空间定位与特征泛化增强的铁路异物跟踪检测

针对现有深度学习异物跟踪检测算法易受复杂环境、目标遮挡等影响,导致出现漏检及检测精度低等问题,提出了一种空间定位与特征泛化增强的铁路异物跟踪检测算法。提出改进多尺度级联GhostNet特征提取网络,提升对红外目标的特征提取能力;利用异物空间位置定位与泛化形态信息,设计空间定位与特征泛化增强模块,增强对复杂场景下位置移动与跟踪轨迹变化目标的检测精度;构建金字塔预测网络,得到红外铁路异物的检测锚框、类别及置信度信息;通过改进类别和置信度显示的DeepSORT跟踪算法,结合卡尔曼滤波与匈牙利算法实现红外弱光环境下铁路异物跟踪检测。实验结果表明:所提算法对铁路异物的跟踪检测精确度达到83.3%,平均检测速度为11.3帧/s;与比较算法相比,所提算法检测精度更高,对红外弱光场景下铁路异物跟踪检测具有较好的性能。

文献信息资源用户泛在化标注模式研究

文献资源是数字图书馆最重要的信息资源,然而当前文献信息资源泛在服务能力不足问题凸显。研究以学术论文为文献信息资源代表,提出用户泛在化标注体系。首先,基于文献调研法和德尔菲法构建用户泛在化标注体系,设计用户泛在化标注系统收集标注者、标注行为和标注内容数据;然后,使用统计分析、时间序列分析等方法进行特征揭示,根据用户标注数据分析标注者个体特征、标注内容分布及演化特征;最后,研究采用用户实验和问卷相结合的方法开展用户阅读实验,验证用户泛在化标注体系的有效性,评估用户泛在化标注、传统分类主题标注的学术论文阅读效果是否存在差异。研究发现:用户泛在化标注体系多维揭示了学术论文的内容特征与形式特征,获得较高用户满意度。用户泛在化标注是对传统分类主题标注的重要补充,探索用户泛在化标注模式有助于改善用户阅读体验,提升学术资源泛在服务能力。

马克思休闲理论视阈下网络休闲“泛娱乐化”现象批判

在“批判旧世界”与“探索新世界”的过程中,马克思基于对人类在自由时间中的活动形式及其基本特征的探讨,敏锐地发觉了休闲对于人类社会和个体的自由全面发展所具有的重要意义。当今时代,互联网技术的发展为人们休闲提供了广阔空间,同时也衍生出了网络空间休闲生活的“泛娱乐化”现象。究其原因,主要是由多元文化价值渗透、资本利益裹挟驱动、数字媒介技术支持、监管滞后以及休闲主体能力不足等造成,需通过价值引领、规制资本、技术优化、素养提升和制度保障等举措,促使人们回归本真的现代休闲生活。

多种情感与认知任务驱动下大脑可泛化神经表征的发育模式

从脑智发育视角来讲,神经系统随着心理发展会产生出一系列具有功能特异化(specialization)且高度协同的模块。这些模块之间究竟如何协同支撑儿童情感与认知功能发展呢?本研究综合利用多个经典的情感与认知任务范式(含注意网络测试、情绪匹配和工作记忆任务)以及层级化(hierarchical)的多体素神经表征建模方法,重点考察7~12岁学龄儿童多元需求(multi-demand)额顶系统在情感与认知任务驱动下的通用性(task-general)作用以及分层级神经表征的组织方式。结果表明:儿童低年龄组、儿童高年龄组和成人组被试均表现出了多元需求额顶系统(包括顶内沟和额眼区域)共同参与多种情感与认知任务的现象,即跨任务共同激活;值得强调的是,学龄儿童多元需求额顶系统表现出了更低水平的跨任务神经表征可泛化性(generalizability),而作为控制分析的前扣带回、背外侧前额叶和前脑岛则没有表现出组间的可泛化性差异。我们推测多元需求额顶系统在发育中可能作为一个潜在的通用性“枢纽”,通过组构性(compositionality)的信息组织方式,实现不同任务目标驱动下分层级的神经表征与计算,进而支撑情感与认知功能随龄的发展。本研究突破了当前单任务范式视角下的发展认知神经科学研究框架,有望为理解跨情感与认知领域的脑智发育工作原理和开发人工智能新型算法提供新的启示。

