基于引导扩散模型的自然对抗补丁生成方法

近年来,物理世界中的对抗补丁攻击因其对深度学习模型安全的影响而引起了广泛关注.现有的工作主要集中在生成在物理世界中攻击性能良好的对抗补丁,没有考虑到对抗补丁图案与自然图像的差别,因此生成的对抗补丁往往不自然且容易被观察者发现.为了解决这个问题,本文提出了一种基于引导的扩散模型的自然对抗补丁生成方法.具体而言,本文通过解析目标检测器的输出构建预测对抗补丁攻击成功率的预测器,利用该预测器的梯度作为条件引导预训练的扩散模型的逆扩散过程,从而生成自然度更高且保持高攻击成功率的对抗补丁.本文在数字世界和物理世界中进行了广泛的实验,评估了对抗补丁针对各种目标检测模型的攻击效果以及对抗补丁的自然度.实验结果表明,通过将所构建的攻击成功率预测器与扩散模型相结合,本文的方法能够生成比现有方案更自然的对抗补丁,同时保持攻击性能.

基于扩散模型和爬坡趋势分类的风电功率自适应区间预测

扩散模型基于马尔可夫链的概率性质,能够定量描述风电的随机性和不确定性。然而,传统基于扩散模型的时序预测方法以当前输入前一段样本的均值作为基准进行特征缩放,导致预测区间在高峰时段过大、低谷时段过小。因此,提出一种基于扩散模型和爬坡趋势分类的风电功率自适应区间预测方法。首先,利用基于扩散模型的区间预测框架获取初始预测区间。然后,将风电波动过程划分为6种模式,对不同模式下的预测区间采取自适应规整策略,进而获得初始改进区间。接着,针对高出力模式中非爬坡时段的区间带宽不匹配问题,建立爬坡趋势分类评估模型,并结合所属出力模式进行区间修正,获得最终的区间预测结果。最后,实验结果表明所提方法的区间预测效果更优。

可变风险溢价结构下跳扩散模型的期权定价

风险溢价结构是真实测度与风险中性测度间的纽带,能够帮助提取投资者的风险偏好特征。本文针对跳扩散模型构建了灵活的风险溢价形式,允许期权市场隐含信息参与校准跳跃风险的市场价格,进而研究存在跳跃情形下的期权定价,并探索市场风险溢价结构。数值分析和实证研究表明,可变风险溢价结构有助于准确刻画市场定价核曲线,且市场风险溢价结构具有明显的时变特征,跳跃风险溢价能够较好解释隐含波动率曲面。此外,跳扩散模型的可变风险溢价结构在样本内外都具有明显的期权定价优势。考虑了不同样本长度、定价方法、定价区间以及期权产品后,以上结论均是稳健的。本研究有助于系统了解不同市场风险溢价结构与定价规律,有利于深入探索跳跃风险溢价补偿机制。

颠覆性技术识别与扩散趋势预测:概念模型与实证分析

发现并判断技术颠覆性潜力和扩散趋势,能够为国家和政府科技资源分配与未来产业的超前布局提供精准决策依据。首先,本文构建了颠覆性技术识别与扩散趋势预测的概念模型;其次,依据此模型以3D打印领域为例,从离群性和影响力维度识别颠覆性专利,提取颠覆性技术;最后,基于识别的颠覆性专利的施引专利,将自动标签和战略坐标应用于技术主题扩散路径绘制中,提出一种新的多位态自动标签技术主题扩散趋势预测方法,用于揭示核心、边缘、成熟、新兴等位态主题之间的动态扩散关系。研究发现,离群专利与颠覆性技术之间存在共生、匹配和关联的内在逻辑关系,从离群专利视角识别颠覆性技术具有可行性;1955—2017年,3D打印领域的颠覆性技术主要分布在高端装备制造、生物医药和材料3大方向,突出的技术领域是运输、发动机/泵/涡轮机、生物材料分析、半导体、环境技术;多位态自动标签技术主题扩散趋势预测结果显示,生物医疗3D打印技术主题未来发展潜力巨大。

膨润土胶体在处置库围岩裂隙中的扩散模型研究

为了预测膨润土胶体在甘肃北山高放废物深地质处置库围岩裂隙中的扩散过程,提出了综合考虑膨润土胶体颗粒自重与水化力的扩散模型。研究了钠离子浓度、水化力、胶体颗粒自重以及蒙脱石体积分数对膨润土胶体的扩散过程和扩散系数的影响。研究结果表明:随着钠离子浓度的增加,膨润土胶体的扩散速率与扩散距离均减小。胶体颗粒自重越大,对扩散的影响越大。随着扩散的进行,水化力对扩散的影响逐渐减小,范德华力和扩散双电层力对扩散的影响逐渐增大,膨润土胶体的扩散系数整体表现为先减小后增大。当蒙脱石体积分数较小时(φ<0.45),随着钠离子浓度的增加,扩散系数整体上逐渐增大;当蒙脱石体积分数较大时(φ>0.45),钠离子浓度对扩散系数的影响较小。

天然气泄漏扩散实验与高斯预测模型优化

众所周知,掌握天然气扩散规律是天然气泄漏监测方案设计的重要依据,其中利用高斯模型来预测天然气泄漏扩散规律已成为天然气事故风险评估和安全疏散的重要技术,但目前还没有适用于天然气等轻气泄漏扩散浓度测量的实验装置。为解决高斯预测模型对天然气泄漏扩散预测精度较低的问题,采用天然气扩散浓度监测实验平台,借由阵列布置的激光甲烷浓度探头测量不同风速和不同泄漏速率下,扩散下游空间内不同高度和位置的甲烷浓度,进一步修正了高斯扩散模型中的抬升高度和侧向、垂向扩散系数。研究结果表明:①自主设计的甲烷浓度监测实验平台,可实现下游扩散空间内任意位置的泄漏气云捕捉和分布式浓度测量;②天然气泄漏的气云抬升现象不明显,仅在无风、泄漏速率较小时出现了明显的气云向上抬升。结论认为,通过实验优化后的高斯扩散模型计算精度显著提升,对比查表获取的经验参数,本研究优化后的高斯模型预测扩散浓度偏差由33%降低至16%,显著降低了预测误差,成果对天然气泄漏风险评估与泄漏监测系统的设计具有重要指导意义。

技术扩散基础上的整体性对齐:大模型的开源与闭源之争

大模型的开闭源是目前一个重要的争论点,这种争论主要集中在效率问题、安全问题以及平等化与民主化问题上。促使大模型开源的动力主要来源于两个方面:一是开源大模型在市场上的独特优势所带来的经济利益;二是带有一定理想主义色彩的开发者对技术平等和技术民主的追求。大模型开源亦面临一些挑战,包括经济效益挑战、社会加速挑战和社会安全挑战。后两种挑战需要人类社会进行应对,包括两种方式,一是通过适当的闭源来缓冲技术扩散的速度,二是通过对齐技术来对大模型进行人类社会规则约束。大模型对齐应当是整体性的,包括阶梯性的对齐、人与大模型的双重对齐和大模型生产全过程对齐三个基本方面,而其实现机制包括透明性机制和协商机制。

具有扩散的生态-流行病模型的稳定性分析

讨论一个食饵具有扩散和捕食者具有疾病的生态-流行病模型的稳定性,考虑了由捕食者种群的妊娠期引起的时滞对种群动力学性态的影响。首先,通过分析特征方程,运用Hurwitz判定定理,讨论了该模型无病平衡点和地方病平衡点的局部稳定性,给出了平衡点附近存在Hopf分支的充分条件;其次,通过构造适当的Lyapunov泛函,运用LaSalle不变性原理,讨论了该模型无病平衡点和地方病平衡点的全局稳定性,从而得到了该生态系统永久持续生存的充分条件。

工程项目组合风险扩散模型的级联失效分析

为构建符合工程项目组合特点的风险扩散模型,解决风险扩散问题。本文考虑风险扩散的双关系载体—项目交互关系和风险因素逻辑关系,构建工程项目组合风险扩散的双层相依网络模型,运用级联失效理论提出风险扩散规则,通过数值仿真分析风险扩散特征。仿真结果发现:工程项目组合中,双层网络模型能够反映风险在项目和风险因素双关系载体中的扩散特征;与单层网络风险扩散模型相比,构建的模型展现出差异性的风险扩散效应,风险扩散在工程项目组合中表现出更剧烈的级联失效过程。风险扩散模型作为工程项目组合风险扩散问题的前置性研究,为进一步风险扩散网络稳定性的研究提供新思路和启发。

基于邻域分布的去噪扩散概率模型

样本有限的表格型数据缺乏不变性结构和足够样本,使得传统数据增强方法和生成式数据增强方法难以获得符合原始数据分布且具有多样性的数据.为此,文中依据表格型数据的特点和邻域风险最小化原则,提出基于邻域分布的去噪扩散概率模型(Vicinal Distribution Based Denoising Diffusion Probabilistic Model,VD-DDPM)及相应算法.首先,分析样本有限表格型数据的特征,通过先验知识选择弱相关特征,并构建样本的邻域分布.然后,利用邻域分布采样数据构建VD-DDPM模型,并使用VD-DDPM数据生成算法生成符合原始数据分布且具有多样性的数据集.在多个数据集上针对数据生成质量、下游模型性能等进行实验,验证VD-DDPM的有效性.

