部分多标签学习的前沿研究：一种基于标签特异性特征校正的新方法 近年来，部分多标签学习（Partial Multi-Label Learning，PML）逐渐成为机器学习领域的研究热点。随着众包平台的普及，数据标注成本得到显著降低，但随之而来的问题是标注质量的下降——即候选标签集中不可避免地存在一些无关的标签。这些标签噪声不仅增加了学习任务的难度，还可能对模型性能产生误导性影响。因此，研究如何从含噪数据中有效学习，成为目前学术界亟待解决的重要课题。本篇学术报道将聚焦一项在未来学术领域具有重要参考意义的研究，该研究提出了一种名为PASE（Partial Multi-Label Learning via Label-Specific Feature Corrections，基于标签特异性特征校正的...

自动化机器人抓取姿态估计领域的新突破——MetaCoorNet网络 学术背景与研究问题 机器人抓取是机器人技术中的一项基础挑战，其核心在于如何使机器人能够与环境互动，完成对象拾取和操控任务。尽管自动化抓取技术在工业制造、家用辅助和零部件组装等领域表现出了巨大潜力，但其应用却面临诸多困难。例如，抓取对象形状、尺寸、材质等的多样性以及环境中的复杂因素（如遮挡和光照变化），都会对抓取算法的稳定性和真实性构成挑战。除外，采集传感器数据噪声和机械手本身复杂的机械设计也为实现高精度的抓取增加了难度。 在这一背景下，抓取姿态估计成为掌控机器人抓取动作的关键技术。抓取姿态估计是一个回归问题，目标是根据视觉输入数据（如RGB或点云图像）预测最适合的抓取点及对应的角度。近年来，随着深度学习技术的快速发展，更多研...

理解标签分布学习为何在分类中具有更好的泛化性能 背景介绍 在人工智能和机器学习领域，分类问题一直是研究者关注的核心课题之一，随着多标签学习（Multi-label Learning，MLL）和单标签学习（Single-label Learning，SLL）的不断发展，如何有效处理标签之间复杂的关系成为了一项重要挑战。然而，传统的单标签学习模型往往仅关注最相关的标签，而忽略了标签间的模糊性和相关性信息。这种局限性对现实世界中许多复杂任务的解析和解决形成了阻碍。 为了解决这一问题，标签分布学习（Label Distribution Learning，LDL）被提出。与SLL和MLL不同，LDL通过为每个数据实例分配一个标签分布（每个标签分配一个实数值，表示标签的相关程度）来全面刻画实例与标签之间...

基于单片集成的三维IGZO-RRAM-SRAM计算存储新架构研究：提高神经网络计算效率的突破 背景与研究动机 随着神经网络（Neural Network, NN）在人工智能领域应用的不断深入，传统计算架构难以满足其在能耗、速度和密度方面的需求。这促使研究者将目光投向计算存储（Compute-In-Memory, CIM）芯片技术。CIM通过将计算单元与存储单元集成在一个架构中，避免大量数据在存储与计算单元间传递的“存储墙”效应，从而显著提高系统效率。已有CIM架构主要基于静态随机存取存储器（Static Random Access Memory, SRAM）、电阻随机存取存储器（Resistive Random Access Memory, RRAM）和氧化铟镓锌（Indium-Galliu...

异构有向多智能体系统合作输出调节问题研究：基于完全分布式无模型强化学习框架 背景介绍 近年来，分布式控制和优化的研究在智能交通、智能电网、分布式能源系统等领域表现出了广泛的应用前景。这类系统通常需要多个智能体的协作完成特定任务，其中基础性研究课题之一便是合作输出调节问题（Cooperative Output Regulation，简称COR）。该问题旨在通过设计合适的控制协议，使得多智能体系统中的所有智能体都能跟踪参考信号并最终实现零跟踪误差。然而，要解决这类问题，准确获知智能体动态模型的信息通常是现有方法的基本前提，这在现实中由于复杂环境和高度耦合的非线性难以实现，甚至可能导致测量成本过高。 此外，由于多智能体系统的通信网络往往具有方向性（即信息传递非对称性），这进一步加大了研究这一问题的...

分布式随机信标（Distributed Randomness Beacon）研究的前沿突破 —— 大规模优化通信复杂度的实用方案 在当今众多技术领域中，可信随机数生成器（Randomness Beacon）是一项关键工具，对密码学、区块链、电子投票及众多应用的安全性具有重要作用。随机数生成器需要满足偏差抗性、不可预测性和公开可验证性。然而，传统的分布式随机信标（Distributed Randomness Beacon，简称DRB）方案通常依赖复杂的通信流程，或借助于公共公告板（Public Bulletin Board，简称PBB）来保障安全性，在参与者规模较大时容易受到性能瓶颈的制约。这一问题促使研究者们寻找更高效、更实用的新方案。 近日，来自上海交通大学电子信息与电气工程学院的Zhey...