Development of a 1200 fine group nuclear data library for advanced nuclear systems

Accurate and reliable nuclear data libraries are essential for calculation and design of advanced nuclea systems. A 1200 fine group nuclear data library Hybrid Evaluated Nuclear Data Library/Fine Group(HENDL/FG with neutrons of up to 150 Me V has been developed to improve the accuracy of neutronics calculations and anal ysis. Corrections of Doppler, resonance self-shielding, and thermal upscatter effects were done for HENDL/FG Shielding and critical safety benchmarks were performed to test the accuracy and reliability of the library. The dis crepancy between calculated and measured nuclea parameters fell into a reasonable range.

网络威胁技战术情报识别提取生成式技术研究

MITREATT&CK定义了网络攻击全过程14类战术625类技术,逐步成为网络威胁技战术情报(TTP)的事实标准,现有研究基于此分类将TTP识别提取问题转化为句子级别的战、技术类别多分类任务,利用深度学习、基于提示工程的大语言模型进行问题研究。但限于数据集小样本类别占比大、多分类模型性能瓶颈问题,类别识别覆盖率与精度较低。提出结合ChatGPT数据增强和指令监督微调大语言模型的方法,较好地解决了句子级别技术类别多分类问题。ChatGPT数据增强方法在保留原始样本语义基础上更好地丰富了样本多样性,为小样本学习高性能识别提供了高质量训练数据支撑,实验结果也证明了本数据增强方法的优越性;指令监督微调大语言模型,突破了深度学习多分类模型的性能瓶颈,实现625类技术类别识别全覆盖,Precision、Recall和F1值分别达到了86.2%、89.9%和88.0%,优于已有研究。

设定情景下的地震避难场所需求估算研究——以天津市河东区为例

地震应急避难场所是提高地震灾害风险防治能力的一个关键环节,然而,现有的地震避难场所需求人数估计方法却难以满足当前精细化地震灾害风险防治需要。为此,以天津市河东区为例,提出一种基于精细基础数据的地震避难需求分析方法。首先,根据精细建筑物数据,进行人口空间化;然后,基于单体建筑物数据,提出三种不同地震强度设定情景下临时和长期避难人数的计算方法;最后,在研究区验证所提方法的可行性,并给出相应场景下避难场所需求能力的估计结果。研究结果表明,当遭受相当于设防烈度和罕遇烈度的地震作用时,研究区内现有的临时避难场所和长期避难场所均无法满足应急避难需求。

分布式数据库隐私数据细粒度安全访问控制研究

为控制隐私数据的细粒度安全访问行为,提出分布式数据库隐私数据细粒度安全访问控制。通过分布式数据库空间划分,过滤隐私数据,利用分区方程,分解数据库空间内隐私数据,将隐私数据反应函数的构建过程定义为对分布式数据库中隐私数据挖掘的博弈过程,获取博弈因子,将细粒度划分问题转化为隐私数据在最小二乘准则下的规划问题,划分隐私数据的细粒度。利用加密算法,对隐私数据加密,依据密钥分发算法为用户分发密钥,通过密钥转换,将加密后的隐私数据上传到分布式数据库,利用数据库验证用户的令牌是否包含隐私数据的信息,建立令牌请求机制,实现隐私数据的细粒度安全访问控制。实验结果表明,经过文中方法控制后,分布式数据库的响应性能有所提高,在保证正确性的同时,还可以提高对恶意访问行为的控制能力,具有较高的实际应用价值。

融合注意力机制的人体部位细分类方法

针对传统人体部位体型分类方法费时费力、成本较高的问题,设计一种融合注意力机制的体型分类网络(Attention Body Classification Net,A_BCN)。该网络由弱监督的注意力学习和数据增强两个模块组成,其中:弱监督的注意力学习模块通过注意力机制获得注意力图;数据增强模块通过注意力图指导图像的数据增强,包括注意力裁剪、注意力丢弃和注意力平均。将增强后的图像重新输入到网络中得到特征图,将得到的特征图和注意力图融合进行分类。在后续自制的人体图像数据集中,该算法准确率为90.52%,提高了分类准确率并节省了成本。

面向电商领域的旗袍知识图谱构建与实证研究

为挖掘旗袍服饰要素的关联关系与隐藏价值,构建一个基于电商数据的细粒度旗袍知识图谱,并开展实证研究。旗袍知识图谱采用自底向上逐层构建的方法,首先根据先验知识设计细粒度本体模型,为后续工作提供逻辑基础;然后采集并预处理原始数据,通过知识抽取、知识融合规范化数据,进行实例填充,完成数据层设计;最后将数据存储到图数据库,实现可视化。在此基础上,围绕旗袍、服饰要素以及用户人群开展深度挖掘、知识推理,借助图分析算法在社区检测、相似度和要素关联上展开实证研究。结果表明:旗袍知识图谱蕴含服饰要素之间隐藏的关系,能够挖掘内在的语义信息;旗袍服饰要素和用户人群之间存在一定的知识关联性,进而辅助设计与销售决策。

