一种基于高校网络舆情监管的时间序列模型分析——以西安交通大学兵马俑BBS为例

通过对西安交通大学BBS系统访问日志的数据挖掘,获得访问量最大的十个版面的时间序列数据,利用两种单位根检验方法证实了访问量存在时间上的自相关性。通过建立带有虚拟变量的AR(1)自相关模型稳定性进行分析,并得出在假期所有版面访问量均不同程度下降的结论。同时,模型结果还表明绝大多数版面在周末的访问量也会相应的下降。文章还给出了针对不同版面修正的自相关模型的估计结果。最后,针对模型得到的数据,我们总结了影响BBS网络舆论的几个重要因素,并提出了控制BBS网络舆论的几点可操作意见。

以专业认证为导向的电子信息工程专业教学规范化建设研究

电子信息工程专业是在电子信息工程方面的较宽口径专业,在国民经济中占有十分重要的地位,是发展快速的行业,已经渗透到生产和生活的各个领域。紧紧把握新常态下国家教育综合改革的发展方向,专业认证是新时期国家"五位一体"高等教育评估制度的重要内容,是推动国家高等教育内涵式发展的重要举措。在本科教学工作审核评估的过程中,使其更明确了在教学规范化方面的建设方向,并逐步为专业认证工作奠定坚实的基础。

基于多尺度眼动信息熵的抑郁检测

针对传统抑郁检测过程中出现的高主观依赖性和非普适性等弊端,提出一种基于多尺度眼动信息熵的抑郁检测方法。该方法以眼动扫描路径的多尺度信息熵为特征,通过比较被试在同一语义刺激下的眼动扫描路径差异,检测抑郁高危人群和抑郁症患者。在作答抑郁高危自评量表的眼动数据集上,该方法的平均分类准确度为80.36%,相较于MultiMatch、ScanMatch和SubsMatch算法,分别提升了12.50百分点、11.79百分点和9.08百分点。实验结果表明,该方法可以更好地捕获细颗粒度眼动信息,具有更高的准确度和灵敏度。

基于事件相机的敏感生物信息隐私保护研究进展

进入大数据时代后,互联网应用和信息服务全面普及,大量的个人敏感生物信息被收集整理,导致隐私泄露风险增加;事件相机作为新型的生物启发式传感器,具有低延迟、高动态、无纹理等特性,可为解决数据端隐私保护问题提供全新的技术途径,也因其光敏工作原理而适用于家庭监控等私人场景。本文从大数据时代的隐私泄露问题、事件相机在隐私保护中的优势两方面,深入分析了事件相机用于隐私保护的研究背景;系统梳理了基于人脸模板的隐私保护、基于去识别的隐私保护、基于点云混沌加密的隐私保护等传统的敏感生物信息隐私保护方法,包括行人重识别、手势识别、面部分析在内的面向隐私保护的事件感知方法以及两大类方法的研究进展。进一步总结了强度图像重建、图像修复、视频重建等基于事件流的图像重建与修复新进展,完成了基于6种算法的图像重建及其结果分析,证明已有重建算法对纹理信息的恢复能力有限,反向验证了基于事件相机的隐私保护技术可行性。针对事件相机未来的规模化应用,提出了降低硬件成本、改进算法网络、从市场角度推动等发展建议,以期为事件相机的隐私保护深化应用提供基础参考。

交通监控系统中基于多源信息融合的运动阴影检测

针对目前运动提取算法常将运动阴影错误检测为前景目标的问题,提出了一种交通监控系统中基于多源信息融合的运动阴影检测算法.在颜色空间中利用亮度、色度和边缘信息检测阴影的可能区域,使用逻辑“与”操作融合多源检测结果得到最终的阴影区域.与其他算法相比,新算法能更好地区分前景尤其是暗色前景及其阴影,提高了阴影区域的检测精度,更准确地实现了运动目标的提取.仿真实验表明,对不同颜色和尺寸的前景引起的阴影,算法都能鲁棒地分离目标及其阴影区域,前景提取效果好.

电子商务中非字母文字的信息隐匿安全通信算法

提出了一种新的适合于非字母文字的信息隐匿安全通信算法 ,阐述了该算法的数学原理、密钥的构造方法和通信协议 .该算法同模拟函数算法相比 ,具有运算速度快、占用内存少的特点 .理论证明 ,该算法不仅对那些为了特定信息而扫描因特网的大型计算机具有免疫能力 ,而且对为了特定信息而扫描因特网信息的普通人的被动攻击也具有免疫能力 .该算法对于在电子商务活动中的中文信息的安全通信具有重要的意义 .