基于改进扩散模型的温度预报

针对传统数值预报模式计算时间长和计算资源消耗大的问题,以及现有深度学习预报方法在温度预报结果上不精确,且预测结果模糊的问题,提出了一个新的温度预报模型。首先,设计了一个时空信息捕捉模块,将该模块捕获的长期依赖信息,作为扩散模型的生成条件,赋予扩散模型预报的能力;其次,设计了一个新的平衡损失函数,同时保护了扩散模型的生成能力和时空信息捕捉模块对时空信息的捕捉能力;最后,基于美国国家环境预报中心的再分析数据进行预报,与现有的深度学习方法相比,所提模型预报结果的质量在均方误差(mean square error,MSE)上降低了17.3%,在均方根误差(root mean square error,RMSE)上降低了9.14%,在峰值信噪比(peak signal to noise ratio,PSNR)上提升了5.1%。改进的扩散模型能有效地捕捉时空依赖的关系,有效地进行时空序列预测,效果优于其他对比方法。

一类斑块捕食扩散模型的动力学分析

研究了一类斑块环境下的捕食模型,其食饵种群及捕食者种群均可扩散,得到了模型的净再生数.讨论了两个斑块模型下净再生数与扩散率、捕食转化率、捕食者死亡率之间的关系.

基于扩散模型的联珠团窠纹再生设计研究

生成式人工智能正广泛应用于图像生成领域,为解决传统纹样设计方法创作联珠团窠纹耗时耗力的问题,研究扩散模型应用于联珠团窠纹再生设计的方法。通过对联珠团窠纹艺术结构特征的提取和扩散模型中交叉注意力模块的研究,设计有效的描述文本并重构扩散模型,提出以结构相似度作为参考标准,采用高斯函数确定阈值进行筛选的再生设计方法。主客观评价结果证明了运用重构的扩散模型进行纹样再生设计的可行性。为联珠团窠纹的再生设计提供了新的思路与方法。

生成扩散模型研究综述

扩散模型在生成模型领域具有高质量的样本生成能力,一经推出就不断地刷新图像生成评价指标FID分数的记录,成为了该领域的研究热点,而此类相关综述在国内还鲜有介绍。因此,文中对相关扩散生成模型的研究进行汇总与分析。首先,对去噪扩散概率模型、基于分数的扩散生成模型和随机微分方程的扩散生成模型这3类通用模型的特点和原理进行了论述,就每一类基本扩散模型中以优化模型内部算法、高效采样为改进目标的相关衍生模型进行分析。其次,对当下扩散模型在计算机视觉、自然语言处理、时间序列、多模态和跨学科领域等方面的应用进行总结。最后,基于上述论述,分别就目前扩散生成模型存在的采样步骤多、采样时间长等局限性提出了相关建议,并结合前述研究对未来扩散生成模型的发展方向进行了研判。

基于扩散模型生成数据重构的客户流失预测

在数据挖掘领域普遍存在数据不平衡影响到模型预测精度的问题,同时还存在未考虑用户隐私保护的问题.生成伪造数据是一种重要的解决方法,但在以结构化数据为主的场景中,由于存在数据特征维度多且不相关等特点,生成高质量的数据存在挑战.考虑到扩散模型在图像生成等任务中被成功应用,以客户流失预测为典型应用场景,尝试将扩散模型应用到客户流失预测任务中.针对该场景数据中的数值型特征和类别型特征,通过高斯扩散模型和多项式扩散模型获得生成数据,并对模型预测效果和数据隐私保护能力进行研究和分析.在多个领域的客户流失数据上进行了大量实验,探索应用生成数据对真实数据融合重构的可能性.实验结果表明基于扩散模型可生成高质量数据,且对多种预测方法均有一定提升,可实现缓解数据不平衡问题.同时,基于扩散模型生成的数据分布更接近真实数据,具有应用于用户隐私保护的潜在价值.

