课程文献中心 更多>>

关键词： 脑心交互   EEG振荡   情绪诱发   网络生理学   时间延迟稳定性  

摘要： 近10年来,情绪加工中大脑与心脏的复杂生理交互成为研究热点。本研究采用网络生理学方法,分析Dreamer数据库中414条视觉情绪诱发期间的脑电和心电信号间的时间延迟稳定性(TDS)量化指标,探究视觉情绪刺激下的脑心交互。研究揭示了情绪处理时大脑半球间的不对称连接,特别是大脑右半球在交互中的主导地位。脑电分析强调了低频段(δ、θ、α)在情绪信息传输中的核心作用,其中额叶区域的δ-θ耦合对情绪调节尤为关键。在高效价情绪状态下δ-θ耦合的%TDS值(0.78±0.05)显著高于低效价状态(0.65±0.04)。此外,低效价脑心交互的平均连接强度最高达(0.68±0.06),而高效价下降至最低(0.59±0.03)。这些发现不仅增进了对情绪加工中大脑皮层与心脏同步机制的理解,而且丰富了神经生理学与情绪科学的知识体系。

关键词： 社交机器人   人机共生   舆论引导  

摘要： 人工智能时代,社交机器人给我们带来好处的同时也伴随着风险,比如扰乱网络传播秩序、破坏舆论生态,甚至操控事件导向等。社交机器人在网络上的复杂性让互联网这个意识形态领域的主战场形势更为严峻,本文通过对国内外多个案例的分析,充分展现社交机器人对网络传播秩序的影响,给主流媒体舆论引导带来的挑战以及应对策略。

关键词： 概念漂移   回归   全工况模型  

摘要： 数据流中概念漂移问题会严重影响模型预测精度,又因为其难以预测性,成为数据驱动建模领域面临的一大挑战,近年来受到广泛的关注。虽然滑动窗等自适应策略提高了模型的实时预测性能,但对于模型在全工况范围内的预测精度研究较少。为解决该问题,文中提出一种基于聚类和RBF神经网络的概念漂移数据流回归算法(Cluster-RBF-based regression algorithm for Concept Drifting data Streams,CRBFCDS)。算法采用聚类思想选择建模样本,同时利用滑动窗更新样本,保证样本的多样性和实效性,在此基础上分别利用PLS算法及RBF神经网络为内核建立对象全局非线性模型,比较了两种内核的效果。文中利用人工数据和CSTR仿真过程数据对算法的实时预测精度及全工况预测情况进行比较分析,实验数据表明,该算法的实时预测误差较低,而全工况范围内的预测误差明显低于现有的回归算法。实验结果说明,本算法在保持实时预测精度的基础上提高了模型在全工况范围内的预测能力,同时具有良好的自适应性,解决了对于概念漂移数据流全工况非线性模型的建立问题。

关键词： 软件项目   风险管理   BP神经网络   自适应矩估计算法   风险预测  

摘要： 互联网信息技术行业迅猛发展,软件工程领域也经历了技术的快速演进、软件产品数量的激增及复杂性的提升。这些变化不仅推动了技术进步,也给从事软件开发的企业和寻求软件开发服务的组织带来了显著的风险。目前,有许多软件风险分析管理项目,但大多只针对大型软件项目开发精确、具有针对性的风险分析系统,部分中小型企业软件项目风险分析只基于设计的量表,对软件项目风险分析系统的研发比较少见,而进行精确高效的风险分析是确保软件各阶段质量的重要因素。因此,基于此背景,对软件项目风险进行了详细划分,探讨了可能导致项目失败或财务损失的各种风险要素,提出一种新的软件项目风险分析系统。基于自适应矩估计算法优化BP神经网络实现风险分析,并主要针对企业进行调研,通过系统给出的风险指数进行分析、预测、改进,进而帮助企业规划、制定、运行、维护软件项目,降低或避免因风险而产生的非预期损失。

关键词： 期刊出版   印刷版   传播效率   科研成果   黑龙江工程学院   学术期刊   首发权   《中国学术期刊(光盘版)》  

摘要： 为了以规范的网络期刊出版方式更快、更好地确立作者的科研成果首发权,提高论文的传播效率和学术价值,《黑龙江工程学院学报》已与《中国学术期刊(光盘版)》电子杂志社有限公司(简称电子杂志社)签署《CAJ-N网络首发学术期刊合作出版协议》。凡经本刊审定录用的稿件(录用定稿)择优进行网络首发,后视编排情况发布排版定稿和整期汇编定稿,最后以印刷版形式出版。