基于域泛化的轻量化图像分类算法

现有睡岗数据集较少,且现阶段分类算法存在泛化性差、推理速度慢等问题,为此,构建一个包含4 708张图像的睡岗数据集,用于验证模型的识别精度和泛化能力,并提出一种基于域泛化的轻量化图像分类算法Stable_MobileNet。首先,对输入的图片填充短边,使其保持图像中的人物比例;其次,进行图像增强和随机擦除,用于扩充数据集;接着,引入高效的ECA注意力模块改进MobileNetv3_large网络;最后,使用稳定学习StableNet方法提高模型的泛化性,通过学习训练样本的权重来消除特征之间的依赖关系,这有助于模型摆脱环境的变化,更专注于人物特征。在睡岗数据集上的实验结果表明,Stable_MobileNet平均推理速度相较MobileNetv3_large更快,识别精度可达93.56%,比MobileNetv3_large提高了2.23%。在与训练样本具有不同分布的测试集中,Stable_MobileNet的识别精度相较MobileNetv3_large提高了2.23%。

基于域泛化的旋转机械故障诊断方法

在实际应用中,旋转机械设备的运行工况通常是不断变化且未知的,这会导致基于域自适应的故障诊断方法性能下降甚至失效。为应对这一挑战,提出了一种基于域泛化的旋转机械故障诊断方法,用于不可见工况下的故障诊断。利用多个可用的源域数据来训练故障诊断模型,通过特征提取器和域分类器之间的对抗性学习获取域不变特征来有效解决域偏移问题,从而使得模型能更好地适应不可见目标域。采用多核最大平均差异(multi-kernel maximum mean discrepancy,MK-MMD)对不同源域之间相同故障类别的特征进行距离度量,从而对齐它们的条件分布,使故障诊断模型获得更好的泛化能力。在轴承数据集和齿轮箱数据集上开展了广泛的实验,结果表明该方法能在不可见工况下取得了较高的诊断精度。

基于多尺度CNN与双阶段注意力机制的轴承工况域泛化故障诊断

变工况条件下,基于深度学习的列车轮对轴承故障诊断模型的训练集与测试集通常来自不同的工况,不同工况振动信号数据分布差异引起的领域漂移问题导致模型准确率降低。基于域适应的变工况轴承故障诊断方法需要获取目标工况域的样本数据参与训练,这在工程实际中难以实现,因此无法实现未知工况的轴承故障诊断。针对以上问题,提出了一种基于多尺度卷积神经网络与双阶段注意力机制网络(two-stage attention multiscale convolutional network model, TSAMCNN)模型的轴承工况域泛化故障诊断方法,其中多尺度特征提取模块从多个尺度上提取时域振动信号中更丰富的故障信息;然后,双阶段注意力模块从通道和空间两个维度自适应地增强故障敏感特征并抑制工况敏感特征和无用特征;最终,提取工况域不变故障特征,从而实现工况域泛化轴承故障诊断。通过变转速和变负载列车轮对轴承故障诊断试验,证明了TSAMCNN模型可提高变工况条件下轴承故障诊断的准确率、抗噪性能和工况域泛化能力。此外,对双阶段注意力机制的权重向量和模型各模块提取的特征进行可视化分析,提高了模型可解释性。

