最新刊期
2025年第7卷第2期
- 摘要：针对人工智能发展引发的治理挑战，提出“智能科技必须可治理，必将被治理”的新理念。通过三大体系构建未来智能生态：经济社会生态实现LaSEE（低空经济生态）→CiSEE（循环原位经济生态）的转变，降低物流成本，提升时空利用效率；科技层面推动AIR（自动化、人工智能、机器人）→IST（智能科技）体系变革，使控制与自主科学与工程（control and autonomous science and engineering，CASE）成为新的独立交叉学科，从中小学开始学习；人类生活的目标倡导SEE（优质睡眠/饮食/运动）→H3O（幸福/健康/互助的优化运维组织）转变，强调技术以人为本，服务于人性与人类福祉。呼吁通过可治理的智能科技，确保社会健康可持续发展。关键词：智能生态;智能科技;智能社会;智能经济;智能生活187|81|0更新时间：2025-06-15
评论智能
- 摘要：单车智能系统在感知层面存在一定的局限性，如超视距感知能力不足、缺乏全局环境感知视角、在极端场景下的感知稳定性受限等。为提升车辆感知能力，车路群智协同感知技术应运而生。该技术通过多个智能体（如车辆、基础设施等）共享感知信息，并对信息进行整合和分析，获取更全面、准确的环境认知。聚焦于车路群智协同感知方法的最新进展：首先，介绍车路群智协同感知方法的基础技术支撑；其次，根据数据处理和交互方法，将其划分为4类协同模式；然后，深入探讨了3种主要的协同感知方法以及常用的大规模协同感知数据集；最后，讨论了车路群智协同感知技术面临的挑战和未来研究展望。车路群智协同感知方法有助于弥补单一智能体感知的不足，实现对环境的全面感知。关键词：车路协同;协同感知;信息融合;通信技术;自动驾驶821|5550|0更新时间：2025-06-15
- 摘要：近年来，基于区块链技术的加密货币市场正在快速发展，新兴商业模式和应用场景不断涌现，形成了数万亿美元规模的新经济体系。加密货币具有去中心化、匿名性和易于跨境流通等特性，极大地丰富和发展了以法定货币为核心的主流金融体系，同时也被广泛应用于洗钱等非法金融活动。因此，面向加密货币反洗钱的监管研究成为新兴热点领域，而机器学习和人工智能则成为加密货币交易行为监管、交易网络分析、安全风险评估等领域的主要研究方法。首先，系统性地梳理了近年来加密货币反洗钱的智能监管研究进展，从传统机器学习、深度学习、集成学习、图分析和启发式方法等维度归纳总结了反洗钱监管研究的主要模型、方法和应用模式。同时，整理了加密货币反洗钱研究文献中的常用数据集，并基于Elliptic数据集给出现有模型和算法的性能对比。最后，讨论了加密货币反洗钱的研究挑战与未来发展方向，以期为加密货币和去中心化金融产业的繁荣与健康发展提供有益的参考和借鉴。关键词：加密货币;反洗钱;区块链;机器学习;人工智能550|3705|0更新时间：2025-06-15
综述与展望
- 摘要：海岸线突袭任务要求无人水面船（unmanned surface vessel，USV）在复杂的海岸环境中完成精确的定点突袭。海岸区域地形多变，存在礁石、浅滩等静态障碍物与海上漂浮物等动态障碍物，同时任务时间有严格要求。因此，为USV提供实时、安全、准确的路径规划非常重要。针对当前路径规划存在无法兼顾全局寻优、时效性和安全性的难题，基于A*算法和动态窗口法（dynamic window approach，DWA）提出了全局探索与局部优化相融合的方法：A*算法提供静态环境下全局最短路径，路径节点之间使用改进的DWA进行局部路径避障优化。通过引入动态指数衰减加权的启发式函数改进A*算法，降低了全局路径规划的运行时间和探索空间；通过引入动态障碍物航向角和USV预测轨迹航向角的夹角评价子函数和基于Logistic函数的距离评价子函数来改进DWA，增强了局部避障中的实时反应能力。仿真结果表明，融合算法在海岸线突袭任务中能够实时探索全局近优解，有效应对静态和动态障碍物的影响，显著提升USV在复杂海岸线环境中的任务完成效率和稳定性。关键词：海岸线突袭;A*算法;动态窗口法;路径规划652|757|0更新时间：2025-06-15
