联合多连接特征编解码与小波池化的轻量级语义分割

语义分割是当前场景理解领域的基础技术之一。现存的语义分割网络通常结构复杂、参数量大、图像特征信息损失过多和计算效率低。针对以上问题,基于编-解码器框架和离散小波变换,设计了一个联合多连接特征编解码与小波池化的轻量级语义分割网络MLWP-Net(Multi-Link Wavelet-Pooled Network),在编码阶段利用多连接策略并结合深度可分离卷积、空洞卷积和通道压缩设计了轻量级特征提取瓶颈结构,并设计了低频混合小波池化操作替代传统的下采样操作,有效降低编码过程造成的信息丢失;在解码阶段,设计了多分支并行空洞卷积解码器以融合多级特征并行实现图像分辨率的恢复。实验结果表明,MLWP-Net仅以0.74 MB的参数量在数据集Cityscapes和CamVid上分别达到74.1%和68.2%mIoU的分割精度,验证了该算法的有效性。

医学领域知识融合研究进展

医学领域知识融合旨在将分散在各个知识图谱或不同数据源中的医学知识进行整合,形成一个更全面的知识图谱,在提高知识质量、扩大规模、提高医学知识利用率和共享性等方面具有促进作用。围绕知识融合的问题和解决方案,首先系统地梳理了医学领域知识融合的定义、评价指标及数据集;分类讨论了知识融合过程中存在的问题与挑战;然后从问题、技术两个维度,综述了目前知识融合中实体对齐、实体链接任务各方法的优势与不足;详细讨论和总结了医学领域知识融合每一类问题的相关解决方案;最后,总结并展望了医学领域知识融合的发展方向。

基于双融合图注意力网络多模态知识图谱链路预测

知识图谱链路预测是一种根据知识图谱已存在的事实去预测缺失事实的任务,旨在解决知识图谱不完整性问题。但是现有的知识图谱链路预测有一定的缺陷,传统方法只使用单一的数据模态,没有充分利用不同数据模态的丰富信息,并且在图神经网络中孤立地看待实体和关系,没有考虑到不同邻域实体关系权重的不同。为了解决上述缺陷,提出了基于双融合图注意力网络的多模态知识图谱链路预测模型。首先,使用了图像、文本和属性3种模态,同时为了保证数据模态特征的一致性和互补性,设计了一个基于早期融合和晚期融合结合的双融合机制对多模态信息进行融合;然后,为了加强知识图中实体关系的融合以及邻域关系,同时考虑了实体以及关系的多样性,融合了实体表示和关系表示,并通过图注意力网络进行聚合以加强实体的特征表示。通过在4个公开的数据集FB15K-237、WN18RR、DB15K以及YAGO15K进行模拟实验,结果表明,提出的多模态知识图谱链路预测方法具有较好的性能。

面向通协算智融合应用的数据链体系架构

基于数据链领域关键技术研究现状和发展趋势,设计了一种面向通信、协同、计算和智能(通协算智)融合应用的数据链体系架构。首先,从作战应用需求、技术融合需求2个角度深度分析了数据链架构革新升级的需求;其次,结合需求明确了架构设计时采用兼容、开放、跨层、融合、内生、柔性以及孪生的基本思路;再次,基于设计思路,从实体、逻辑和功能3个维度开展架构设计;最后,给出了架构设计过程中的关键技术应用方向。

应用双曲空间特征融合的姓名消歧方法研究

针对传统用户影响力分析等研究遇到姓名重名的挑战,姓名歧义的影响日益严重的问题,本文基于双曲空间结合欧氏空间进行特征融合,提出融合多空间特征的网络对齐方法(geometry interaction network alignment,GINA),有效建模网络结构对用户姓名消歧的主要作用。本文同时使用欧氏空间和双曲空间进行网络表示学习,以获取具有不同空间特点的网络结构信息,使用跨空间网络映射及跨空间特征融合在尽量减少空间映射损失的情况下实现不同空间的信息交互得到最终的网络表示,进行网络对齐,进而实现姓名消歧。本文在中文论文合作网络、英文论文合作网络和中文专利合作网络上,两两对齐构建论文-专利实证数据网络对齐数据集和中文-英文实证数据网络对齐数据集,开展GINA模型在网络对齐数据集上对重名人员身份识别和中外论文身份识别2个实证场景试验验证,双曲空间融合欧氏空间相比单一空间精确率增加了24.9%,验证了GINA方法的有效性。