新闻泛化冲击下新闻教育的坚守与创新——《新闻学概论》课程教学的可供性探索

在深度媒介化社会,新闻已经泛化为一种“公共信息关系”。数字新闻生态颠覆了传统的新闻生产方式和新闻职业认知,促使新闻从“报道”转变为“交往”,行业竞争从“内容逻辑”转向“平台逻辑”,新闻生产主体从“记者”转变为“新闻人”,新闻教育也需要适应数字新闻生态进行人才培养的供给侧结构性改革。基于此,本文以《新闻学概论》课程为例,探索在新闻泛化与新闻职业再定位背景下,新闻教学实践如何通过可供性创新实现课程的“深度媒介化”,认为新闻教学改革应注重对数字媒体教学资源与教学条件的提供、数字新闻教学场景的营造、对学习者感知和能动性的刺激、教学主体之间的关系生成,并提出在具体的课程教学中,应当尝试提升具身感知可供性,延展时空可供性,增强交互可供性,开发情感可供性,避免隐含可供性和虚假可供性。

网络泛娱乐化对大学生价值观的影响及对策探索

互联网的不断普及,使得网络泛娱乐化现象进一步显现。在网络泛娱乐化的影响下,大学生的思维方式和价值观念正在逐渐发生改变,也出现了一些问题。政府应着力构建和谐的网络环境,提升网络媒体素养,高校应着力提升大学生自我教育能力,促进大学生形成正确的价值观体系,大学生也应提升自身的思辨能力,不在网络泛娱乐化中迷失方向,以追求高雅正向的文化,为更好地承担社会责任打下坚实的基础。

网络泛娱乐化思潮对大学生思想政治教育的影响及优化策略

随着科学与技术的日益进步,网络快速发展,成了绝大多数人生活和工作中不可缺少的一部分。而网络娱乐则成为多数人们在闲暇时间的一种消遣方式。网络的出现给我们的生活带来了翻天覆地的变化,使我们的生活面貌焕然一新。网络的发展给青年大学生的生活和学习带来了很多便捷、便利,但是也给青年大学生个别方面带来了很多的消极影响。

民营企业内部腐败治理泛罪化规制理路——以《刑法修正案(十二)》为视角

《刑法修正案(十二)》对非法经营同类营业罪、为亲友非法牟利罪、徇私舞弊低价折股、出售国有资产罪的相关条文进行了修正,将民营企业内部人员纳入犯罪主体范围,积极回应了民营企业内部腐败犯罪治理的时代诉求。但《刑法修正案(十二)》呈现泛罪化特点,在适用过程中不可避免地存在隐忧。民营企业保护的常态是尽可能“去犯罪化”,司法人员应秉承刑法谦抑性精神,注重新增条款与前置法之间的协调适用,以防刑法对民商事领域的过度干预。同时,促使民营企业自主规范经营是应对泛罪化立法的关键策略。为巩固《刑法修正案(十二)》的修法成果并贯彻落实国家促进民营经济发展壮大的指导意见,应对泛罪化立法带来的问题进行深入反思及化解,以期实现外部刑事法律治罪与内部腐败自主治理的有机衔接。

网络“泛娱乐化”对青年精神生活的解构及其批判重构

当前,网络“泛娱乐化”的弥散盛行正日渐对青年精神生活形成解构效应。以青年精神生活的数字化实践为主体前提,以网络“泛娱乐化”的渗透机制为重要倚仗,以资本逻辑的逐利本性为核心驱动,网络“泛娱乐化”成功获取解构青年精神生活的“基因密码”。在此基础上,依托“娱乐至上”的话语体系、“景观制造”的生存模式以及“流量为王”的行动逻辑等诸多强力手段,网络“泛娱乐化”致使青年心理生活、文化生活以及信仰生活坠入险境。为此,应通过激发主体自为调控心理生活、推进精神生产涵育文化生活、凝聚价值共识熔铸信仰生活展开靶向诊疗,进而在批判网络“泛娱乐化”中重构青年精神生活的美好图景。

