Changes in the Brain’s Intrinsic Organization in the Resting State with Real-Time fMRI Neurofeedback Training of Posterior Cingulate Cortex Activity

Real-time functional magnetic resonance imaging (rtfMRI) technology has been widely used to train subjects to actively regulate the activity of specific brain regions. Although many previous studies have demonstrated that neurofeedback training alters the functional connectivity between brain regions in the task state and resting state, it is unclear how the regulation of the key hub of the default mode network (DMN) affects the topological properties of the resting-state brain network. The current study aimed to investigate what topological changes would occur in the large-scale intrinsic organization of the resting state after the real-time down-regulation of the posterior cingulate cortex (PCC). The results indicated that the down-regulation of the PCC in the DMN reduced the functional connectivity of the PCC with the nodes outside of the DMN and reduced functional connectivity between the superior medial frontal gyrus (SFGmed) and parahippocampal gyrus (PHG) in the experimental group. Moreover, the nodal graph properties of the SFGmed were reduced, while that of the PHG showed the opposite alteration after the down-regulation of the PCC. These findings possibly suggest that the regulation of the key hub of the DMN, the PCC, mainly changed the information transfer of the SFGmed and PHG.

动态有权图上的随机游走概率计算

图上的随机游走概率计算是传统图论与现代数据挖掘领域普遍关注的问题之一.现有工作普遍关注静态图上的随机游走概率计算,却鲜少关注与实际应用场景更贴合的权重动态图.针对动态有权图上的随机游走概率计算问题,提出了一种基于硬币翻转采样的随机游走概率计算方法.相比于传统的基于权重采样的随机游走概率计算方法,所提方法可以在保证随机游走概率计算结果无偏的前提下,同时做到近似最优的随机游走概率计算复杂度和最优的采样结构更新复杂度.作为对比,现有方法或具有较大的计算时间复杂度,或依赖于复杂的索引结构而难以在动态图上即时更新.对所提方法做出了详细的理论分析,并在真实图数据集上进行模拟实验,实验结果证实了所提方法的有效性.

面向主动配电网实时优化调度的图强化学习方法

主动配电网的新能源、储能等能源形式可以有效提高运行的灵活性和可靠性,同时新能源和负荷也给配电网带来了双重不确定性,致使主动配电网的实时优化调度决策维度大、建模精度差.针对这一问题,本文提出结合图神经网络和强化学习的图强化学习方法,避免对复杂系统的精准建模.首先,将实时优化调度问题表述为马尔可夫决策过程,并将其表述为动态序贯决策问题.其次,提出了基于物理连接关系的图表示方法,用以表达状态量的隐含相关性.随后,提出图强化学习来学习将系统状态图映射到决策输出的最优策略.最后,将图强化学习推广到分布式图强化学习.算例结果表明,图强化学习在最优性和效率方面都取得了更好的效果.

子图增强的实时同名消歧

实时同名消歧旨在实时、准确地将具有歧义的作者姓名的新增论文关联到同名候选作者中的正确作者。当前同名消歧算法主要解决冷启动同名消歧问题,较少探索如何高效并有效地解决实时同名消歧问题。该文提出了子图增强的实时同名消歧模型RND-all,该模型通过高效地融合待消歧论文与候选作者之间的结构特征来提升模型的准确率。模型根据待消歧论文的属性与同名候选作者的档案分别构建子图,使用子图结构特征提取框架来计算图相关性特征,最后,通过特征工程以及文本嵌入方法计算语义匹配特征,并利用集成学习实现语义信息与结构信息的融合。实验结果表明,融入结构信息能够有效提升实时同名消歧任务的准确性,RND-all在百万级同名消歧基准WhoIsWho测试集上效果排名第一。

带连通性约束的快速交互式Graph-Cut算法

Graph-Cut算法是图像及视频中经典且有效的前景和背景分离算法,针对其计算量较大导致实时性不佳、前景和背景颜色相似时分割结果易出现shrinking bias现象的问题,提出一种改进算法.该算法利用Mean-Shift技术对图像进行预处理,将原图像表示成基于区域的、而不是基于像素的图结构,预处理结果还可应用于后续的前景和背景颜色分布估计过程,使得计算量大大下降;在能量函数中引入了具有自适应权值调节功能的连通性约束项,有效地改善了shrinking bias现象,提高了分割结果的精确性.实验结果表明,文中算法具有良好的实时交互性,且分割效果更加稳定和精确.

