Abstract:

Abstract:

卷积神经网络作为深度学习的典型代表，是计算机视觉等任务中最常用的神经网络，然而，卷积运算通常占整个卷积神经网络运行时的 90% 以上，成为卷积神经网络的性能瓶颈。此外，由于当下硬件的复杂性及工作负载的多样性，之前工作中的一些特定优化往往缺乏性能可移植性。对此，作者提出 BlazerML，一个基于张量虚拟机(TVM)模板代码自动生成的开源卷积计算库，可为任何输入形状自动生成高性能的卷积实现。BlazerML 是基于 Winograd 算法实现的，因为该算法是快速卷积算法中性能最高的算法。实验结果表明：BlazerML 显著优于当下最先进的开源库。在 x86 CPU 上运行常见的深度学习网络前向推理分别比 OnnxRuntime、MNN 和 TVM 社区版本快 1.18～2.47 倍、1.18～2.27 倍和 1.01～1.66 倍。在 ARM CPU 上运行常见深度学习网络的单层推理分别比 ACL 和 FastConv 快 1.26～6.11 倍、1.04～4.28 倍。

Abstract:

现有的视频流量识别方法主要针对特定平台，且大多需要捕获完整的流量，不适合高速网络管理。研究提出一种在采样后的高速流量中识别来自多个平台视频流量的方法。基于多个视频平台传输协议的普遍特性提取特征构建复合特征空间，并进一步处理这些特征，以消除采样对特征稳定性的影响，最后提取特征向量，并训练分类模型。研究使用带宽为 10 Gbps、采样率为 1∶32 的高速网络流量进行试验验证，结果表明：该方法可在高速网络中快速识别多平台的视频流量，且识别准确率大于 98%。

Abstract:

针对电厂开关检测方法无法应对现实开集环境，对稀有类别识别准确率低的现状，将目标识别问题转化为相似性度量问题，并提出新算法。新算法基于深度度量学习的三元组网络，利用加入 SE Block 的 ResNet-18 提取特征，并利用跨批次挖掘增强学习效果。为评估算法性能，创建了一个包含3 300 张开关图片的数据集，并使用新算法在该数据集上进行了闭集测试、开集测试、小样本测试。结果表明：新算法在闭集状态下具有良好的区分能力，不仅能准确识别训练集中的类别，还能有效区分训练时未遇到的及出现频率较低的状态。由此表明，该算法不仅适用于现实世界的开集环境，而且能显著提升对小样本数据的识别精度。

Abstract:

在加密移动应用程序流量分类领域，传统方法均基于双向流量的特征对流量进行分类，但在实际场景中，非对称路由会导致远程网络管理员仅能获得单向流量，使得传统方法分类准确率下降。因此设计了一种仅使用单向流量特征的加密移动应用程序流量分类方法。由于下行流量包含的信息多于上行流量，因此选择对下行流量的有效负载进行分析。同时，由于移动应用程序流量具有时间、空间相关性，因此提出利用双向长短期记忆网络捕获数据流的时序相关性，并利用卷积神经网络学习特征的空间相关性，通过引入注意力层关注重要特征，进一步提高分类准确率。该方法比之前方法的使用范围广，可用于单向流量和双向流量场景，并可通过更少的特征获取更高的准确率。

Abstract:

在多方会话中，判断消息之间的回复关系是对话领域的一项重要任务。现有的相关工作还未关注、解决以下两个数据分布方面的问题：长度较短的消息往往出现的频率更高，而短文本包含的语义信息较少，限制了模型的学习能力；存在回复关系的正样本数量往往远少于负样本数量，导致模型在训练过程中容易出现数据偏斜问题，降低了模型处理正样本的性能。针对上述两个问题，作者提出一个基于预训练语言模型的改进模型，首先通过动态查询窗口建模缓解短文本相关问题；然后通过位置驱动的正样本权重优化缓解正样本相关问题。与前人研究工作进行比对，实验结果表明，与基于预训练语言模型的基线模型相比，改进模型将召回率平均提升了 15.7%。此外，还构建了一个采集自 Telegram 平台的新数据集，可为后续相关研究提供数据支持。