霸权衰落与“泛安全化”:基于美国的个案分析

衰落是霸权的宿命,但霸权国既不会主动放弃国际政治中的主导地位,也不会静待霸权体系崩溃。处于衰落阶段的霸权国期待维持与崛起国之间的权力差距,以延长霸权的寿命。然而,权力转移等国际关系结构性因素的变化导致离岸平衡和军事打击等传统手段难以在衰落阶段奏效。相比之下,“安全化”为霸权国家的霸权护持行动与选择——如领域撤退或强制惩罚——提供了合法性依据。同时,由于霸权的同心圆特性,核心利益被触动会引发霸权国在核心和外围领域的全方位的打压,进而泛化议题和对象。衰落中的霸权国通过“危机感知”—“构建并接受安全化诉求”—“泛安全化”的传导路径,将维持霸权地位的诉求以泛安全化的形式展现出来。然而,美国霸权衰落的经验事实表明,泛安全化作为衰落阶段的霸权护持手段不仅与理论预期相反,而且成效也不尽人意。面对美国霸权的泛安全化,中国应当保持战略定力,坚守并贯彻总体国家安全观。

泛安全化背景下的国际信任缺失与重构

“泛安全化”现象是国际权力转移过程加速、国家间竞争和对抗加深、全球产业链价值链重构加快、国际规则和话语权斗争烈度加剧共同作用下的结果。日渐严重的泛安全化趋势导致全球不安全感持续攀升和信任赤字逐步扩大。而信任缺失进一步加速了泛安全化趋势,形成恶性循环。重建国际信任遂成为摆脱信任缺失与泛安全化加剧恶性循环、避免国际秩序坍塌式瓦解和暴力重构的关键。重塑国际信任的要义在于摒弃旧有霸权秩序下的单边主义、意识形态对抗和“新冷战”思维,通过多边主义恢复全球和地区合作气氛。在这一过程中,中国提出的“三大全球倡议”特别是全球安全倡议对于在世界百年未有之大变局中构建新安全价值规范、凝聚信任共识具有重要的启示价值。

泛安全化现象与南亚东南亚政治经济形势演进

新冠肺炎疫情结束后,包括南亚东南亚次区域在内的中国周边地区地缘格局深入演化,区域局势和地区秩序出现了显著变动与重大调整。不论是从区域整体态势变化角度看,还是从区域内主要行为体政治经济形势演进视角分析,南亚东南亚区域受到了国际格局演化驱动方式和方向的强烈影响,尤其是新冠肺炎疫情的演化、美国全球战略调整、俄乌冲突等三大因素影响。后疫情时代的美国对华战略更加极端化,中美博弈加速了中国周边地区力量格局演变与秩序重组。美国凭借联盟体系化优势对中国进行全方位极限施压,加深了中美矛盾。中美斗争外延至中国和周边国家关系,催生出周边多国的对华机会主义策略与选边站队的行为。未来,中国周边地区泛安全化趋势将进一步凸显,中国经略周边的安全挑战将明显增加。

基于贝叶斯单源域领域泛化算法的天然气管道故障智能诊断

基于深度学习算法的故障智能诊断模型已被广泛应用于天然气管道运输安全领域,然而管道通常处于准稳态,使得训练集中的故障样本量受限。为此,针对天然气管道故障诊断中因训练集故障样本量有限,导致难以准确诊断的问题,提出了一种基于贝叶斯单源域领域泛化(BSDG)算法,部署了一种攻击防御策略,通过在攻击阶段明确伪目标域增强路径,并在防御阶段引导模型参数的后验分布向伪域样本得分更高的方向调整,增强模型在面对不同域扰动时的适应性和鲁棒性。研究结果表明:(1)基于贝叶斯网络建立的非定向攻击模型确保伪域样本既保留了与源域的相关性,又引入了足够的域差异来模拟潜在的目标域,由此提升了多源域和单源域设置下的领域泛化诊断准确率;(2)测试结果显示,BSDG算法在多源域泛化任务及两项单源域泛化任务中,相较于性能最优的对比算法,其准确率分别提高了9.79%、5.09%和27.98%;(3)裕度差异损失通过在学习决策边界的过程中引入不确定性,令分类器可以灵活且有效应对频繁的分布变化,显著性测试结果表明BSDG算法在多数场景下显著优于先进对比算法;(4)贝叶斯神经网络通过在权重上引入不确定性,有效提升了BSDG算法的泛化稳定性。结论认为,BSDG算法通过使用基于贝叶斯推理的攻击防御策略,有效扩展了源域模型的决策边界,解决了实际场景数据匮乏导致的深度神经网络泛化能力差的问题,为样本受限情形下的天然气管道故障诊断模型设计提供了理论支撑。