基于融合中间特征网络的视盘和视杯联合分割

针对视盘和视杯联合分割中视杯分割精度较差的问题,提出了一种融合编码与解码中间特征的U型网络(encode-decode middle feature fusion U-Net,EMFF-Net)。EMFF-Net使用预训练的ResNet34作为编码结构,在编码结构后加入密集空洞卷积和金字塔池化模块以产生复合感受域的特征,并使用交叉注意力连接替换U型网络结构中的跳跃连接。交叉注意力连接融合了编码特征与解码特征,通过通道注意力模块和空间注意力模块提取融合特征的信息用于强化解码特征,减小了解码特征与编码特征的语义沟壑。强化后的解码特征与编码特征再次融合后,通过解码结构输出视盘和视杯的联合分割结果。实验结果表明,与其他常用的分割方法相比,EMFF-Net的视盘和视杯联合分割效果较好,视杯分割性能有明显提升。

新一代开放式工业网络CC-Link IE TSN给工业互联网带来的技术性变革 第四讲:5G与CC-Link IE TSN融合的工业网络未来

当前,制造业正朝着自动化、降低综合成本和提高品质的方向发展,传感技术和高速网络技术、云/边缘计算、人工智能等以IT为手段、以数据为基础推动的信息驱动型社会正在持续发展。而在工业物联网的主流趋势下,德国"工业4.0"、美国"工业互联网"、中国"智能制造"及日本"互联产业",目标也是直指设备相互连接、数据得到最充分利用的"智能工厂"创建智能工厂,需要从生产过程中收集实时数据,通过边缘计算对其进行初步处理,然后将其无缝传输到IT系统。CC-Link IE TSN作为领先宣布的将千兆以太网带宽与TSN相结合的工业以太网技术,进一步拓展了CC-Link IE基于工业以太网实现企业从信息层到应用层纵向整合的先进通信技术,实现了IT和OT的实时无缝融合。

新一代开放式工业网络CC-Link IE TSN给工业互联网带来的技术性变革 第三讲:CC-Link IE TSN带来哪些改变

当前,制造业正朝着自动化、降低综合成本和提高品质的方向发展,传感技术和高速网络技术、云/边缘计算、人工智能等以IT为手段、以数据为基础推动的信息驱动型社会正在持续发展。而在工业物联网的主流趋势下,德国"工业4.0"、美国"工业互联网"、中国"智能制造"及日本"互联产业",目标也是直指设备相互连接、数据得到最充分利用的"智能工厂"创建智能工厂,需要从生产过程中收集实时数据,通过边缘计算对其进行初步处理,然后将其无缝传输到IT系统。CC-Link IE TSN作为领先宣布的将千兆以太网带宽与TSN相结合的工业以太网技术,进一步拓展了CC-Link IE基于工业以太网实现企业从信息层到应用层纵向整合的先进通信技术,实现了IT和OT的实时无缝融合。

电力通信链路模拟数据智能融合方法

为了提高电力通信系统数据融合时的节点存活率,提高网络连通性,提出了基于异构数据源的电力通信链路模拟数据智能融合方法。利用最小二乘残差估计法辨别噪声数据,识别异构数据中的不良数据。通过k-means聚类获取目标平均值,实现数据离散化并消除噪声。使用频繁项集的关联规则确定置信度阈值并挖掘不低于该阈值的数据。采用深度受限玻尔兹曼机算法将不同类型模拟数据映射到同一矢量空间内,实现智能融合。仿真实验结果表明,该数据融合方法的平均系统能量消耗为66.35 J,网络连通度范围为0.85~1,达到了提高节点存活率以及提升网络连通性的目的。