- 摘要：在机器学习中，通常模型假设训练数据和测试数据来自相同的分布，然而在实际应用中，数据分布往往存在差异，导致域漂移问题，进而影响模型的泛化能力。现有域泛化方法主要集中在提取域不变特征，忽视了域特定特征对模型预测的影响。为此，提出了一种基于跨空间多尺度信息聚合的域鉴别器，通过多尺度信息捕捉，有效去除域特定特征，增强域不变特征的提取能力；同时通过动量更新推理一致性损失函数，利用样本类别中心的推理一致性，进一步提高模型的鲁棒性。在多个公开数据集上进行了对比实验与分析，结果表明，新方法在域泛化中具有更好的性能表现，有效缓解了域特定特征对模型性能的影响，可为处理域漂移问题提供技术参考。关键词：域泛化;迁移学习;域漂移;注意力机制;推理一致性460|183|0更新时间：2025-06-15
- 摘要：唇语识别技术通过分析一系列连续的唇部图像，建立唇部动作特征与特定语言文字之间的映射关系，实现语义信息的识别。现有方法主要依赖循环神经网络对时序视频帧进行时序特征建模，但存在显著的信息丢失问题，尤其是在视频信息不完整或存在噪声干扰时，模型往往会在区分不同时间点的唇语动作时发生混淆，导致识别精度显著下降。针对这一问题，提出基于自适应池化注意力Transformer的唇语识别方法（lip reading method based on adaptive pooling attention Transformer，APAT-LR）。该方法在标准Transformer的多头自注意力（multi-head self-attention，MHSA）机制之前，采用最大池化和平均池化的拼接策略，引入自适应池化模块，有效抑制无关信息，增强关键特征的表达，从而提升时序特征的建模能力。实验结果表明，APAT-LR在CMLR和GRID数据集上分别取得28.4%和1.9%的错误率，相较于现有方法都降低了错误率，验证了其在唇语识别任务中的有效性。关键词：注意力机制;Transformer;卷积池化;自适应394|275|0更新时间：2025-06-15
- 摘要：皮肤癌图像分割是医学图像处理领域中的一项关键任务，现常用的分割算法在进行诊断时，无法很好地平衡局部细节信息和全局上下文信息的计算资源请求量。此外，肿瘤边界模糊且难以正确识别分割的问题也亟待解决。针对上述问题，提出了模糊卷积结合门控轴向自注意力的皮肤癌图像分割模型Axial-FNet，该模型由门控轴向自注意力分支和模糊卷积神经网络分支构成。在门控轴向自注意力分支的尾部，设置了门控权重控制器，以控制捕捉局部细节信息和全局上下文信息的比例和程度；融合模糊学习模块至卷积神经网络（CNN）中形成模糊神经网络分支，提取图像局部信息。该模型在降低计算量的同时提升了分割精确度。在ISIC 2017数据集和ISIC 2018数据集上的平均交并比（MIoU）、F1分数（F1-score）和准确率（Accuracy）分别达到了74.23%、83.05%和92.89%，80.91%、88.13%和93.10%。实验结果表明，Axial-FNet较其他多个先进分割模型而言，分割的精确度和可靠性更佳。关键词：图像分割;模糊学习;门控轴向自注意力;门控机制;卷积神经网络151|144|0更新时间：2025-06-15
- 摘要：针对卫星导航欺骗干扰检测问题，提出一种基于LSTM的卫星导航欺骗干扰检测方法。通过分析欺骗干扰对接收机环路的影响，选取跟踪环路中的直接与间接信息作为欺骗检测特征参数；采用滑动窗口对特征参数进行预处理，并按时间序列构建训练集和测试集，以保持特征的时间关联性。基于得克萨斯大学奥斯汀分校公开的TEXBAT数据集进行实验，实验结果表明，相较于现有SVM方法，所提方法将欺骗检测准确率提升了2.19%，欺骗场景识别准确率达99.98%，能有效解决导航欺骗检测和场景识别问题。关键词：卫星导航;欺骗干扰;滑动窗口处理;长短期记忆神经网络377|267|0更新时间：2025-06-15
- 摘要：为了提升无人驾驶技术在露天矿区应用中的路径规划能力，提出了一种基于灰狼优化的自适应混合A*和人工势场（grey wolf optimization-based adaptive hybrid A* and artificial potential field，GWO-HAPF）方法。通过灰狼优化算法对混合A*的关键参数进行自适应调整，实现路径长度、平滑度和规划时间的多目标平衡，从而克服混合A*（hybrid A*，HA*）算法固定参数适应性不足的问题，大幅提升了全局路径规划的质量与适应性。在局部路径规划中，采用改进的人工势场法，优化斥力函数并增加逃出力，有效提升了实时避障的可行性和路径的平滑性。实验结果表明，相较于HA*算法和改进HA*（improved hybrid A*，IHA*）算法，GWO-HAPF方法在全局规划中的计算效率分别平均提升了约80%和14.9%，路径长度平均减少9.8%，平滑度平均提升超过53%；在局部路径规划中，其规划时间相较于IHA*算法提升了95.8%，平滑度为IHA*算法的10.19%，能够高效完成避障任务。研究结果表明，该方法在规划效率、路径长度、平滑性和实时避障方面表现出优势，体现了其在露天矿区无人矿卡路径规划中的实际应用价值。关键词：路径规划;灰狼优化;自适应混合A*;人工势场;无人矿卡280|249|0更新时间：2025-06-15
- 摘要：多模态情绪识别技术在心理健康检测与机器情感分析中应用广泛，但现有方法多依赖全局或局部特征，忽略了二者的联合建模，限制了情绪识别性能。为此，提出了一种基于Transformer的双级门控分段式多模态情绪识别模型（dual-stage gated segmented multimodal emotion recognition method，DGM）。DGM采用分段式融合架构，包括交互阶段与双级门控阶段。交互阶段采用OAGL融合策略建模全局-局部跨模态交互，优化特征融合效率；双级门控阶段整合局部与全局特征，充分利用情绪信息。此外，针对模态间局部时序特征不对齐问题，设计了基于缩放点积的序列对齐方法以提升融合精度。在CMU-MOSI、CMU-MOSEI和CH-SIMS 3个基准数据集上的实验表明，DGM在多数据集上的识别效果优于现有算法，验证了其捕捉情绪细节的能力与泛化性能。关键词：多模态情绪识别;缩放点积注意力;双级门控融合;Transformer75|70|0更新时间：2025-06-15
- 摘要：在电厂煤炭输送这一特殊环境中存在着诸多复杂因素，如光线不均匀、粉尘干扰以及输煤传送带上异物的形状、尺寸、材质各异等。当前众多目标检测算法在这种复杂环境下，对异物特征的敏感度不足，难以有效区分不同特征的异物。为了解决这一问题，对原YOLOv8算法的网络结构进行了优化，提出了YOLOv8-CPCA检测方法。该方法通过引入通道先验卷积注意力（channel prior convolutional attention，CPCA）机制，显著提高了模型的特征提取能力，实现了在电厂煤炭输送的恶劣环境下对异物的高精度检测。CPCA机制通过独特的卷积与池化操作组合，对输入特征图进行全局平均池化与最大池化，深度挖掘多维度特征信息，再经非线性变换精准生成各通道及空间位置的注意力权重，引导模型将注意力高度集中于异物的关键特征区域，强化特征提取能力。实验结果表明，改进后的模型在确保检测实时性的同时，平均检测精度mAP@0.5提高至92.9%，为输煤传送带异物检测提供了更加精准的解决方案，切实保障电厂煤炭输送的安全运行。关键词：YOLOv8;注意力机制;CPCA;输煤传送带;异物检测141|149|0更新时间：2025-06-15
- 摘要：面部微表情通过短暂肌肉运动展示了人类的真实情感，具有微妙且不自觉的特点。为了探讨面部标记点固有的空间关联，提高微表情识别准确率，采用分层连续注意力网络（hierarchical continuous attention network，HCANet）以有效利用自注意力机制捕捉序列中标记点间的关系，通过对起始帧与峰值帧的光流差异进行建模来避免直接从完整视频帧提取特征时忽视局部细节，减少了对身份信息的干扰。HCANet主要由Transformer层和聚合层组成，首先将人脸分为4个区域，在Transformer层中，引入连续注意力块（continuous attention block，CAB）专注于单个区域的局部细微肌肉运动用于提取本地时态特征；其次通过跨层注意力传递机制，在聚合层中专注于学习各区域之间的相互作用以提取全局语义面部特征；最后在4个公开微表情数据集（CASME Ⅱ、CASME Ⅲ、SMIC、SAMM）上，使用留一交叉验证与其他6个算法进行了对比验证。实验结果表明：HCANet在CASME Ⅲ、SMIC、SAMM数据集上的分类准确率都有提升，在复杂场景（如低帧率、背景噪声）中展现出更强的鲁棒性。关键词：微表情识别;面部特征;深度学习;注意力机制646|230|0更新时间：2025-06-15
学术论文
- 地址：北京市丰台区东铁匠营街道顺八条1号院B座“北阳晨光大厦”2层 邮编：100079
- 联系电话：（010）53879206 Email：cjist@bjxintong.com.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
- 总访问量：161982 今日访问量：145
0