网络“泛娱乐化现象”对青年理想信念的危害及其治理对策

随着互联网技术的蓬勃发展与新媒体时代的到来,娱乐文化将触角伸向了网络空间的各个层面,形成了泛娱乐化的网络“景观”。网络“泛娱乐化现象”以其去价值、去理性、去崇高的本质特征引发部分青年理想信念虚无化、价值取向功利化、精神信仰庸俗化、社会责任淡漠化等不良倾向。需要在厘清其造成不良影响原因的基础上,通过强化网络空间思想引领、教育引导、文化滋养、实践培育和环境治理等方式,为当代青年树立远大而坚定的理想信念保驾护航。

面向任务的机器人动作泛化研究

动作泛化是机器人被期望具备的功能,要求机器人不仅能重复人类示教的灵巧动作,还可以根据任务目标生成新动作,在小批量、多种类的生产要求下具有广阔的应用场景.针对面向任务需求快速学习和灵活泛化的目标,设计开发了机器人动作泛化框架.首先,进行少量示教,使用概率运动基元(probabilistic movement primitives,ProMP)构建动作的轨迹分布,以较少参数概括示教信息.其次,使用期望最大(expected maximum,EM)算法迭代估计模型参数,引入先验信息补充模型以保证稳定性.研究先验信息对泛化效果的影响,确定了合适的先验参数;研究傅里叶基函数对周期轨迹的拟合效果,提出轨迹分割与滤波方法以保证拟合精确平滑.利用模型的概率分布性质,将动作的概率范围收缩到特定位置,并进行整条轨迹的时间尺度缩放与空间位置变换,生成符合泛化要求的轨迹.最后,搭建了一个六自由度机器人喷涂场景进行动作泛化实验.结果表明:该框架能够快速生成多种泛化轨迹.单自由度轨迹学习平均消耗1.924 s,轨迹生成平均需0.004 s;六自由度轨迹学习平均消耗35.608 s,轨迹生成平均需0.011s.

独立性视角下的相频融合领域泛化方法

针对现有的领域泛化(DG)方法对领域特征处理粗糙和泛化能力弱的问题,提出一种基于频域特征独立性这一独特视角解决领域泛化问题的方法。首先,设计频域分解算法,将图像的深度特征快速傅里叶变换(FFT)后,再从相位信息中获得领域无关特征,以提高模型对领域无关特征的识别能力;其次,基于独立性视角,通过对样本的特征赋权,进一步消除频域特征中各属性的相关性,提取最有效领域无关特征,解决样本特征之间相关性带来的泛化能力差的问题;最后,提出幅度融合策略,拉近源域和目标域的距离,进一步提升模型对未知领域的泛化能力。在流行的图像领域泛化的数据集PACS和VLCS上的实验结果表明,所提方法的准确率均值比StableNet分别高0.44、0.59个百分点,且在各个数据集上均取得了优秀的性能。

基于可泛化模型的复杂商务场景数据分析

随着全球经济合作与竞争形势的快速发展,复杂商务场景日益涌现。其中,数据的规模和复杂性也呈现显著增长,在带来可利用数据资源的同时,也为有效挖掘和分析潜在商务模式带来挑战。本文首先针对复杂商务场景下的数据特点进行分析,其次调研了商务分析方法的研究进展,包括:大规模商务数据集、多模态预训练与特征融合方法以及多场景下可泛化商务模型技术。此外,对复杂商务场景数据分析在未来的应用发展进行思考与总结,讨论了目前亟需解决的关键问题,包括:对更多模态的适应性、商务分析模型可解释性、动态环境下的分布变化鲁棒性等。进一步分析了复杂商务场景可泛化模型的研究现状和挑战,旨在为复杂商务分析领域的研究提供初步参考,实现复杂商务场景的全面智能化。