关键词： 儿童罪   网络性引诱   预备犯   儿童性权利保护  

摘要： 目前互联网已成为儿童性侵害的新媒介,网络儿童“性引诱”现象较为突出。犯罪学最新研究显示,网络儿童“性引诱”的实质是以建立一种稳定可靠的关系为手段,以便在未来通过实际接触的方式对儿童实施性侵犯。从刑法学的角度看,性引诱属于强奸或猥亵儿童罪的犯罪预备行为。多国法律已明确将儿童性引诱行为纳入刑事制裁范围。我国则以扩张猥亵儿童罪的适用作为应对策略,最高法发布的将“隔空猥亵”认定为猥亵儿童罪的指导案例及相关司法解释即为典型例证。然而,该策略存在预备犯普遍处罚依据的正当性疑问、猥亵的“口袋罪化”倾向等不足。更为妥当的做法是在猥亵儿童罪中单独设立一款,将网络儿童“性引诱”行为单独在刑法中予以规制。在对性引诱犯罪中犯罪人的性犯罪意图进行证明时,可采取“实质性步骤”标准。有必要对我国儿童性犯罪的法律规制进行整合与完善,围绕性虐待、性剥削、儿童色情、性引诱等不同性权利侵害行为制定一部专门的儿童性权利保护法。

关键词： 视觉SLAM   目标检测   室内动态环境   光流法  

摘要： 针对同步定位与地图构建(Simultaneous Localization and Mapping, SLAM)系统在室内动态环境中存在鲁棒性变差、定位精度降低的问题,提出了一种基于改进YOLOv8n目标检测网络的室内动态视觉SLAM算法。首先,选择YOLOv8n网络作为基线,并采用Ghost卷积替换原卷积,同时增加一个小目标检测层,减小网络模型体积,提高模型检测速度。其次,将改进的YOLOv8n目标检测网络与LK稀疏光流法结合,并引入视觉SLAM系统跟踪线程中,对场景中动态目标进行识别判断,筛选并剔除动态特征点;最后,仅使用静态特征点进行特征匹配和位姿估计。实验结果表明,在TUM数据集动态序列下相较于ORB-SLAM2,绝对轨迹均方根误差平均降低了96.62%,显著提高系统的鲁棒性和定位精度。与DS-SLAM、DynaSLAM等系统相比,该系统也能更有效平衡检测速度与定位精度。To address the issues of reduced robustness and lower localization accuracy in Simultaneous Loca- lization and Mapping (SLAM) systems within dynamic indoor environments, an indoor dynamic visual SLAM algorithm based on an improved object detection network is proposed. First, the YOLOv8n network is selected as the baseline, and Ghost convolution is employed to replace the original convolution, along with the addition of a small object detection layer to reduce the model size and improve detection speed. Second, the improved YOLOv8n object detection network is integrated with the Lucas-Kanade sparse optical flow method and is introduced into the tracking thread of the visual SLAM system to identify and filter out dynamic feature points from the scene. Finally, only static feature points are utilized for feature matching and pose estimation. Experimental results indicate that, on the dynamic sequences of the TUM dataset, the root mean square error of the absolute trajectory is reduced by an average of 96.62% compared to ORB-SLAM2, significantly enhancing system robustness and localization accuracy. Compared to systems such as DS-SLAM and DynaSLAM, this system also effectively balances detection speed and accuracy.

关键词： 动态图   链路预测   图神经网络   脉冲神经网络  

摘要： 动态图链路预测通过图上的历史交互预测未来节点间链路的形成或消失。为减少基于循环神经网络建模网络动态的方法在细粒度时间的动态图上具有较高能耗的问题,提出一种基于脉冲神经网络优化的动态图链路预测模型,通过融合脉冲神经网络的节点记忆更新模块,脉冲化节点记忆的更新过程,训练图神经网络学习动态图的演化动态并实现链路预测。在3个公开经典数据集上的结果表明,模型在运行速度上得到提升,并保留了准确性,在动态图链路预测任务中具有较好的性能表现。

关键词： 轻量骨干网络   变电站一次设备   运行状态   智能监测  

摘要： 变电站通常处于如高温、低温、潮湿、电磁干扰等恶劣环境中,这些环境因素会影响监测设备的准确性和稳定性。为此,提出一种基于轻量骨干网络的变电站一次设备运行状态智能监测技术。首先,设计了型号为Model-IDC1000的变电站一次设备运行状态数据采集器,对采集来的变电站一次设备运行状态数据完成聚类处理;其次,建立了MobileNet V2轻量骨干网络,基于此实现变电站一次设备运行状态智能监测;最后,试验结果表明所提方法的数据聚类效果明显,且变电站一次设备运行状态数据更新频率更高,智能监测精度更优。

关键词： 目标跟踪   长短时记忆网络   卡尔曼滤波  

摘要： 传统机动目标跟踪方法在机动模型建模方面,通过模型集自适应交互的方式,实现模型与目标真实运动的匹配。在跟踪非合作目标时,由于机动状态随时变化,且机动形式多样,当模型集内的有限个模型均无法精准表征其真实运动时,跟踪性能下降。将模型修正和状态修正两级神经网络融入到滤波递推过程中,提出一种基于堆叠长短时记忆(Stacked Long Short-Term Memory,SLSTM)网络的两级修正机动目标跟踪方法(Two Level Modified Maneuvering Target Tracking,TLM-MTT),第一级模型修正网络实时感知目标的机动,调整模型参数,实现机动模型的精准建模,第二级状态修正网络对状态估计进行实时补偿,提升滤波输出的精度。通过离线方式进行网络训练,训练后的网络用于在线实时跟踪,相较于传统方法和其他智能化滤波方法,文中所提方法对高机动目标跟踪具有更好的跟踪性能。