Abstract:

隐喻的目的是启发理解、说服他人。目前，隐喻呈现文本、图像、视频等多模态融合的趋势，因此，识别多模态信息中蕴含的隐喻语义对互联网内容安全具有研究价值。由于缺乏多模态隐喻数据集，难以建立研究模型，因此，当前学者更关注基于文本的隐喻检测。针对这一不足，作者首先从图像-文本、隐喻出现、情感表达和作者意图等角度构建新型多模态隐喻数据集；其次，对数据集的标注者进行 Kappa 分数计算；最后，借助预训练模型和注意力机制融合图像属性特征、图像实体对象特征和文本特征，构建多模态隐喻检测模型，验证多模态数据集的质量和价值。实验结果表明：具有情感和意图表达的隐喻数据集可提升隐喻模型检测效果，多模态信息间相互关系有助于隐喻的理解。

Abstract:

随着互联网技术的快速发展，网络安全问题日益突出，加密流量的识别与分类成为一个重要研究方向。作者对当前基于机器学习的加密流量分类技术进行全面综述。首先，从分层的角度简要介绍常见的加密协议及特点；其次，对加密流量分析领域的数据集和评估指标进行概览；再次，对基于传统机器学习的加密流量分析方法和基于深度学习的方法进行讨论，对其中的特征工程、分类器模型等关键技术进行分析；最后，总结该领域目前面临的可解释性不足、对抗样本风险等挑战，对未来的可解释性加强、自动化特征提取和模型结构优化等研究方向进行展望。

Abstract:

独有的金融特性使得广泛嵌套于各种区块链平台上的智能合约成为区块链技术最成功的应用之一。由于承载着大量的资产及虚拟货币，具有极高的经济价值，因此，智能合约不断受到各种安全攻击。此外，匿名与自动执行等特点使得智能合约被用于多种违法交易与恶意应用。基于此，作者首先介绍智能合约在区块链相关技术方面的运行机制和原理，探讨智能合约技术的应用场景及发展中存在的潜在安全漏洞，以及可能引发的安全问题，然后根据对现有研究工作的总结，探讨智能合约漏洞检测领域面临的挑战，并结合深度学习技术展望智能合约的未来研究方向。

Abstract:

氯胺酮是一种N-甲基-d-天冬氨酸受体(NMDARs)拮抗剂,在临床上被用于镇静、麻醉以及治疗难治性抑郁,但是氯胺酮的成瘾性限制了其临床应用。0.5 mg/kg 剂量是临床常用的氯胺酮抗抑郁剂量,而15 mg/kg是氯胺酮滥用人群的暴露剂量[1]。目前有关不同剂量氯胺酮对脑网络的激活情况仍不清楚。本实验选择0.5 mg/kg 及15 mg/kg 两个有代表性的氯胺酮剂量,腹腔连续注射7天,通过脑即刻早期基因蛋白(cFos)表达量来表征氯胺酮对小鼠脑网络的激活情况。结果显示,与生理盐水组相比,0.5 mg/kg 氯胺酮能显著增加内侧前额叶、中间外侧隔核、导水管周围灰质脑区 cFos 数量；而15 mg/kg 氯胺酮能显著增加伏隔核、外侧缰核、 海马CA3、杏仁核、腹侧被盖区 cFos 表达数量。这说明氯胺酮对脑网络的激活呈剂量依赖性,0.5 mg/kg和15 mg/kg的氯胺酮激活的脑区存在差异。该研究为探索不同剂量氯胺酮的神经药理作用奠定基础,为寻找氯胺酮抗抑郁和成瘾差异脑区提供参考。

Abstract:

使用毫米波雷达进行非接触式生命特征监测能够进行持续且不被察觉的身份验证，由于心脏运动受各种复杂因素影响，而调频连续波毫米波雷达在用户睡眠时能更好地对心脏数据进行监测和捕获。本文提出了一种基于心脏运动一维时序雷达信号的深度卷积神经网络身份识别的方法，并与LSTM、InceptionTime、LSTformer三种深度学习算法进行了性能对比与分析。在实验室采集到的人体静卧状态下心脏信号数据集上，各模型最终都能达到90%左右的分类精度。其中深度卷积神经网络InceptionTime准确率最高，但耗时最长，长短期记忆网络模型LSTM及LSTformer准确率较低，但耗时较短，本文提出的卷积神经网络模型准确率与InceptionTime相当，但计算耗时较短，在准确率和计算效率之间取得了平衡。

