脓毒症（Sepsis）是一种由感染引发的全身性炎症反应综合征，常导致多器官功能衰竭和高死亡率。尽管现代医学技术在脓毒症的治疗上取得了显著进展，但仍有部分患者因病情急剧恶化而死亡。因此，准确预测脓毒症患者的死亡风险对于临床医生制定及时、个性化的干预策略至关重要。然而，现有的临床评分系统（如APACHE-II和SOFA评分）虽然能够评估危重患者的整体病情，但并未专门针对脓毒症患者进行优化。此外，传统的机器学习模型在处理时间序列数据时，往往忽略了疾病进展的时序特征，导致预测性能有限。 为了应对这些挑战，本研究提出了一种基于Transformer架构的时间序列模型，旨在通过捕捉患者ICU住院期间的动态健康轨迹，实时识别高风险个体，并为个性化干预提供可操作的见解。该研究不仅提升了脓毒症患者死亡风险的预...

基于生成模型的无人机行为意图识别：从行为到自然语言的跨模态研究 背景及研究目标 近年来，无人机（Unmanned Aerial Vehicle，UAV）技术取得飞速发展，广泛应用于民用与军事领域，如搜索救援、农业精准作业和通信中继等。然而，随着无人机群规模的扩大以及智能化水平的提升，空中指挥与控制领域对于更高水平的智能需求日益迫切。在复杂的对抗环境中，提高无人机的“态势感知”（situation awareness）水平已然成为关键问题，尤其是如何有效识别无人机的操作意图。这一识别过程有助于揭示对手操作意图与战术欺骗间的关系，优化信息在指挥层级中的流动，并为决策提供指导。 传统基于分类任务的意图识别方法受到数据库分布失衡和鲁棒性差等问题的限制，导致分类精度难以应用于现实复杂场景。本研究提出了...