基于多粒度融合和双注意力的细粒度图像分类

针对现有模型对细粒度图像关键信息精准识别较难,分类指标较单一且特征利用不充分的问题,提出一个新的细粒度图像分类网络模型.该模型在网络训练步骤中嵌入双注意力网络以强化中层特征与深度特征的相关性,根据网络不同层的感受野大小不同将数据剪裁后再拼接成新的样本数据作为下一层输入,采用支持向量机分类器将中层和深度特征输出结果一同作为最终分类指标.在3个经典数据集CUB-200-2011、Stanford Cars和102 Category Flower上的实验结果表明,其分类准确率分别达89.56%,95.00%,96.05%,相比于其他网络模型有较好的分类准确率和泛化能力.

时空特征校准和相关性解耦的骨架细粒度动作识别模型

针对骨架数据丢弃部分重要信息导致相关动作识别模型较难捕获动作序列的细微变化从而造成对细粒度动作类别识别率不足的问题,本文提出时空特征校准和相关性解耦的骨架细粒度动作识别模型,在主干网络中间层和输出层中分别引入时空特征校准模块和相关性解耦模块,提高模型对细粒度动作类别识别能力。首先,为动态校准特征空间中容易被错误分类的样本同时提高模型对时空信息表征能力,引入时空特征校准模块,该模块对特征进行时空解耦以丰富特征空间中的时空信息,并且利用对比学习方法在特征空间中动态发现并纠正被错误分类的细粒度模糊样本;随后,为降低特征相似性对最终分类造成的影响,引入相关性解耦模块,该模块在第一阶段强制所有特征样本彼此远离以达到去相关目的,并且在第二阶段使去相关后的特征与相应类别原型聚合进而使最终分类难度降低。本文所引入对比学习模块仅在模型训练阶段参与计算,不会对测试阶段带来计算负担。为验证模型有效性,本文在大型公开骨架动作识别数据集上进行实验,模型在NTU RGB+D的X-Sub和X-View基准上识别准确率分别达到92.6%和96.8%,在NTU RGB+D 120数据集的X-Sub和X-Set基准上识别准确率分别达到89.2%和90.7%,相比于主流骨架动作识别模型有明显提升,实验结果表明,本方法能够提高模型对细粒度动作类别识别能力,具有一定优势。

高职院校大数据驱动下的精细化教学研究

随着人工智能和大数据等新兴技术的发展,作为一种基于学生个体差异的教学方式,基于大数据驱动的精细化教学在高职院校中逐渐成为推进教育改革和提高教学质量的重要手段。文章首先介绍教育大数据的内涵及其对教学精细化的推动作用。然后阐述教育大数据驱动教学精细化的实现过程。并从提高教学质量、优化学习过程等方面探讨教育大数据驱动教学精细化的意义。最后指出在推进教育大数据驱动教学精细化过程中面临的问题和挑战。

铜鼓资源组织中的史料文献细粒度知识元研究

铜鼓作为古代文化遗产的重要组成部分,其资源的语义表达形式需要向知识细粒度化、知识集成、知识可视化方向拓展,并充分利用强大的文献资源作为其知识体系的重要支撑。本研究以铜鼓史料文献为研究对象,利用知识元提取和可视化图谱技术,探索表层视觉元素与内在知识的关联、铜鼓文献知识元组织模型的构建,以及时空属性向量可视化等问题,提出数据融合的铜鼓知识平台应由至少4个基础数据库组合而成,并展望其下一步探索路径。

The Role of a Pre-Fine Needle Aspiration Clinic in Improving the Quality of Thyroid Nodule Investigation in Saskatchewan

