基于双视图图-图表示学习的图级异常检测研究 学术背景 在当今数据驱动的世界中，图（Graph）作为一种强大的数据结构，被广泛应用于社交网络分析、金融欺诈检测和生物信息学等领域。图能够有效地表示复杂的关系数据，例如社交网络中的用户关系、金融交易中的资金流动以及化学分子中的原子和化学键关系。然而，随着图数据的广泛应用，如何从大量图数据中检测出异常的图样本（Graph-Level Anomaly Detection, GLAD）成为了一个重要的研究问题。 现有的GLAD方法通常依赖于图神经网络（Graph Neural Networks, GNNs）来提取图级表示，并基于这些表示进行异常检测。然而，GNNs的局限性在于其感受野（receptive field）有限，可能无法捕捉到图中潜在的异常信息...
学术背景 随着人工智能（AI）技术的快速发展，智能教育系统（Intelligent Tutoring Systems, ITS）如Khan Academy和Coursera在个性化学习方面取得了显著进展。知识追踪（Knowledge Tracing, KT）作为ITS中的关键技术，旨在通过分析学生的学习数据来推断其知识掌握情况，并预测其未来的学习表现。尽管近年来KT领域取得了诸多进展，但现有模型在模拟记忆结构方面存在不足，导致学生显性学习与隐性记忆转换之间的不一致性。为了解决这一问题，华中师范大学等机构的研究团队提出了一种基于记忆流控制的三阶段知识追踪模型（Memory Flow-controlled Knowledge Tracing with Three Stages, MFcKT），旨...
基于高阶运动流的共轭视觉表征持续学习：CMOSFET模型的研究 学术背景 在人工智能和计算机视觉领域，如何从连续的视觉数据流中进行持续学习（Continual Learning）是一个长期存在的挑战。传统的机器学习方法通常依赖于独立同分布（i.i.d.）的假设，即所有训练数据在训练时是静态且可用的。然而，现实世界中的视觉数据往往是连续的、非独立同分布的，这给模型的训练带来了巨大的困难。此外，现有的无监督学习方法大多依赖于大规模的离线训练数据集，这与人类和动物通过连续体验环境进行学习的方式截然不同。 为了解决这些问题，Simone Marullo、Matteo Tiezzi、Marco Gori和Stefano Melacci等研究人员提出了一种新的无监督持续学习模型，名为CMOSFET（Co...
利用实例-标签动态的互锚对比学习进行少样本关系抽取 学术背景 在自然语言处理（Natural Language Processing, NLP）领域，关系抽取（Relation Extraction, RE）是一项基础任务，旨在从文本中识别并提取实体之间的关系。然而，传统的监督学习方法依赖于大量标注数据，而在实际应用中，标注数据的稀缺性严重制约了模型的性能。为了应对这一挑战，少样本关系抽取（Few-Shot Relation Extraction, FSRE）应运而生，旨在通过少量标注数据训练模型，使其能够在有限的样本下准确识别实体关系。 近年来，预训练语言模型（Pre-trained Language Models, PLMs）在FSRE任务中取得了显著进展，尤其是结合对比学习（Contr...
基于旋转不变神经点场的高效细粒度3D场景编辑研究 学术背景 在计算机视觉和图形学领域，从多视角图像中建模和渲染真实场景的新视角是一个核心问题。神经辐射场（Neural Radiance Fields, NeRF）近年来在生成高质量新视角合成结果方面展现出巨大潜力，并被认为有望取代传统的显式3D表示方法，如网格或体素。然而，尽管NeRF在渲染质量上表现出色，其在场景编辑方面的能力仍然有限。现有的可编辑NeRF方法在效率和细粒度编辑能力上存在明显不足，这限制了NeRF在创造性编辑和实际应用中的潜力。 为了解决这一问题，研究人员提出了一种基于旋转不变神经点场（Rotation-Invariant Neural Point Fields）的编辑框架，旨在通过结合隐式NeRF表示和显式点表示的互补优势...
基于子空间增强超图神经网络的焦虑障碍识别与生物标志物检测研究 学术背景 焦虑障碍（Anxiety Disorders, ADs）是全球范围内常见的心理健康问题，影响约7.3%的人口。焦虑障碍患者通常表现出过度的恐惧、担忧以及相关的行为异常，这些症状严重影响了患者的社交功能和生活质量，同时也给家庭和社会带来了巨大的负担。焦虑障碍可以分为多种亚型，如广泛性焦虑障碍（Generalized Anxiety Disorder, GAD）、社交焦虑障碍（Social Anxiety Disorder, SAD）、恐慌症（Panic Disorder, PD）和特定恐惧症（Specific Phobia, SP）。尽管这些亚型在临床实践中通常通过观察进行诊断，但仍需通过生物标志物来区分患者与健康个体，以...
微机械谐振器中内部共振机制的研究及其频率稳定化应用 背景介绍 微机械谐振器（micromechanical resonators）在现代时间保持和传感设备中扮演着至关重要的角色，因其高频率、高品质因数和高灵敏度而备受青睐。然而，这些谐振器的极低阻尼特性可能导致多种非线性现象，进而影响其频率稳定性。其中，达芬硬化效应（Duffing hardening effect）是一个主要的限制因素，它通过振幅变化引起频率漂移，即所谓的振幅-频率效应（amplitude-frequency effect）。近年来，内部共振（internal resonance, InRes）作为一种有效的方法，被提出用于缓解这一问题并增强频率稳定性。内部共振通过非线性耦合项促进具有可通约频率比的振动模式之间的能量交换，从...
针对切换模糊系统的安全有限时间滤波设计研究 学术背景 在现代控制系统中，切换系统（switched systems）和模糊系统（fuzzy systems）因其在处理复杂非线性动态问题中的有效性而受到广泛关注。然而，随着网络化系统的普及，系统面临着来自传感器故障和网络攻击（如缩放攻击，scaling attacks）的威胁。传感器故障可能导致系统性能下降，而缩放攻击则会通过修改传输数据的比例来破坏系统的稳定性。因此，设计一种能够同时应对传感器故障和网络攻击的鲁棒滤波器成为了一个重要的研究课题。 本文旨在提出一种针对离散时间切换模糊系统（discrete-time switched fuzzy systems）的安全有限时间混合H∞和被动性（mixed H∞ and passivity, MH...
非线性系统随机响应谱研究：分数阶导数元素的引入与分析方法 学术背景 在工程和物理领域，非线性动态系统广泛应用于模拟复杂现象。然而，当这些系统受到随机激励时，预测其响应变得极具挑战性，尤其是在引入分数阶导数（fractional derivative）元素后。分数阶导数能够更准确地描述记忆效应和遗传现象，但其引入也带来了额外的分析和计算困难。传统的线性系统分析方法无法直接适用于非线性系统，尤其是当系统包含分数阶导数时，其响应功率谱密度（PSD, Power Spectral Density）的确定变得更加复杂。 本研究的核心问题是如何在包含分数阶导数的非线性系统中，准确估计其随机响应的功率谱密度。分数阶导数的引入使得系统的动态行为具有非局部特性，传统的统计线性化（Statistical Lin...
背景介绍 分数阶微分方程（Fractional Differential Equations, FDEs）是传统微积分的推广，允许微分和积分的阶数为非整数。这一数学框架在描述复杂动力学行为时表现出独特的优势，特别是在混沌系统和非线性系统的研究中。Lyapunov指数（Lyapunov Exponents, LEs）是衡量系统对初始条件敏感性的关键指标，常用于判断系统是否处于混沌状态。然而，计算分数阶混沌系统的Lyapunov指数通常计算成本较高，尤其是在高维系统中。因此，如何降低计算成本并提高计算效率成为分数阶混沌系统研究中的一个重要问题。 本文由Shuang Zhou, Qiyin Zhang, Shaobo He和Yingqian Zhang共同撰写，旨在通过Adomian分解法（Ado...