信息工程专业培养计划制定中几个问题的思考

为了适应教育部颁布的98’本科专业目录的实施，根据教育部的要求，在学校的统一部署下，我校进行了99’本科培养计划的制定工作。本文将信息专业培养计划制定中若干问题的认识与思考作一介绍。

电子信息类专业计算机系列课程教学改革

对于一个从事电子信息工程技术研究、开发、设计的科技工作者，系统地掌握计算机的理论知识，打下牢固的计算机应用技术基础，熟练地使用计算机解决专业领域中的技术问题应当说是一项基本要求。本文就大学本科教学中如何来实现这项要求，从经历的阶段所需要研究的问题，提出要求和目标，并探索一些方向性问题。

异质外延单晶金刚石及其相关电子器件的研究进展

相较于传统的硅材料,宽禁带半导体材料更适合制作高压、高频、高功率的半导体器件,被认为是后摩尔时代材料创新的关键角色。单晶金刚石拥有大禁带宽度、高热导率、高迁移率等优异特性,更是下一代大功率、高频电子器件的理想半导体材料。然而由于可获得单晶金刚石的尺寸较小,且价格昂贵,极大地阻碍了金刚石的发展。历经长时间的探索,异质外延生长技术成为了获得高质量、大面积单晶金刚石的有效手段。本综述从金刚石异质外延的衬底选择、生长机理以及质量改善等方面对近些年来异质外延单晶金刚石的发展进行详细介绍。进一步地,对基于异质外延单晶金刚石的场效应晶体管和二极管的研究进行了总结,说明了异质外延单晶金刚石在电子器件领域的巨大潜力。最后总结了异质外延单晶金刚石仍需面对的挑战,展望了其在未来的应用与发展前景。

基于信息化背景的大学生学习特征及策略研究

信息化背景是当下大学生学习的现实境遇,在此环境下,大学生的学习形成了许多新的特征,如依赖网络、碎片化学习、多路径学习、自主学习倾向明显等。这些特征是信息化背景下大学生学习的自然选择,具有一定的盲目性。当前必须针对信息化背景下大学生的相关学习特征因势利导,才能促进大学生形成自觉的信息化观念和意识,培养信息处理能力,提高自主学习能力,实现有效学习。

ChatGPT的工作原理、关键技术及未来发展趋势

ChatGPT是自然语言处理领域的一项重要技术突破,专注于对话生成任务,在多种任务中表现出卓越的性能。主要探讨ChatGPT的演变历程、关键技术,并分析了其未来可能的发展方向。首先,介绍了ChatGPT的模型架构和技术演进过程。随后,重点讨论了ChatGPT的关键技术,包括提示学习与指令微调、思维链、人类反馈强化学习。然后,分析了由于基于概率生成原理所造成的固有局限,包括事实性错误、垂直领域深度性弱、潜在的恶意应用风险、可解释性及模型实时性差等。最后,探讨了其在典型应用中存在的问题和相应的解决途径,包括在训练评估过程中考虑道德和安全性因素,以降低潜在风险;结合外部专家知识和迁移学习,以提高模型对特定领域的理解能力,更好地适应特定任务场景;引入多模态数据,以提高模型信息理解能力,增强模型通用性和泛化性。通过对ChatGPT模型框架、技术演变与关键技术的分析,为深入理解ChatGPT提供帮助;结合原理分析其固有缺陷,并结合实际应用中存在的问题,挖掘未来可能的研究方向,为自然语言处理领域的深入研究提供有益参考。

多机协同智能发展战略研究

多个自主智能系统通过信息、行为交互构成的多机协同智能,代表着未来智能系统的必然发展趋势,是我国新一代人工智能规划部署的主攻方向,也是支撑国防、社会安全的核心技术和推动制造业由大到强的必由之路。开展突破多机协同智能技术发展研究,对于推动我国军事智能、智能产业高质量发展、加快工业转型升级具有重要意义。本文基于多机协同智能系统当前面临的难以适应复杂任务这一挑战,从基础理论和核心关键技术两个层面出发,系统地梳理了多机协同智能的研究现状,分析了制约基础理论与关键技术发展的主要瓶颈性问题,并以多机协同智能制造为典型应用,剖析理论与技术发展中存在的问题。研究认为,多机协同智能将朝着人机群组智能的方向发展,为抢占发展先机,需及早布局人机群组智能的基础理论探索,加速核心技术突破,并加快应用示范。