Abstract:

在摩尔定律接近极限，下一代集成电路技术难度大且成本激增的背景下，先进的封装基板是支持系统集成以及巨量I/O提升的重要载体，是后摩尔时代的核心部件之一。基于积层绝缘胶膜(Build-up Film，BF)材料的半加成法工艺是实现细间距多层封装基板的主要途径之一。鉴于电子设备在高频高速场景下运行时信号完整性问题日益凸显，本文深入探讨了BF材料及结构特征对信号传输损耗的影响。基于微带线、过孔等典型基板结构，通过电学仿真分析系统研究了BF材料参数与信号传输性能之间的关系。研究发现，在微带线结构中，信号传输损耗随频率的增加而增大，且这一损耗与BF材料的介电损耗因子密切相关。而在过孔结构中，BF材料的介电常数对等效电容和阻抗极值有显著影响，进而影响阻抗的不匹配度。尽管BF材料特性对阻抗不匹配有一定影响，但过孔结构本身的设计仍是影响阻抗匹配度的主要因素。此外，高频下导体趋肤效应导致的导体损耗随着铜箔粗糙度的增加而增加，这为封装基板制造过程中的铜箔质量控制提供了重要参考。本研究揭示了BF材料及结构特征对信号传输损耗的影响机制，为BF材料物性及封装基板的设计和优化提供了理论依据。

Abstract:

数据溯源技术可以记录和追踪敏感文档的来源，从而防止文档泄露。传统的网络通路溯源对离线文档缺乏有效跟踪机制，基于加密文件的密钥追踪对共享文件不能保证有效溯源，现有的标注法、反向查询和数据水印技术，往往需要用户参与并在应用层实现，导致溯源的安全力度不够，缺乏透明性和灵活性，系统的整体扩展性不足。该文提出了一种创新的基于脚本的动态指纹溯源架构，该架构基于Linux内核实现底层溯源，加强文档溯源的安全性和透明性；基于用户脚本实现指纹追踪算法，提升文档溯源的灵活性和有效性。同时面向多负载共享需求设计指纹驱动算法，确保文档共享的高效性和可扩展性。经验证，本架构对操作系统的影响极小，同时具备出色的可扩展性。在处理单个或多个负载共享的场景时，指纹驱动算法展现了其透明性、实时性和高效性。

Abstract:

本研究在眼科图像疾病识别中引入了视觉语言模型这一新的范式，提出了一种基于对比语言图像预训练模型的多疾病识别算法。首先，基于多个公开可用的眼底图像数据集构建了一个含有8个类别的多标签眼底图像数据集MDFCD8；然后利用生成式人工智能GPT-4生成描述眼底图像细粒度病理特征的专家知识，解决了眼底图像数据集文本标签缺乏的问题。实验结果表明，与传统的卷积神经网络和Transformer网络相比，本文提出的方法在性能上分别高出4.8%和3.2%。同时，本文还进行了各模块的消融实验，验证了该方法的有效性，显示了视觉语言模型在眼科疾病辅助诊断领域的应用潜力。

Abstract:

腺样体肥大是导致儿童阻塞性睡眠呼吸暂停综合征的主要因素。医生通过内窥镜影像评估腺样体肥大程度及其对气道的阻塞程度。然而，由于内窥镜影像为二维图像，医生只能臆测患者腺样体区域的三维结构。这种方法严重依赖医生的相关经验和对腺样体的观察角度。腺样体区域为人体黏膜组织，且表面具有鼻腔分泌物，因此具备强反光、特征稀少、场景光滑、图像模糊等特点。根据腺样体特点，该文提出了一种基于腺样体鼻咽腔内镜图像序列的多视图三维重建算法。算法首先采用多视图立体匹配技术获取图像对应深度图的粗糙估计，然后使用网格曲面在深度空间中对粗糙的深度信息进行拟合，从而得到平滑、精细的深度图，最终通过点云融合算法获得腺样体区域稠密、精确的三维重建。仿真与真实实验表明，该文算法基于腺样体内窥镜图像序列，可实现精确、稠密和平滑的腺样体区域三维重建，并且重建结果显著优于现有三维重建算法。