基于实时视频流的3D人体姿势和形状估计

为满足元宇宙、游戏及虚拟现实等应用场景中对实时视频流3D人体姿势和形状估计准确性和真实性的要求,提出了一种基于时间注意力机制的3D人体姿势和形状估计方法。首先,提取图像特征,并将其输入运动连续注意力模块以更好地校准需要注意的时间序列范围;随后,使用实时特征注意力集成模块以有效地组合当前帧与过去帧的特征表示;最后,通过人体参数回归网络得到最终结果,并使用基于图卷积的生成对抗网络判断模型是否来自真实的人体运动数据。相较于之前基于实时视频流的方法,在主流数据集上加速度误差平均减少了30%的同时,网络参数与计算量减少了65%,在实际测试中实现了每秒55~60帧的3D人体姿态和形状估计速度,为元宇宙、游戏及虚拟现实等应用场景提供更好的用户体验和更高的应用价值。

基于时空图注意力网络的服务机器人动态避障

为了解决服务机器人在具有自主决策能力的密集人群中容易发生碰撞、假死和路径不自然等问题,在深度强化学习的框架下提出基于时空图注意力网络的服务机器人动态避障算法。时空图注意力网络作为邻近策略优化(PPO)算法的决策函数,首先采用门控循环单元控制机器人对环境的记忆和遗忘程度,提取环境的时间特征,使其对行人运动趋势有一定的预测作用;然后采用图注意力网络获取机器人和行人在空间上的隐式交互特征,使机器人能寻找无碰撞路径;最后在PPO算法中对时空图注意力网络进行训练,使得机器人在人群中完成无碰撞导航任务。在人均2.5 m^(2)的动态封闭环境中对算法进行实验验证,结果表明,与非学习型的动态窗口算法相比,该算法导航成功率提高71个百分点,与基于学习型的DSRNN-RL算法相比,该算法导航成功率提高3个百分点同时导航路径更短。Gazebo环境下的实时导航测试结果表明,所提算法的平均推理时间为21.90 ms,可以满足实时导航的要求。

基于微服务架构的智慧灯杆系统研究与应用

传统智慧灯杆系统实时数据的推送和获取需通过不断轮询,占用系统开销,网络带宽压力大,且高流量请求可能造成系统崩溃等问题。为解决上述问题,设计和实现了一种基于微服务架构的智慧灯杆数据实时推送系统。从业务实际需求出发,对系统技术架构与功能架构进行设计,明确4种技术模块与功能模块,并通过提取梳理模块、功能、实体以及资源结点的关系与属性,明确不同结点之间的权重,搭建图网络,采用图聚类算法将系统拆分为以实时数据推送服务为主的九大微服务。系统针对实时数据推送需求,采用双Redis数据库设计,分离实时数据与缓存数据,明确了3种实时数据存储结构以及数据点位表、转存配置表、系统三者之间的关系,启用Redis实时数据库键空间通知功能,监听特定键值变化,并通过Websocket实时推送到客户端。系统测试表明,该系统可以高效、准确地实现智慧灯杆实时数据推送以及历史数据的展示与存储,满足实时性与并发需求,其为智慧城市中的智慧灯杆数据可视化场景建设提供了完善的解决方案。

局部颜色模型的交互式Graph-Cut分割算法

由于目前大多数交互式Graph-Cut分割算法很难达到精确分割且实时交互的效果.对此,提出一种基于局部颜色模型的改进算法.该算法利用Mean-Shift预分割,建立基于局部颜色模型的交互式分割框架,并将像素级的Graph-Cut算法转化为基于区域的算法进行快速求解.预分割之后的区域保持了原有图像的结构,不仅提高了采用局部颜色模型估计分布的准确性,而且基于区域Graph-Cut的算法明显降低了计算的复杂度.实验结果表明,改进后的算法不仅保证了分割的精确性,而且还达到了实时交互.

SpecGraph:基于并发更新的分布式实时图计算模型

随着互联网的快速发展,越来越多的应用需要在大规模图结构数据上作分析和计算,面对动态变化的图结构,人们希望能够实时地得到反映最新图结构的计算结果.传统的图处理系统都是面向静态图结构,不能满足动态图结构的实时性要求.已经提出的增量图计算模型,其算法适用范围受限,而且都是基于串行执行增量更新,当图结构变化比较迅速时,往往结果的实时性不够高.提出了一种新的基于并发更新的图计算模型SpecGraph,它通过解耦合的计算模型、异步执行引擎和基于推测执行的并发更新机制,达到更广的算法适用性和更高的实时性要求.SpecGraph通过解耦合的计算模型,使得顶点状态只依赖于接收到的邻居信息,为增量更新和并发更新提供了透明实现的可能;通过异步计算引擎,使得系统在增量更新时更加灵活,资源占用低,同时保证了并发的可执行性;通过基于推测执行的并发增量更新,SpecGraph能够达到更高的实时性要求.