Background: The Canadian province of Saskatchewan introduced a pre-fine needle aspiration (FNA) clinic to review adherence of referrals for thyroid biopsy based on the guidelines of the American College of Radiology’s (ACR) Thyroid Imaging, Reporting and Data System (TI-RADS) scoring system. The intention is to minimize low-yield biopsy rates by improving the quality of thyroid nodule investigation in Saskatchewan through this clinic. TI-RADS is a malignancy risk scoring system for thyroid nodules based on five sonographic characteristics: composition, echogenicity, shape, margin, and echogenic foci (calcium). Recommendations for intervention or clinical follow-up are further determined by the size of the nodule. Methods: Through a retrospective chart review of all thyroid biopsy referrals to the Royal University Hospital (RUH) in Saskatchewan between 22 March 2016 and 17 May 2018, the impact of the multidisciplinary pre-FNA clinic on appropriate thyroid biopsies in Saskatchewan was evaluated. Results: This study evaluated 252 referrals, 203 of which underwent FNA and 23 which received surgical biopsy. TI-RADS scores appended to thyroid biopsy referrals increased upon pre-FNA clinic initiation, yet score quality did not improve. Rates of malignant biopsies were lower than ACR-reporting suggesting inappropriate biopsy of low risk nodules perhaps by overcalling the TI-RADS score. The majority of FNA cytology matched final surgical pathology, with 78% of indeterminate FNAs being malignant, and all non-diagnostic FNAs being benign. Conclusions: The implementation of the pre-FNA clinic reduced the number of thyroid biopsies in Saskatchewan by 11% overall.

星载光子计数激光测距雷达的实时去噪方法

星载光子计数体制激光测距雷达系统具有高重频、高精度等显著优势,但也面临原始数据量大且噪声数据占比过高的问题。为适应星上数据通道的传输能力,需压缩原始数据量并保障信号光子的查全率,因此必须发展以硬件为主体的实时去噪算法。本文提出一种粗精结合的快速去噪算法,首先基于激光器发射脉宽、系统噪声率、目标特性以及接收光子事件的局部密度信息进行粗去噪,剔除部分噪声光子;再利用直方图统计,对保留的光子事件进行精去噪,确定信号光子区间及最终的信号光子及其时间信息。通过蒙特卡洛仿真和ICESat-2实测数据对算法进行验证,测试结果表明,本算法查全率大于94%、查准率大于93%、调和平均值大于94%,运行效率提高了10%。算法可以实现光子事件的快速实时去噪,为星上硬件实时去噪处理提供了理论基础。

基于小样本学习的口语理解方法综述

小样本口语理解是目前对话式人工智能亟待解决的问题之一。结合国内外最新研究现状,系统地梳理了口语理解任务的相关文献。简要介绍了在非小样本场景中口语理解任务建模的经典方法,包括无关联建模、隐式关联建模、显式关联建模以及基于预训练范式的建模方法;重点阐述了在小样本口语理解任务中为解决训练样本受限问题而提出的基于模型微调、基于数据增强和基于度量学习3类方法,介绍了如ULMFiT、原型网络和归纳网络等代表性模型。在此基础上对不同模型的语义理解能力、可解释性、泛化能力等性能进行分析对比。最后对口语理解任务面临的挑战和未来发展方向进行讨论,指出零样本口语理解、中文口语理解、开放域口语理解以及跨语言口语理解等研究内容是该领域的研究难点。

基于多源数据的交通出行数据扩样及位置匹配研究

随着城市交通出行规划的日益发展,需要精细的居民交通出行数据作为数据支撑以实现更准确的居民交通出行需求预测。文章基于多源数据,包括地块数据、居民交通出行样本数据以及总人口家庭特征数据,采用迭代比例更新算法(Iterative Proportional Updating,IPU),结合蒙特卡洛模拟,实现了获取小尺度的精细居民交通出行数据的目标,为精细交通出行数据的获取提供了有益的参考和借鉴。

基于数据融合的中长期概率性负荷预测方法研究

月度负荷预测是电力系统中长期运行和营销工作开展的基础,概率性电力负荷预测能够刻画中长期不确定性,更好地支撑新型电力系统负荷评估和调控策略制定。在此背景下,以系统负荷作为研究对象开展中长期概率性预测方法研究,提出了基于细粒度数据融合的中长期概率性预测方法。首先,根据影响因素建立小时级的多元线性回归模型对细粒度的负荷进行建模,再根据影响因素的不同预测值生成未来不同场景下的细粒度预测结果。其次,根据“自下而上”的时间层级协调策略,对每一个场景均进行月度聚合,生成不同层级地区的月度负荷预测结果,形成概率性预测结果。最后,以中国东部某区域及其下辖地区的负荷数据为例,验证了方法的有效性。

基于检索增强的噪声标签细粒度图像分类方法

在互联网音视频内容分析的应用中,快速建立低标注代价的图像细粒度分类方法具有重要意义。由于类别间具有相似的外观特征,并且存在光照、视角、背景遮挡等干扰因素,细粒度图像分类面临类别数量多、类间差异性小,以及标注代价高、标签信噪比低等挑战。为改善在带有噪声标签的数据环境下海量图像细粒度分类的效果,提出一种基于检索增强的图像细粒度分类方法,在迭代清洗噪声标签的基础上,利用检索范式通过简单类别标注获取更具表达性的特征,提升分类器的识别能力,并在包含1 500个细粒度的食物类别和超过50万张图像的数据集上取得良好的效果。