《人工智能本科专业知识体系与课程设置》新旧之序

《人工智能本科专业知识体系与课程设置》(第2版)(如图1所示)之序探讨的主要观点是“知识的变与不变”,其第1版(如图2所示)之序探讨的主要观点是“教育也是一种创造”。一、知识的变与不变时间过得真快,仿佛一转身,五年就已过去。

一种实时的基于振幅图的ToF深度优化方法

目前,ToF(Time of Flight)三维成像技术在人脸检测、3D目标识别、三维重建等视觉任务领域具有广阔的应用前景。然而,用ToF相机所获得的深度信息往往存在与像素、温度、深度畸变、多径干扰以及背景光相关的噪声干扰。现有的ToF优化算法耗时较大且很难保留目标的细节信息,这些问题严重影响了ToF相机的实际应用。针对以上问题,本文提出一种实时的基于振幅图的ToF深度图优化方法。首先通过ToF接收端采集的原始数据生成带有噪声的振幅图像。针对振幅图中的噪声,选用快速高效的双边网格滤波对振幅图进行去噪。然后,利用优化后的振幅图生成掩码以分割出深度图中前景和背景区域。同时,对深度图中的噪声以及误差像素用滤波的方式优化,最后将优化后的深度图和掩码融合生成最终的深度图。实验结果表明,本文所提算法可以实时有效地滤除深度图噪声,去除背景噪声的干扰,同时能很好地保留深度图中目标对象的细节信息。有助于ToF相机拥有更广泛的应用场景。

大电流金刚石功率肖特基势垒二极管

基于硼掺杂金刚石外延材料,开展了安培级大电流金刚石功率肖特基势垒二极管(SBD)的研制。为了获得高的电流导通能力和击穿电压,该器件采用了垂直结构设计,包含300μm厚的硼重掺杂金刚石衬底和2.5μm厚的轻掺杂漂移层。采用低功函数金属Ti与p型金刚石形成了良好的肖特基接触,肖特基势垒高度1.23 eV,理想因子1.54,并在肖特基电极边缘进行了硼离子注入以抑制边缘电场。研制的金刚石功率SBD正向导通电流高达1 A,反向击穿电压653 V,巴利加优值(Baliga's Figure Of Merit,BFOM)达到了20.1 MW/cm^(2)。

多域网络中基于时延感知的虚拟网络映射方法

随着各种时延敏感型应用的出现,如何提高系统的时延性能已经成为了学术界的热门话题。然而,现有的多域映射算法很难满足虚拟网络对时延性能的要求。因此,为了解决这一问题,提出了一种基于时延感知的多域虚拟网络映射算法(time delay sensitive virtual network embedding,TDS-VNE)。在节点映射阶段定义了一个节点传播时延评价函数(D),在链路映射阶段定义了路径时延感知参数。仿真结果表明,提出的映射算法降低了平均网络传播时延且在虚拟网络请求接受率、长期收益成本比等指标上具有良好的效果。

基于二级时空分桶的伴随轨迹查询

随着移动传感器设备的普及,人们能够采集到的位置数据越来越多,轨迹数据的规模也越来越庞大.从大规模时空数据中查找与指定轨迹最相似的前k条轨迹一直是时空大数据挖掘的重要挑战之一.现有的相似轨迹查询方法大都包括三个阶段:(1)对海量的离线轨迹数据建立索引;(2)基于索引结构从已知轨迹集中查询与指定轨迹相似的候选轨迹;(3)计算指定轨迹与候选轨迹之间的精确相似度并返回相似度最大的前k条轨迹.但大多数现有方法对轨迹进行聚类索引时不能有效利用时间和空间信息,导致时间相似度不高的轨迹也会被划分到相同的索引项上,最终影响查询的准确性和效率.此外,现有的时空轨迹相似度计算方法存在大量的无效运算,使得相似轨迹的查询效率整体较低.针对当前伴随轨迹查询方法对时间与空间信息利用不充分的问题,本文提出一种新的二级时空分桶索引结构,首先将每条轨迹数据按照时间滑动窗口划分为若干带有时间槽信息的子轨迹,在时间上对轨迹进行一级索引聚类;在此基础上对在相同时间槽内的子轨迹进行二级空间索引聚类,利用哈希算法将具有连续相同位置点的子轨迹映射到同一时空分桶中.与已有索引方法相比,该方法对不同轨迹在索引时具有更好的区分度,查询时的筛选条件更为严格,有效降低了候选轨迹集的规模.针对现有轨迹相似度计算方法效率低下的问题,提出一种基于时差约束的轨迹相似度计算方法.利用轨迹之间的时差排除大量不必要的位置比较运算,将轨迹相似度的计算复杂度控制在线性级别,大大提高了计算效率,同时为过滤伴随轨迹查询过程中的无效计算,对基于时差约束的轨迹相似度计算方法进行变体得到一种上下界过滤方法,最大限度地避免了无效计算.最后,在4个真实的大规模轨迹数据集上对所提方法进行实验验证,实验结果表明所提方法的轨迹查找效率是已知最好方法的9~20倍,证明了算法的有效性.