基于知识图谱的短视频实时推荐方法研究

短视频可以使用户在碎片化的时间里获得丰富的内容信息,具有录制简单、传播速度快、占用带宽少等特征,得到了越来越多人的青睐.但同时短视频用户的兴趣具有时间敏感性,即倾向获取最新短视频,因此,提升短视频推荐的实时性是当前研究的热点.知识图谱可以将丰富的交互关系信息以及用户和短视频的属性信息融合起来,因此利用知识图谱进行表征,可以提升短视频推荐的实时性,本文提出了一种基于知识图谱的短视频实时推荐方法.该方法首先通过注意力机制提取短视频的属性特征,然后使用融合了时间信息的知识图卷积网络来表示丰富的用户与短视频的信息,用以表征用户的短期兴趣,同时将用户历史浏览信息通过图卷积得到用户的长期兴趣,最后通过RNN(循环神经网络)模型将长短期兴趣进行融合,得到最终的实时推荐结果.通过实验验证,本文所提方法比FM(因子分解机)、LSTM(长短时记忆)网络等主流的动态推荐方法的准确率、召回率均有所提升.

基于全局优化的实时高精度模型重建

三维形貌测量在先进制造、航空航天、生物医学等领域发挥着重要的应用。凭借高精度、全视场、非接触等优点,条纹投影轮廓术是目前使用最广泛的一种光学三维测量手段。为了获得物体全局三维信息,通常需要将待测物置于转台之上,通过不断地扫描和拼接来获得物体的全局信息。然而,传统的扫描和拼接是以离线的方式进行的,导致整个三维模型的重建速度缓慢。现有的实时点云配准方法虽然能够有效提高点云扫描与拼接的速度,但实时点云拼接的精度依然受待测物的运动状态影响。本文针对上述问题进行优化改进,提出一种基于全局优化的实时高精度模型重建方法。首先,介绍了一种由粗配准到精配准的快速点云配准算法并提出了基于点云法向量约束的点云初始化算法,能够提升粗配准过程中点云初始位姿计算的稳定性与精度。其次,在精配准阶段引入了图优化算法以获得全局点云位姿的最优解,进一步提升了全局点云配准的精度。实验结果表明,所提方法相比于现有实时模型重建方法,能够实现更高精度且稳定的全局点云配准。特别地,针对动态场景中由于抖动等因素引起的被测物体速度突变等情况,本方法依然能够鲁棒地完成三维模型重建,全方位模型重建的精度达84μm。

基于电力生产画面的时序数据查询统计组件开发及应用

生产数据的查询统计功能始终是各生产管理业务分析决策的基础,多年信息化建设及其应用效果显示,数据查询的模式、功能和性能仍不能满足实际需求。基于此,提出并开发了基于监控画面软件的数据查询统计组件,通过对组件的数据链路架构的设计、数据读取和统计机制的优化、数据资源的共享和备份等方面的开发和思考,实现了对生产实时数据的个性化管理、轻量级分析、灵活性读取的良好效果。所开发的画面标签组件和数据链路模式经过测试和实际应用表明,基于画面的数据查询统计功能与数据库实现了松耦合,支持C/S和B/S 2种部署模式和国产化替代需求,支持集成多数据源和多层级机构下的画面数据统一查询。其数据查询效率和趋势查询效率达到或接近数据库原生管理工具的水平,优于常规监控信息系统(supervisory information system,SIS)网站的查询效率。最后,提出了监控画面标签组件功能与SIS数据查询、报表系统的整合共享机制,有助于降低数据使用的重复工作成本。

基于实时动态图联合学习框架的金融交易风控技术

金融交易风险防控是金融风控平台最重要的能力之一.近年来,随着金融风控平台智能化需求的不断升级,对其中相关应用算法的性能要求也水涨船高.目前业界已完成了两代针对金融交易行为的表征学习框架的迭代升级.第一代框架引入了金融交易活动参与者自身的历史行为序列,利用序列模型学习其历史行为特征.第二代框架通过一套实时大数据系统对资金流图进行建模,根据业务专家预定义的业务规则计算出需要的实时特征,并将其输入到后续的判别模型中.相比第一代,第二代框架引入了更多实时动态资金流图上的交互信息,因而取得了不错的性能提升.然而,第二代框架在精细化、智能化和时序建模方面仍存在较大不足.为了解决这些问题,本文针对性地设计了第三代框架,该框架通过动态图表征学习算法,从实时资金流图的原始数据中直接进行表征学习,以此规避了第二代框架中的诸多问题.总的来说,本文在时序信息建模和动态图框架层面均进行了创新性设计.在时序信息建模层面,利用了C2GAT模块(连续时间和上下文感知的图注意力神经网络),在动态多变的资金流图上快速地捕捉了高阶的结构化时序状态与信息.在动态图框架层面,开发了一套联合实时动态图表征框架——RULF,该框架可以实时刻画出金融场景中多用户资金行为中存在的特定模式.将金融场景中多角色联合行为和单角色独立行为进行了显式地解耦,并将多个子图模块联合起来学习,通过学习到更精准的行为表征,从而更进一步地提高下游判别模型的性能.本文将以花呗套现交易识别—一个典型的金融交易风控场景为例,介绍该框架在实际业务场景中的设计思想和实现细节.