基于细粒度特征融合的部分多模态哈希

多模态数据的指数级增长使得传统数据库在存储和检索方面遇到挑战,而多模态哈希通过融合多模态特征并映射成二进制哈希码,能够有效地降低数据库的存储开销并提高其检索效率.虽然目前已经有许多针对多模态哈希的工作取得了较好的效果,但是仍然存在着3个重要问题:(1)已有方法偏向于考虑所有样本都是模态完整的,然而在实际检索场景中,样本缺失部分模态的情况依然存在;(2)大多数方法都是基于浅层学习模型,这不可避免地限制了模型的学习能力,从而影响最终的检索效果;(3)针对模型学习能力弱的问题已提出了基于深度学习框架的方法,但是它们在提取各个模态的特征后直接采用了向量拼接等粗粒度特征融合方法,未能有效地捕获深层语义信息,从而弱化了哈希码的表示能力并影响最终的检索效果.针对以上问题,提出了PMH-F^(3)模型.该模型针对样本缺失部分模态的情况,实现了部分多模态哈希.同时,基于深层网络架构,利用Transformer编码器,以自注意力方式捕获深层语义信息,并实现细粒度的多模态特征融合.基于MIRFlickr和MSCOCO数据集进行了充分实验并取得了最优的检索效果.实验结果表明:所提出的PMH-F^(3)模型能够有效地实现部分多模态哈希,并可应用于大规模多模态数据检索.

海量地震叠前数据精细质控方法及应用

“十四五”大庆油田振兴发展进入了新阶段,对海量地震数据规模化处理提出了新要求,地震资料处理迈入了盆地级叠前大数据时代。叠前地震资料大数据质量的好坏关系着偏移成像品质的高低,因此叠前地震资料大数据的精细质控对油田勘探开发高质量发展具有重大意义。由于数据道头信息缺项、归档内容不规范、数据回溯难、数据结构化与文档保存不同步等难题,叠前地震资料的数据质量受到不同程度的影响,无法满足勘探开发高质、高效、全生命周期的生产需求。经过不断地探索与实践,建立了“五化精细质控”,即以质控工作制度化、多级质控流程化、质控评价表单化、质控软件标准化、数据管理信息化为核心的叠前大数据精细质控方法,有效提升了地震数据品质,为地震资料高质量处理保驾护航,实现了叠前地震资料的标准化管理与规范化治理。该方法针对海量地震叠前数据,建立了盆地级地震大数据平台标准化管理与质控,统一了数据规范标准,有效提升了数据质量,完善了质量控制流程、模式,更新了质控标准,有效地支撑勘探开发核心业务的高质量、高效率、规模化发展。

基于多维度体系和组合权重的雷达多目标跟踪评估模型

针对目前雷达多目标跟踪的评估指标单一化、只能对特定类型关联算法进行评估和单一权重计算导致评估偏差等问题,本文提出了基于宏观和精细的多维度指标体系并结合主客观组合权重,构建雷达多目标跟踪评估模型。首先,分别从多目标跟踪的航迹整体维度与航迹中点迹的精细变化角度入手,提出宏观与精细两类指标对目标跟踪结果进行多维度的分析;然后,针对不同的数据关联方式采用软硬两种决策来对目标与实际航迹进行匹配并计算各指标值;最后,分别通过G1序列法和CRITIC法计算指标的主客观权重,再通过最小二乘法将主客观权重融合为组合权重,将其代入优化模型得到最终的多目标跟踪评估结果。实验结果表明,该模型可以在稀疏、密集等多目标复杂运动场景下对多目标跟踪做出灵活全面的评估。

基于对抗擦除的细粒度图像数据增强方法

不同于常规图像识别,细粒度图像识别中不同类别的视觉差异往往只取决对象的细微部件,因此对于细粒度图像识别任务而言,发现对象具有判别力的细微部件发挥了重要作用。为此,文中提出了基于对抗擦除的数据增强方法(AEDA),在训练阶段首先通过特征图定位对象最具有判别力的细微部件作为增强的部件图像,然后擦除对象最具有判别力的细微部件作为增强的互补图像。通过输入部件图像可以使网络学习对象最具有判别力的细微部件,通过输入互补图像可以迫使网络发现对象其他具有判别力的细微部件。在细粒度图像识别领域的三个经典公开数据集上的实验结果表明文中所提数据增强方法可以大幅提升模型性能且全面优于基于擦除的经典数据增强方法Cutout。此外引入定位模块(AOLM),使文中所提方法识别性能进一步提升,在CUB、Aircraft、Car数据集上分别达到了88.7%、94.2%、95.3%的识别精度。同时该方法还大幅度提升了定位性能,表明其在弱监督目标定位视觉任务的潜力。