球墨铸铁电极气体开关特性研究

高功率容量的气体开关是国内外大型脉冲功率装置的首选,但因气体放电随机性导致的自击穿电压抖动一直以来是脉冲功率装置的瓶颈问题。电极是影响气体开关稳定性和寿命的关键,开关设计总要面临低抖动和长寿命之间的取舍,提出一种兼顾低抖动、长寿命特性的球墨铸铁气体开关。基于对球墨铸铁材料的特性分析,提出球墨均布于电极有利于提高气体开关击穿稳定性的机制,且球状石墨均布于整个电极体内,相比表面结构,具有长寿命的原生优势。设计开展了单级开关稳定性测试实验,结果表明球墨铸铁电极可将传统电极结构3%~4%的重频自击穿抖动有效降低至2.5%。最终利用低抖动球墨电极,设计了5级1 MV等自击穿概率型全密封气体开关,开关抖动进一步降低至2%以下。在测试电压范围960~980 kV,放电电流约9 kA,无维护条件下开展了开关30万脉冲寿命考核,自击穿抖动维持在2%以下,最优达1.7%。开关导通前沿小于5 ns,传输效率大于90%。此结果展现了球墨铸铁作为气体开关电极的应用潜力。

激光诱导击穿光谱仪器化研制综述

作为一种新型物质探测技术,激光诱导击穿光谱(LIBS)技术因具有制样简单、非接触式测量、现场适应能力强、分析速度快以及能同时对多种元素进行识别和定量分析等突出优点,近年来在工厂运维、垃圾回收、岩矿分析、文化遗产保护、环境监测、生物医疗、食品检验、国土安全等诸多领域得到广泛应用。在从实验室逐步走向实际应用的过程中,各国研究人员开发了各式LIBS仪器,根据其大小和使用特点,大致可分为台式、远程式和便携式三类。本研究对激光诱导击穿光谱的原理、系统构成和发展脉络作了系统性的介绍,对现有的LIBS仪器进行了分类与综述,细致探讨了各类设备的优势及面临的挑战,并对未来的发展方向进行了展望。

基于Transformer结构增强的神经网络架构搜索性能预测器

神经网络架构搜索(Neural Architecture Search,NAS)作为一种通过搜索算法设计神经网络架构的方法,在计算机视觉和自然语言处理等领域得到广泛应用,相较于人工设计网络,NAS方法可以减少设计成本并提高模型性能.但是NAS的性能评估需要对候选架构进行大量训练,由此带来的计算量占整个NAS的80%以上.为降低计算开销和时间成本,近年来已提出许多基于Transformer的NAS预测器,由于Transformer出色的结构编码能力可以更好地表示拓扑信息,因而得到广泛应用.但是,现有基于Transformer的NAS预测器依然存在三个问题:其一是在预处理阶段,传统的One-hot编码方式描述节点特征的能力较弱,只能区分不同操作节点类型,而难以表达操作的细节特征,如卷积核尺寸等.其二是在编码阶段,Transformer的自注意力机制导致模型结构信息缺失;其三是在评估阶段,现有的Transformer预测器仅使用多层感知机(Multilayer Perceptron,MLP)对前向传播图进行精度预测,忽略了反向传播梯度流对预测精度的影响,因此难以真正拟合NAS评估中的正、反向交替信息流图,导致预测器精度与实际运行精度误差波动极大(10%~90%).为解决上述问题,本文提出了一种基于Transformer结构增强的NAS性能预测方法.首先,在预处理阶段,本文提出了一种超维嵌入方法增加输入数据维度以强化节点操作的参数描述能力,其次,在编码阶段将Transformer编码后的信息与图结构信息共同输人一个图卷积网络(Graph Convolutional Network,GCN),弥补由自注意力机制引起的结构缺失.最后,在性能评估阶段,本文构建了同时包含前向传播和反向传播的全训练图,并将数据集信息、图结构编码与梯度编码共同输入到GCN网络预测器中,使预测结果更贴近模型真实性能.实验结果表明,本方法与目前最先进方法相比,肯德尔相关系数提高了7.45%,训练时间减少了1.55倍。