基于二维连通图的无人机快速三维路径规划

针对复杂真实环境下无人机三维路径规划解算速度慢的问题,提出一种基于二维连通图的快速三维路径规划方法。首先解析真实地理环境的地形特征和建筑要素,构建基于数字高程模型(DEM)的多层次等效三维数字地图;在此基础上,经过无人机可行空域到二维连通图的转化、连通图中的路径规划及路径的三维化与优化,快速获得一条可执行的三维路径。针对连通图中的全局路径规划,设计了一种基于步长地图的变步长稀疏A*算法,在保证路径质量的同时有效降低路径搜索的时间;针对连通图中的局部路径规划,提出一种基于障碍预测的随机路标图(PRM)实时路径重规划算法,以满足无人机的实时性避障需求。分别在山地环境和城市环境中进行仿真飞行,结果表明:所提方法能够有效降低三维路径规划的解算难度,在短时间内完成复杂环境下不同尺度和需求的路径规划,全局路径规划算法同比三维A*算法和基于二维连通图的二维A*算法搜索时间分别降低了99%和95%,局部路径重规划算法能够在1 s的单次采样周期内完成路径重规划,实时躲避未知障碍物,保证飞行过程的安全。

基于SVG的实时监控系统设计与实现

SVG克服了现有的基于象素的Web上的图形的缺点并且很好的融合了传统Web的标准,同时弥补了Web图形在动态性和交互式能力方面的不足。随着SVG逐渐成为网络中矢量图形的业界标准,SVG的应用领域也不断扩展。文章探讨了SVG在实时监控系统中的应用问题,利用SVG对图元对象的支持以及基于XML标准的事实,将实时监控系统从本地系统移植到Web应用上。利用SVG对图形交互的支持,实现了基于Web的实时监控系统的仿真调节,并从整体上阐述了基于SVG的实时监控系统的设计与实现。

一种基于图划分的人造红外目标实时分割算法

提出一种基于图划分的实时红外目标分割方法.选用规格化划分值作为区分目标和背景的最佳阈值选取的准则.该准则联合考虑了象素的灰度信息及其空间位置信息,因而分割红外目标比常规方法更为准确可靠.文章对该算法的时间复杂性及空间复杂性进行了分析,为满足实时处理的需要,对算法进行了简化处理,并定义四种方向的领域权值矩阵,提出一种快速查表的方法有效地解决了算法的实时性问题.试验结果表明,该方法能够有效地完成红外目标的准确分割,分割性能优于传统的Otsu准则和一维熵方法,同时,采用快速实现算法大大提高了该算法实时处理能力,节省了存储空间,从而使该算法在实际中能得到有效应用.

发电厂电气部分培训仿真系统数据库的设计及其特点

介绍了应用于发电厂电气部分培训仿真系统数据库设计及其特点，结合甘肃西固热电厂电气部分培训仿真系统数据库设计实例，对仿真系统数据库的实时性与快速性等特点作了分析，提出并实现了图形数据一体化和数据预处理在数据库中的应用。

动态图的实时三维可视化的稳定性算法

提出动态图的实时三维可视化及其稳定性的问题。讨论在图的实时重画中兼顾动态稳定性和美观性的平衡策略。在三维静态美观布局算法的基础上,给出了动态图的若干实时三维可视化的稳定性算法,并分析了这些算法的时间性能和适用范围。算法已应用在若干可视化编程环境。

一种新的基于图谱理论的图像阈值分割方法

提出了一种新的图像阈值分割方法,该方法采用图谱划分测度作为区分目标和背景的阈值分割准则.采用基于灰度级的权值矩阵来代替通常所用的基于图像像素的权值矩阵来描述图像各像素的关系,因而算法所需的存储空间及实现的复杂性与其他基于图论的图像分割方法相比大大减少,从而有利于应用在各种实时视觉系统(如自动目标识别,ATR).大量的实验结果表明:与现有的阈值分割方法相比,文中提出的方法具有更为优越的分割性能.