人工智能研究的重要应用领域，文章提出了一种基于深度强化学习的自动驾驶策略模型学习方法。首先采用在线交互式学习方法对深度网络模型进行训练，并基于专业司机的经验数据对 模型进行预训练，进而结合经验池回放技术提高模型训练收敛速度，通过对状态空间进行聚类再采样，提高其独立同分布特性以及策略模型的泛化能力。通过与神经网络拟和 Q-迭代算法的比较，所提方法的训练时间可缩短 90% 以上，稳定性能提高超过 30%。以复杂度略高于训练集的测试道路长度为基准，与经验过滤的 Q-学习算法相比，采用聚类再采样的方法可以使策略模型的平均行驶距离提高 70% 以上。

Abstract:

目前Hadoop的作业调度算法都是将系统中的多类资源抽象成单一资源，分配给作业的资源均是节点资源中固定大小的一部分，称为插槽。这类基于插槽的算法没有考虑到系统多资源的差异性，忽略了不同类型作业对资源的不同需求，因此导致系统在吞吐量和平均作业完成时间上性能低下。本文研究了多资源环境下公平调度算法在Hadoop中的实现，设计了一种多资源公平调度器MFS(Multi-resource Fair Scheduler)。MFS采用了DRF(Dominant Resource Fairness)调度思想，使用需求向量来描述作业对各类资源的需求，并按照需求向量中各资源的大小给作业分配资源。MFS能更加充分有效地使用系统的各类资源，并能满足不同类型作业对资源的不同需求。实验表明相比于基于插槽的Fair Scheduler 与Capacity Scheduler，MFS提高了系统的吞吐量，降低了平均作业完成时间。

Abstract:

胶囊内窥镜是极有潜力的新型肠胃道检查手段，但是目前的临床胶囊内窥镜产品还存在一些问题需要解决，其准确定位跟踪是关键之一。在各种可能的定位方法中，利用磁体的定位技术具有明显的优势：无需供电、占用胶囊空间小、可以连续跟踪、实时性强和无副作用。本文重点讨论基于磁场传感器阵列实现对胶囊中磁体进行定位的方法，通过算法和系统的优化设计，实现了以磁偶极子为数学模型的3维位置和2维方向实时定位跟踪。为了消除人体运动对胶囊跟踪的干扰影响，本文提出对胶囊和参考目标磁体同时定位的方法，也提出了对胶囊的3维位置和3维方向的全6维定位算法以开展三维重建和病变组织的准确测算。实验结果证明本系统可对胶囊内窥镜实现2～3mm精度的定位跟踪。

Abstract:

超声瞬时弹性成像技术具有无创、无痛、定量、实时及重复性好等优势，适用于肝纤维化分期诊断，具有重要的临床应用价值。本文以超声瞬时弹性成像系统设计为研究出发点，提出在基于射频信号的时域互相关算法基础上，采用抛物线插值算法提取亚采样信息，提高位移场的估算精度；设计了剪切波匹配滤波器，以减弱低频振荡器对位移场造成的干扰，从而提高了应变估计质量，增强了剪切波速度估算的可靠性与准确性；设计了针对瞬时弹性成像系统的时间增益补偿（TGC）电路，以降低声信号衰减带来的影响，提高信号的信噪比；给出了一种聚丙烯酰胺凝胶生物仿体的制备方法，并采用机械压痕测试对仿体进行标定，将标定结果与瞬时弹性成像系统的检测结果进行了对比，对比结果显示出良好的一致性。生物仿体实验和健康人体肝脏的弹性测量结果也验证了提出的位移估计算法、匹配滤波器及TGC电路的优越性。

Abstract:

为了充分整合分布的高性能计算资源，本文提出一种面向科学计算的网格环境，旨在形成一个可统一管理和运行维护的虚拟的超级计算机资源，面向用户提供统一、易用、可靠的科学计算服务。面向科学计算的网格环境通过轻量级网格中间件SCE汇聚资源，支持作业的全局调度、数据的统一管理视图，面向用户提供命令行和网格门户两种使用方式，并提供编程接口供专业社区和学科平台二次开发使用，满足不同层次的用户需求。目前，面向科学计算的网格环境已经在中国科学院超级计算环境（ScGrid）中得到应用和用户认可。

Abstract:

如何从肌电信号中有效地减少工频干扰一直是肌电信号检测与应用中的突出问题。本文总结数字陷波、LMS自适应滤波、卡尔曼（Kalman）滤波和S变换等几种适合进行实时工频干扰去除的方法，研究和分析它们在去除肌电信号中工频干扰的性能。初步结果表明：Kalman滤波方法在从肌电信号中减少工频干扰方面表现出了较好的整体性能，而S变换方法对具有严重工频干扰的肌电信号具有较好的噪声抑制效果。

Abstract:

随着Deep Web数量和规模的快速增长，通过对其发起查询请求以得到存储在后台数据库中的相关信息，日渐成为用户获取信息的主要方式。为了方便用户有效地利用Deep Web中的信息，越来越多的研究者致力于这一领域的研究，重点之一是Deep Web后台数据库的数据集成。由于Deep Web后台数据库存储的主要是文本信息，使得从文本处理角度出发，针对Deep Web中存储的内容进行查询与检索的研究具有十分广阔的应用前景。本文对Deep Web的研究现状进行了较为详细的分析，同时对研究的发展方向进行了展望。

Abstract:

当前世界上排前几位的超级计算机都基于大量CPU和GPU组合的混合架构，它们对某些特殊问题，譬如基于FFT的图像处理或N体颗粒计算等领域可获得很高的性能. 但是对由有限差分（或基于网格的有限元）离散的偏微分方程问题，于CPU/GPU 集群上获得较好的性能仍然是一种挑战. 本文提出并测试一种基于这类集群架构的混合算法. 算法的可扩展性通过区域分解算法实现，而GPU的性能由基于光滑聚集的代数多重网格法获得，避免了在GPU上表现不理想的不完全分解算法. 本文的数值实验采用29 CPU/GPU求解用差分离散后达三千学报

Abstract:

足下垂是由腓总神经功能障碍引起踝关节无法背屈、行走时足趾拖地的症状。它不仅影响患者日常行走，还会使 其产生自卑心理。表面垂足刺激器将刺激电极贴附在腓总神经或者胫骨前肌上，使用传感器来侦测脚步动作，通过电刺 激使脚踝产生背曲屈及翻转动作，改善步行摆动期所发生的足下垂现象。本文阐述了表面垂足刺激器的工作原理及研究 进展，并对基于生物信号反馈的闭环足下垂刺激器的研究趋势进行了介绍。

Abstract:

人体姿态估计方法中，在初始化或者跟踪失败的情况下，需要提供姿态初始值。我们将姿态估计看作对人体每个像素的分类问题，设计了一种表征人体部位尺寸及位置的特征。通过识别当前帧人体像素所属部位，可计算人体姿态。我们对分类器性能进行了测试，分类器对人体像素的识别率达到91%，对分辨率为160*120的深度图像，Intel单核1.6 GHZ的处理器上的处理速度为4 ms/fps。本文分析了该特征的局限性及出现问题的原因。

Abstract:

随机森林是一种著名的集成学习方法，被广泛应用于数据分类和非参数回归。本文对随机森林算法的主要理论进行阐述，包括随机森林收敛定理、泛化误差界以和袋外估计三个部分。最后介绍一种属性加权子空间抽样的随机森林改进算法，用于解决超高维数据的分类问题。

Abstract:

本文以帮助聋儿言语康复为出发点，从聋儿音频发音数据中获得了聋儿易错发音文本以及聋儿易混淆发音文本对。设计了一个数据驱动的3D说话人头发音系统，该系统以EMA AG500设备采集的发音动作为驱动数据，逼真模拟了汉语的发音，从而可使聋儿观察到说话人嘴唇及舌头的运动情况，辅助聋儿发音训练，纠正易错发音。最后对系统的性能进行了人工评测，结果表明：3D说话人头发音系统可以有效地模拟说话人发音时口腔内外器官的发音动作。此外，本文还用基于音素的CM协同发音模型合成的方法，合成了聋儿易错发音文本的发音动动作，并用RMS度量了合成发音动作与真实发音动作的误差，得到了均值为1.25 mm的RMS误差值。

Abstract:

大黄鱼形态参数测量对大黄鱼养殖遗传选育和品质改良等具有重要意义。文章结合机器视觉和称重传感器技术，设计开发了一种大黄鱼体重、体长和体宽等外部形态多参数同步自动检测系统。该系统通过机器视觉自动检测鱼体外部形态参数，通过称重传感器自动获取鱼重量参数。实验结果表明，系统的尺寸测量平均误差为0.28%，鱼重测量平均误差为 0.74%，可以满足大黄鱼形态参数测量精度要求，为鱼类形态参数自动检测提供了一种有效的新途径。

Abstract:

利用绝热加速量热仪提供绝热环境，研究了三元软包锂离子动力电池在不同倍率充放电时的发热行为。 锂离子电池内部的总热量由可逆的熵变热和不可逆的焦耳热组成。进一步研究结果表明，电池发热量的大小主要 由充放电倍率决定：低倍率充放电时电池发热量较小，0.2 C 倍率时电池温度上升 7.16℃，熵变热有明显的体现； 高倍率充放电时焦耳热占主导地位，熵变热几乎可以忽略，1 C 倍率时电池温度上升 25.63℃。同一倍率下放电过 程发热量大于充电过程，放电过程中电池荷电状态为0 ～ 10% 时，直流内阻突然增大，此处电池发热功率最大。 该研究对锂离子电池热管理的散热设计有一定的参考价值。

Abstract: