公众号
网站访问量
多港口无人车关键部件剩余使用寿命联邦预测
马超;张呈呈;关志博;张恺琪;黄海;针对港口间因数据孤岛与隐私问题导致的设备剩余使用寿命预测困难，提出一种基于长短时记忆网络(long short-term memory,LSTM)的联邦学习方法。首先，在各港口本地部署自编码器提取关键特征并构建联邦LSTM模型；其次，设计了特征相似度驱动的自适应客户端分组与加权聚合策略，通过对具有相似退化模式的客户端分组，并在组内基于验证集性能进行模型聚合更新，以提升非独立同分布环境下的全局模型性能。在真实港口电池数据集上的实验结果表明，所提方法能有效缓解模型漂移，显著提升剩余使用寿命预测准确率。
基于图注意力机制和多距离分析的社区发现算法
张震;吴国豪;张红霞;周麒;针对大规模社交网络中节点关系复杂、社区结构隐蔽导致社区发现算法精度较低的问题，提出一种基于图注意力机制和多距离分析的社区发现算法。首先，在预训练部分引入多层感知机模块提高样本的识别精度。其次，提出基于图注意力机制的读出操作模块，通过自适应地学习节点在图表示学习中的贡献权重，实现加权聚合操作，从而增强图表示的判别能力，提升社区发现精度和鲁棒性。最后，设计一种多距离分析方法，增强对小目标的感知能力，提升检测准确率。实验结果表明，改进模型在多个数据集上均表现优异。Amazon数据集上的F1值达到了90.22%,相比CLARE和ProCom模型分别提高了11.33个百分点和5.86个百分点。Jaccard相似度则达到了83.46%,相比CLARE和ProCom模型分别提高了14.96个百分点和7.62个百分点。
基于多图嵌入式双通道图卷积的区块调整措施推荐模型
王梅;尹传龙;孙洪国;朱晓丽;油田区块调整措施的智能推荐是智能油田建设的重要组成部分。针对现有方法在面临高度稀疏的油田数据时难以捕捉其中的高阶非线性关系的问题，提出一种基于多图嵌入式双通道图卷积的推荐模型。通过知识图谱嵌入方式学习区块与其属性间的潜在关系，以增强区块节点的表示能力；利用双通道图卷积网络分别捕捉异质交互图和协同图中区块与措施的高阶嵌入表示和协同嵌入表示，将两部分表示进行信息融合，实现最终的措施推荐。实验结果表明，在真实的油田开发效果评价数据集上，所提出的模型在推荐精准率、召回率和归一化折损累计增益指标上均显著优于主流基线模型。
基于双闭环PID的元启发式算法研究
余春明;朱晓东;陈科;任春晓;为提升高维复杂问题求解中的全局搜索能力与局部开发效率，提出一种基于双闭环PID(proportional-integral-derivative)控制机制的全局优化元启发式算法(dual closed-loop PID global optimization metaheuristic, DCLPID)。算法受控制理论启发，构建位置-速度双闭环结构，外环位置控制用于强化全局探索，内环速度控制用于增强局部开发，通过动态调整PID参数，在搜索过程中实现自适应平衡。在CEC 2017基准函数上对DCLPID算法进行全面测试，并与8种主流元启发式算法进行对比。实验结果表明，DCLPID在收敛精度与速度方面均表现出优越性能，且秩和检验显著优于对比算法，表现出良好的优化性能与应用前景，为高维复杂优化问题提供了一种有效的解决方案。
基于改进YOLOv11n的无人机小目标检测算法
姚越;杨晓弘;高志威;唐强;针对无人机视角下小目标检测中存在的目标尺度多变、密集遮挡及背景干扰等问题，提出一种基于改进YOLOv11n的小目标检测算法。首先，引入多模态特征增强注意力模块，通过融合多维度的特征信息强化模型对关键区域的感知能力，从而提高特征表达的完整性与判别性。其次，构建MS＿C3K2模块，采用不同感受野的卷积核并行处理输入特征，有效增强了局部与全局信息的提取与融合能力。最后，为进一步提升特征融合阶段的适应性与动态性，提出了自适应门控双向特征金字塔网络，通过动态融合多尺度特征提升网络对关键信息的关注与响应能力。实验结果表明，改进模型的mAP50达到33.1%,mAP50-95达到18.9%,相比基线模型分别提升3.4和2.3个百分点，验证了所提算法在无人机复杂场景下具有良好的检测性能与鲁棒性。
基于结构引导的视觉文档问答
马文康;李宗民;刘玉杰;刘培刚;视觉语言模型在处理结构复杂的文档图像时，常忽略其潜在的结构信息。针对这一问题，本文提出一种结构感知的增强型文档视觉语言模型Struct-InternVL。该方法通过结构与布局感知变换裁剪文档图像，去除噪声并保留关键信息；随后在多尺度上引入结构信息把图像划分为多个子图，并通过共享的视觉特征提取器提取结构化视觉信息；最终将特征输入视觉语言模型完成问答。Struct-InternVL有效融合结构与布局信息，提升了模型在复杂文档场景下的理解能力，具备小巧高效、易于集成等优势。