Abstract:

基于鲹科鱼的推进模式，采用鱼鳍模块化设计，设计了一款结构紧凑、成本低廉、高效游动的小型单关节仿生机器鱼，可以方便地对胸鳍、腹鳍和尾鳍进行拆装，对仿生机器鱼的直线推进、静止转弯、鱼头稳定性进行了水下实验，从而研究胸鳍和腹鳍对游动性能的影响。在样机游动测试中，采用了一台高速相机和一面平面镜构建的记录机器鱼运动的“双目视觉系统”，可以对鱼头最前端以及质点上方两处标记点进行追踪并记录三维位置信息，为机器鱼游动的游动性能、姿态变化以及头部稳定度的定量分析提供数据支持。结果表明：机器鱼具有良好的直线推进性能和转弯性能；在稳定性实验中装配上胸鳍和腹鳍的机器鱼头部稳定性在低频游动时更优，而在高频游动时没有显示出优势，这也和自然界中鱼类在高频游动时除尾鳍外的各种鳍紧贴身体的现象相一致。

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:

通过制造支架来模拟人体微环境是生物医学领域的一大成就。然而，寻找理想生物支架的工作仍处于起步阶段，仍需要克服重大挑战。目前，天然物质对科学界有更大的吸引力，因为它们具有超强的生物能力、低成本、可生物降解性，并且比合成实验室制造的产品毒性更小。壳聚糖 （CS） 是一种著名的多糖，最近因其生物活性而备受关注，尤其是在 3D 骨组织工程 （BTE） 中。壳聚糖与天然组织非常相似，因此是生物打印的热门候选。本文重点综述了基于CS支架发展的潜力以及骨治疗的缺点。壳聚糖纳米复合材料具有较强的机械强度、吸水能力、细胞相互作用和生物降解特性。壳聚糖衍生物还提供了不同的治疗途径，并且具有较强的生物活性。 3D 定制生物打印为设计和制造具有生物、机械和地形特性的支架打开了新的大门。

Abstract:

在当今的数字时代，Nginx已成为Linux系统上最为普及的Web应用服务器，占据了市场份额第一名。鉴于其在确保用户服务质量方面的关键作用，对Nginx性能的优化显得尤为重要。尽管Nginx服务器广泛部署于X86和ARM这两种主要的硬件架构之上，迄今为止，针对这两种架构下Nginx性能调优的对比分析尚处于空白。本研究旨在填补这一缺口，通过对比这两种架构的系统参数自动调优效果，揭示了显著的差异性结果：在处理动态请求的场景下，X86架构的性能明显胜过ARM架构，其P99延迟比ARM低达515毫秒，性能提升高达287%。反之，在处理静态请求时，ARM架构则展现出更加卓越的表现，其P99延迟比X86低220毫秒，性能提升达到了60%。这一发现突出了X86和ARM架构在不同类型的负载处理上的特定优势，并明确指出了不同硬件架构对于Nginx性能优化策略的显著影响。因此，系统管理员在针对不同硬件架构进行Nginx优化时，必须考量架构特有的静态与动态请求之间的性能差异和迭代效率，以确保最佳性能表现。

Abstract:

人工智能可解释性是指人们能够理解和解释机器学习模型的决策过程。这一领域的研究旨在提高机器学习算法的透明度，使其决策更加可信和可解释。解释性在人工智能系统中至关重要，尤其是在对于决策敏感和关键的领域，如医疗、金融和法律。通过提供可解释性，人们可以更好地理解模型的推理基础，确保其决策是公正、健壮且符合伦理标准。在不断发展的人工智能领域中，提高模型可解释性是实现可信、可持续发展人工智能的关键一步。文章梳理了人工智能可解释的发展历史和各种可解释方法的技术特点，特别是在医疗领域的可解释性方面进行了更深入的探讨。对当前方法在医学影像数据集上的局限性进行了分析，并提出了未来可能的尝试方向。