b值范围对6种体部扩散模型在前列腺应用的影响评估

论文研究了不同b值采集范围对6种体部扩散模型定量参数计算的影响.研究涉及扩散模型包含单指数模型(Mono)、扩散峰度成像(DKI)、体素内非相干运动模型(IVIM)、扩散拉伸指数模型(SEM)、分数微积分模型(FROC)和随机游走模型(CTRW),b值范围0~2500 s/mm^(2).通过扩散模型参数之间的相关性、t检验以及前列腺病灶良恶性鉴别能力三个维度,评估了不同b值采集范围对参数计算的影响.结果显示与参考采样方案相比,随着最大b值降低,所得同一扩散参数感兴趣区域(ROI)均值的差异逐渐增大,但相关性降低不明显,且前列腺病灶良恶性的鉴别能力也保持相似水平.基于实验结果,建议在临床实践中采用b值范围为0~1500s/mm^(2)的采集方案.这一方案在具备较高采集效率的同时,一半以上参数与参考采样方案结果的相关性不低于0.98,且良恶性鉴别能力指标曲线下面积(AUC)值的差别小于0.01.此外,不同扩散模型对于b值方案的敏感性存在差异,其中SEM和CTRW模型的参数受b值范围的影响相对较小.

基于扩散模型的ControlNet网络虚拟试衣研究

为快速生成特定服装款式的成衣效果图,采用扩散模型,应用ControlNet网络实现虚拟试衣。首先将人体的关键点检测图与深度图作为扩散模型的控制条件,生成姿态可控的虚拟模特;再通过Canny边缘图生成虚拟试衣效果图。以3款连衣裙为例进行虚拟试衣实验,并优化扩散模型控制条件的参数设置;最后将生成结果与三维建模虚拟试衣结果进行对比和评价。结果表明:结合ControlNet网络的扩散模型能够控制虚拟模特的姿态特征,通过服装Canny边缘图可以生成特定服装款式的虚拟试衣效果。该方法生成的虚拟试衣相较三维建模技术实现的虚拟试衣方法更具表现力,操作更加直观快捷,能够为设计师提供款式图的成衣效果可视化参考,从而提高服装设计效率。

基于去噪扩散概率模型的水⁃光互补系统随机场景生成方法

随着水-光互补系统应用越来越广泛,准确地描述水-光出力的不确定性对电网的运行和规划具有重要影响。现有多源融合特性建模方法不仅存在考虑可再生能源出力时空相关性不充分的问题,而且在实际复杂应用环境下要进行先验假设,进而导致生成质量降低。基于此,文中提出了基于去噪扩散概率模型的水-光互补系统随机场景生成方法。首先,将结合欧氏距离和L2正则化的损失函数作为衡量生成噪声与原始噪声分布差异的标准,并设计适应水-光-荷随机场景生成的UNet网络结构;然后,通过对前向过程不断加噪和逆向过程不断去噪训练,捕捉水-光-荷多维变量相关性变化及波动特征,拟合其概率分布规律;最后,对多源数据协同建模,高效生成水-光互补系统随机场景。文中算例基于某地区电网实际采集数据进行测试,通过综合评估指标验证了所提方法的有效性。

基于扩散模型的伪造人脸检测分析

深度学习图像生成技术已取得显著进展,其中扩散模型是一种高效的生成模型,它被广泛用于图像生成。然而,由扩散模型生成的图像存在潜在的隐私和数据安全风险,尤其是伪造人脸图像可能被恶意用于伪造身份和欺骗人脸识别系统。通过对主流伪造人脸图像检测器的评估,揭示了扩散模型与生成对抗网络在频域上存在差异的特征,验证了基于频域分析的有效检测方法,为保护隐私和数据安全提供了强有力的支持。

面向多天气退化图像恢复的自注意力扩散模型

复杂天气下的图像恢复对后续高级计算机视觉任务具有重要意义.然而,多数现有图像恢复算法仅能去除单一天气退化,鲜有针对多天气退化图像恢复的同一模型.对此,结合去噪扩散概率模型和视觉Transformer,提出一种用于多天气退化图像恢复的自注意力扩散模型.首先,利用天气退化图像作为条件来引导扩散模型反向采样生成去除退化的干净背景图像.其次,提出次空间转置自注意力噪声估计网络,利用退化图像和噪化状态来估计噪声分布,包括次空间转置自注意力机制(STSA)和双分组门控前馈网络(DGGFFN).STSA利用次空间变换系数实现有效学习特征全局性长距离依赖的同时,可显著降低计算负担;DGGFFN利用双分组门控机制来增强前馈网络的非线性表征能力.实验结果表明,在5个天气退化图像数据集上,相比近来同类算法All-in-One和TransWeather,本文算法所得恢复图像的平均峰值信噪比分别提高3.68和3.08 dB,平均结构相似性分别提高2.93%和3.13%.