新一代开放式工业网络CC-Link IE TSN给工业互联网带来的技术性变革 第二讲:TSN的主要规范工作机制

当前,制造业正朝着自动化、降低综合成本和提高品质的方向发展,传感技术和高速网络技术、云/边缘计算、人工智能等以IT为手段、以数据为基础推动的信息驱动型社会正在持续发展。而在工业物联网的主流趋势下,德国"工业4.0"、美国"工业互联网"、中国"智能制造"及日本"互联产业",目标也是直指设备相互连接、数据得到最充分利用的"智能工厂"创建智能工厂,需要从生产过程中收集实时数据,通过边缘计算对其进行初步处理,然后将其无缝传输到IT系统。CC-Link IE TSN作为领先宣布的将千兆以太网带宽与TSN相结合的工业以太网技术,进一步拓展了CC-Link IE基于工业以太网实现企业从信息层到应用层纵向整合的先进通信技术,实现了IT和OT的实时无缝融合。

基于图注意力和特征融合的链路预测方法

链路预测是一种还原网络缺失信息的方法,通过当前已观察到的链路,预测实际存在但未被观察到的链路或可能出现的新链路.当前链路预测主要是基于图神经网络的深度学习方法,相比基于规则的启发式方法,前者可有效利用网络拓扑结构信息,较大地提升了网络链路预测性能,并可应用到类型更广泛的网络中.但是现有基于图神经网络的方法,仅利用网络中节点相对位置信息,忽视了节点基本属性和链路的邻居信息,且无法区分不同节点对链路形成的重要程度.为此,本文提出一种基于图注意力网络和特征融合的链路预测方法.通过增加节点的度、链路的共同邻居数量和共同邻居最大度等特征,丰富了网络的输入特征信息.本文首先提取以目标节点对为中心的子图,然后将其转化为对应的线图,线图中的节点和原图中的链路一一对应,从而将原图节点和链路信息融合到线图的节点中,提升了特征融合的有效性和可解释性.同时本文使用图注意力机制学习节点的权重,增强了特征融合的灵活性.实验表明,本文所提出的方法,在多个不同领域数据集上的AUC和AP均超过90%,在已观测链路缺失较多时,预测性能保持80%以上,且均优于现有最新方法。

基于链接预测模型的融合研究

知识图谱技术在信息检索、智能问答领域有着重要作用.为了解决大型知识图谱中的有效实体缺失问题,需要使用链接预测手段自动预测实体之间缺失的链接,完善知识图谱中缺失的实体.现在有许多链接预测的方法,其中基于神经网络的Grail模型侧重于对局部子图进行推理,具有很强的归纳倾向,但在语义层次建模方面存在不足.因此,提出了Grail&HAKE融合模型,通过将Grail模型与HAKE模型进行融合,解决了Grail模型在语义层次建模方面存在的不足.实验结果表明,Grail&HAKE的融合模型比单独使用Grail和HAKE模型的MRR值分别高出0.1005和0.3063,并且在部分数据集上优于其他融合模型.说明Grail&HAKE融合模型在知识图谱的有效实体链接预测方面是有效可用的.

基于数据链的多源导航信息融合技术

本文提出基于数据链的多源导航信息融合系统,并给出新的自适应分散Kalman滤波算法。基于残差χ^(2)检验法,设计分散滤波器中姿态子滤波器的故障检测模块,给出了局部滤波器故障检测隔离与重构的容错算法。系统仿真结果验证了增加数据链导航信息融合对于编队飞行/航行的导航性能提升效果。

融合拓扑和属性的动态网络链路预测方法

网络数据中出现的大量节点属性和随时间变化的特征,给链路预测提出了新挑战。基于注意力机制和循环神经网络对随时间演化网络进行建模,提出了DTA-LP模型。与传统的静态链路预测算法相比,DTA-LP使用LSTM捕获时序信息,动态预测可以更好应用于现实网络;与基于网络拓扑的动态链路预测算法相比,DTA-LP可以聚集高阶拓扑特征,有效挖掘网络邻域信息;与基于属性网络的动态链路预测算法相比,DTA-LP可以加权融合网络拓扑属性,提高预测精度。在4种真实数据上的实验结果表明,该方法能结合网络已有先验知识,以较高的MAP值来预测未来网络中的边,验证了模型的有效性。