Abstract:

美食作为人们生活中不可或缺的一部分，一幅展现城市内美食地理分布的美食地图具有重要的社会价值。网络时代，社交媒体已渗透人们的衣食住行，社交媒体数据为自动化地图制图提供丰富的数据支撑。本文提出社交媒体数据驱动的城市美食地图自动生成方法，结合机器学习算法和地图制图方法，实现风格化的城市美食地图智能生成。并开发了城市美食地图的可视化探索系统，对四座城市进行美食案例探索分析。案例结果展示了该方法在刻画城市美食方面的表现力和有效性。

Abstract:

黑暗场景与传统预训练模型所依赖的数据之间存在显著差异，传统的预训练-微调策略难以达到理想效果，而从头开始的预训练则代价高昂。针对这一问题，本研究提出了一种领域自适应预训练方法，旨在改善黑暗环境下的行为识别性能。该方法融合了外部视觉去暗增强模型以引入关键的去暗知识，并采用跨领域自蒸馏框架来优化预训练模型，可有效减小明暗场景间视觉表征的域差异。在一系列黑暗场景行为识别实验中，本方法在全监督的黑暗场景行为识别数据集上获得了97.19%的准确率，在无源领域自适应场景数据集中，准确率提升至49.11%，而在多源领域自适应场景数据集中，准确率达到了54.63%。

Abstract:

如何将预训练模型所获得的知识有效地迁移到视频理解下游任务，是计算机视觉研究中的一个关键问题。在开放域场景中，由于不利的数据条件，知识迁移变得更具挑战性。受到自然语言处理技术的启示，近期许多多模态预训练模型通过设计文本提示进行迁移学习。本文提出了一种基于领域上下文辅助的开放域视频理解方法，通过大语言模型来深化模型对开放世界的理解。通过在大语言模型中融入领域的先验知识，在大语言模型中丰富动作标签的上下文知识，将视觉表示与人类行为的多层次描述进行对齐，实现了鲁棒的分类效果。我们在开放世界场景下进行了广泛的行为识别实验，在全监督设置中，ARID数据集的预测准确度达到71.86%，而Tiny-VARIT数据集在均值平均精度上取得了80.93%。在无源领域自适应设置下，预测准确度实现了48.63%；而多源领域自适应设置中，准确率为54.36%，实验结果显示了领域上下文辅助在各种自适应环境下的有效性。

Abstract:

针对光电探测器在光通信、遥感、红外热成像等方面存在的性能问题,探讨了近红外波段光电探测器的国内外研究进展。相比于传统化合物半导体材料,新型材料如硅基、石墨烯、碲化合物、过渡金属二卤代化合物和钙钛矿具有独特的结构与性质,是制备低功耗、高性能光电探测器的重要材料。该文主要阐述了基于PN、PiN异质结结构的硅基近红外光电探测器研究进展,介绍了基于二维材料(石墨烯、碲化合物、过渡金属二卤代化合物)及钙钛矿材料的近红外光电探测器研究进展,并对相关的近红外光电探测器性能参数进行了分析比较,为后续研究高性能近红外光电探测器提供了思路。

Abstract:

随着电动自行车骑行人员必须佩戴头盔的法规出台，相关智能视觉检测技术的需求也应运而生，本文以交通监控视频图像中骑行人员佩戴头盔情况为研究对象，以YOLO目标检测框架为基础，首先采用了分支吸收模块改善残差骨干网络, 然后通过结构通道重组提升卷积层特征融合, 最后应用设计的结构融合剪枝进一步压缩模型超参数。实验结果表明, 该算法具有较优的精度和实时性, 小目标检测效果也较好, 其多分类平均精度达到88.8%，检测速度可达29.5fps, 基本满足交通视频监控的需求。

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:

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:

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:

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:

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:

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:

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:

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:

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:

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:

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:

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:

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:

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:

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: