学术背景 在当今大数据时代，分布式学习（Distributed Learning）已成为解决大规模在线机器学习问题的有效方法。然而，分布式学习中的频繁通信和投影操作（Projection Operations）带来了高昂的通信和计算成本。尤其是在高维约束优化问题中，投影操作的计算复杂度极高，严重影响了算法的效率。为了解决这些问题，本文提出了一种基于事件触发机制（Event-Triggered Mechanism）的分布式Frank-Wolfe在线优化算法，旨在减少通信开销和计算成本。 Frank-Wolfe算法作为一种投影自由（Projection-Free）的优化方法，因其简单高效的实现而备受关注。与基于投影的方法相比，Frank-Wolfe算法在每轮迭代中只需计算线性优化步骤，避免了复杂...

学术背景 在计算机视觉领域，雨纹（rain streaks）是一个常见的干扰因素，尤其是在户外监控、自动驾驶和智能交通系统中。雨纹会显著降低图像质量，影响视觉系统的识别和分析能力。传统的雨纹去除方法通常依赖于单一图像进行处理，但由于雨纹的复杂性和多样性，这些方法在处理远距离雨纹或复杂场景时效果有限。近年来，深度学习技术，特别是生成对抗网络（Generative Adversarial Networks, GANs），在图像处理领域展现了巨大的潜力。然而，现有的基于GAN的雨纹去除方法在处理不同方向、形状和透明度的雨纹时仍存在挑战。因此，本研究旨在提出一种改进的GAN框架，以更有效地去除雨纹，提升图像质量。 论文来源 本论文由Prabha R、Suma R、Suresh Babu D和S Sa...

学术背景 随着人工智能（AI）和自然语言处理（Natural Language Processing, NLP）的快速发展，大型语言模型（Large Language Models, LLMs）在学术界和工业界都取得了显著进展。然而，尽管LLMs在多个NLP任务中表现出色，但尚未有单一模型能够同时满足所有任务需求。这种多样化的任务需求和评估标准的复杂性，使得LLMs的评估成为一个多准则决策（Multi-Criteria Decision-Making, MCDM）问题。传统的MCDM方法虽然能够进行排名，但在处理不确定性、任务优先级和数据变异性等方面存在局限性，尤其是在处理二元数据时，难以有效进行分级。 为了解决这一问题，本文提出了一种基于效用和动态定位变换的三支决策（Three-Way D...

背景介绍 在计算机视觉领域，视觉注意力模型的研究旨在模拟人类视觉系统如何从图像或自然场景中选择感兴趣的区域。人类大脑能够快速且准确地识别视觉场景中的显著区域，这一能力在图像处理、目标识别、图像分割等任务中具有重要意义。然而，如何有效地检测图像中的多个显著物体仍然是一个具有挑战性的问题。 格式塔理论（Gestalt Theory）是现代认知学习理论的基础，强调“整体大于部分之和”，其中相似性（similarity）和邻近性（proximity）是两个重要原则。尽管格式塔理论为视觉感知研究提供了重要的理论支持，但如何将其应用于多显著物体检测仍然存在技术难题。本研究提出了一种基于格式塔理论的显著性模型——颜色相似性与空间邻近性模型（CSSP模型），旨在通过结合颜色相似性和空间邻近性，更有效地检测图...

学术背景与问题引入 在多专家多准则决策（Multi-Expert Multi-Criteria Decision-Making, MEMCDM）领域，如何有效处理不确定性和不精确信息一直是一个核心挑战。特别是在涉及多个专家和多个决策准则的复杂场景中，专家的意见往往存在分歧，导致决策过程复杂化。为了应对这一问题，研究者们提出了基于区间集（Interval Sets）的决策方法，区间集能够通过上下界集合来更全面地描述不确定的定性信息。然而，现有的基于区间集的决策方法，尤其是替代排队法（Alternative Queuing Method, AQM）中的相似性和差异性度量，仍存在一定的局限性，特别是在绝对量化（Absolute Quantization）的框架下，信息提取的精确性和全面性有待提升。...

学术背景 近年来，中文词向量（Chinese Word Embedding）在自然语言处理（Natural Language Processing, NLP）领域引起了广泛关注。与英语不同，中文的字符结构复杂且多样，这为语义表示带来了独特的挑战。传统的词向量模型（如Word2Vec）在处理中文时，往往无法充分捕捉汉字内部的细微语义信息，尤其是忽略了不同层次的子词信息对语义的贡献差异。例如，汉字由笔画、部首、拼音等多个子成分构成，这些子成分在不同语境下对语义的理解起着重要作用。然而，现有的模型在处理这些信息时，往往采用统一的方式，未能有效区分各子成分的权重。 为了解决这一问题，本文提出了一种基于权重的中文词向量模型，该模型将中文词的内部结构分为六个层次的子词信息：词、字、部件、拼音、笔画和结构...

背景介绍 在机器学习领域，半监督学习（Semi-Supervised Learning, SSL）因其能够利用少量标注数据和大量未标注数据进行学习而备受关注。特别是在数据标注成本高昂的场景中，基于图的半监督学习方法逐渐成为研究热点。图卷积网络（Graph Convolutional Networks, GCNs）在半监督学习中表现出色，尤其是在具有图结构的数据（如引文网络和社交网络）中。然而，GCNs在非图结构的多视图数据（如图像集合）中的应用仍存在明显空白。 多视图数据（Multi-view Data）是指从不同视角或模态捕捉同一对象信息的数据集。例如，电视数据包含视频和音频两个视图，自然语言理解中同一语义对象可以用不同语言表达，人脸识别中2D图像和3D模型代表不同模态的面部数据。多视图学...

学术背景 近年来，随着大型语言模型（LLMs, Large Language Models）的快速发展，其在自然语言处理（NLP, Natural Language Processing）领域的应用越来越广泛。LLMs 如 ChatGPT 和 LLaMA 等，展现了强大的语言生成和理解能力，甚至在情感表达和同理心方面也表现出色。情感支持对话系统（ESDS, Emotional Support Dialogue Systems）旨在通过对话传达理解、同情、关怀和支持，帮助他人应对情感困扰、压力或挑战。然而，尽管 LLMs 在情感对话中展现了潜力，但它们在提供有效情感支持方面的能力尚未得到全面评估。 本研究旨在探讨 LLMs 是否能够作为情感支持对话系统的核心框架，并评估其在情感支持策略和语言使...

学术背景 在决策分析、模式识别和医疗诊断等领域，模糊集理论为处理不确定性和模糊性提供了重要的数学工具。传统的模糊集（Fuzzy Set, FS）和直觉模糊集（Intuitionistic Fuzzy Set, IFS）在处理复杂数据时存在一定的局限性，尤其是在需要考虑中立性（neutrality）的情况下。图片模糊集（Picture Fuzzy Set, PFS）作为一种扩展的模糊集理论，引入了中立性这一维度，能够更全面地描述现实世界中的模糊信息。然而，现有的PFS相似度度量方法在处理某些问题时存在不合理的结果，例如无法满足公理要求、计算不同PFS之间的相似度时产生矛盾，以及在模式分类中表现不佳。为了解决这些问题，本文提出了一种基于逆切函数的新型PFS相似度度量方法，并展示了其在分类和医疗诊...

学术背景 在当今的医疗环境中，医学影像在疾病诊断、治疗规划和健康管理中扮演着至关重要的角色。然而，传统的医学影像分析方法存在诸多挑战，如过拟合（overfitting）、计算成本高、泛化能力有限以及噪声、尺寸和形状变化等问题。这些挑战导致医学影像的分类和检测精度受限，影响了临床决策的准确性和效率。 为了应对这些挑战，研究者们提出了多种基于机器学习和深度学习的医学影像分析方法。然而，这些方法在处理复杂数据集时仍存在局限性，尤其是在计算效率和分类精度方面。因此，本文提出了一种名为EPDTNet+-EM（Efficient Parallel Deep Transfer Subnet + Explainable Model）的新型医学影像处理框架，旨在通过增强的迁移学习和并行子网架构，提高医学影像中...