多通道特征融合的实体链接模型泛化性能优化

实体链接是知识库问答和知识图谱构建的关键环节,中文语料库的语义表达稀疏,存在大量难以区分的相似实体,一般模型过于依赖除原始问答以外的特征信息,很难完全学习文本特征,使得实体链接准确率难以提高,进而限制了问答等上层应用的性能上限。针对这些问题,聚焦问答系统实体链接的候选生成和候选消歧,将实体消歧视为分类任务,构建了一种基于Bi-LSTM和CNN的多通道网络模型,提出阈值权重拼接策略融合CNN和LSTM通道提取的多维特征。引入双向注意力机制,充分挖掘问句提及表征和知识库实体描述之间的深层语义关系,有效降低问答对额外特征规则的依赖,以便应用在多领域知识库中。实验结果表明,在仅依靠问答原始信息的情况下,提出的实体链接模型显著提高了问答系统的整体性能,并具有较强的泛化性,在公开数据集CCKS2019-CKBQA和NLPCC-2016KBQA中取得了最优的Acc@1和F1值。

线上线下“双通道多环节”有效衔接的探索与实践

文章以《电气维修基础》课程改革为例,着重研究该课程线上线下教学的有效衔接。根据职业教育改革理念、学生特点、岗位特点及智能制造背景下的人才需求,以综合职业能力为目标,以职业标准为导向,以典型工作任务为载体,重新梳理课程的线上与线下内容边界,设计课程框架和课程模块。分析线上线下实施教学的优势,改革传统的教学模式,探索“双通道多环节”有效衔接模式。通过学生学习积极性和相关数据分析,证实改革取得了较好的成果。

运用多模态学习改进张量分解的知识补全方法

基于单一模态实体之间建立关联所形成的语义关系网难以准确理解现实世界中的多模态语义。为增强多源知识图谱的补全能力以及解决知识图谱语义缺失问题,提出一种基于多模态嵌入张量分解的方法ME-TD(multimodal embedding tensor decomposition)。利用由图像、描述文本和知识构成的三元组作为张量分解模型的输入,分别对图像和文本进行特征提取,研究3种融合方法:相加融合、相乘融合以及连接映射方法,通过高维映射形成一个多模态的三阶张量;经过三模式分解,产生一个核心张量与每一个维度因子矩阵的乘积,通过链接预测计算三元组正确的概率。实验结果表明,ME-TD方法在知识补全中对多模态矩阵预测效果相较于其它方法有较为明显提升。

数据链航迹延迟与ESM点迹间断融合跟踪

数据链与电子支援措施(Electronic Supporting Measures,ESM)融合跟踪是1种典型的异类多传感器信息融合。针对数据链航迹存在延迟和ESM点迹间断情况下的数据链航迹与ESM点迹融合跟踪,提出了复杂情况下的数据链与ESM融合跟踪方法,并对融合跟踪的精度进行分析研究。首先,对数据进行时间对准,保证数据链和ESM数据率一致;然后,通过构造基于不敏变换(Unscented Transformation,UT)的非线性量测转换和误差估计方法,将数据链数据对准到ESM数据;最后,通过引入随机补偿机制对数据链延迟进行补偿,并与ESM数据进行关联融合。实验结果表明,有延迟补偿时的融合跟踪精度取决于延迟补偿均值与实际延迟的贴近程度。结果可为信息综合处理装备的发展和设计提供借鉴。

一种基于链路预测的技术机会挖掘方法

本文提出一种使用链路预测方法判断技术融合趋势,从而实现技术机会预测的方法。利用专利间的引用关系,构建IPC引用网络表征知识间的流动,以此网络为基础,训练基于SVM的未来链接预测模型用于预测可能首次出现的技术流动,基于线性回归的链接边权预测模型用于预测未来会有更深程度融合的技术,综合两种模型的结果确定技术机会。最后,本文利用云计算专利数据验证了该方法的有效性,并对云计算的技术机会进行了预测。

一种有效的社会网络社区发现模型和算法

社会网络的社区发现存在划分效果较好的算法时间复杂度过高、现有快速划分算法划分质量不佳、缺乏表达和充分利用个体和链接属性信息的模型和机制等问题.针对这些问题,提出了一种边稳定系数模型和一种能表达个体间关系紧密度的完全信息图模型,在此基础上设计和实现了一种有效的社区发现算法.提出的完全信息图模型具有较高通用性,适用于需要融合个体和链接属性的社区发现算法.通过系列实验表明,所提出的以边稳定系数模型和完全信息图为基础的算法,对社会网络中的社区发现问题是有效的.算法不仅具有较快的速度,也能适用于带权与不带权的网络,得到的社区划分结果也具有较高的划分质量.