首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English

学术不端论文认定及处理办法 版权转让协议 保密证明 录用稿件电子版要求 修改说明格式 更多.... 中国自动化学会 国家智能计算机研发中心 中科院合肥智能机械所 更多....

2025年 38卷 6期 刊出日期 2025-06-25 综述与评论 论文与报告 研究与应用   综述与评论 485 新AI的里程碑之年:人工智能与智能科技热点回眸 沈甜雨, 张慧, 叶佩军, 王飞跃 2024年是新人工智能(Artificial Intelligence, AI)的里程碑之年,人工智能科学取得一系列突破性进展.文中从大模型与具身智能、人工智能生成内容(Artificial Intelligence Generated Content, AIGC)、AI智能体、人工智能驱动的科学研究(AI for Science, AI4S)与人工智能相关科学研究(Science for AI, S4AI)、AI相关政策与平台等方面回顾2024年人工智能领域热点和动向.随着大模型、智能体等技术的飞速进步,AI应用领域持续扩大,对各行各业引发新的冲击,政策与平台建设不断完善,新质生产力展现出更大的发展潜力.围绕自主智能“新AI”,期待诞生更多AI里程碑工作. 2025 Vol. 38 (6): 485-504 [摘要] ( 230 ) [HTML 1KB] [PDF 2794KB] ( 215 ) 论文与报告 505 协调广义多尺度区间集决策系统中基于熵的最优尺度约简 郝婷婷, 吴伟志, 谭安辉 针对广义多尺度区间集决策系统中的知识获取问题,提出基于区间集决策熵的最优尺度约简方法.首先,在广义多尺度区间集决策系统中定义含有零尺度的尺度组合的概念,并由不同尺度组合对应的条件属性集构造对象集上的相似关系,以获得相应信息粒的表示.然后,在给定的尺度组合下,定义决策类关于条件属性集的区间下近似、区间上近似、区间近似精度、区间粗糙度的概念,并进一步结合条件熵与区间粗糙度,给出区间集决策熵及其性质.最后,在协调广义多尺度区间集决策系统中定义最优尺度组合、熵最优尺度组合及相应的最优尺度约简的概念,证明两类最优尺度组合概念的等价性、最优尺度约简概念与熵最优尺度约简概念的等价性,并用示例说明最优尺度约简的计算. 2025 Vol. 38 (6): 505-519 [摘要] ( 125 ) [HTML 1KB] [PDF 701KB] ( 135 ) 520 极小信息损失的兼容子背景获取与概念格压缩 张露珍, 任睿思 随着数据规模的增加,概念格的规模呈指数级增长,因此,如何有效压缩概念格便成为形式概念分析中的关键问题之一.为了在压缩概念格的同时保持其基本结构,文中借助格上的同余关系对概念格进行压缩.首先,利用属性概念与对象概念分别获取原形式背景中的↗与↙关系.再定义初始删除属性(对象)集,借助剪枝思想,通过箭头封闭关系获取原形式背景的兼容子背景,并证明以属性(对象)单点集作为初始删除属性(对象)集,在箭头封闭关系下可得到原形式背景极小信息损失的兼容子背景.然后,利用极小信息损失的兼容子背景确定概念格上的同余关系,对概念格进行压缩.最后,设计通过获取兼容子背景确定概念格上同余关系的算法,并通过实验验证该算法的可行性和有效性. 2025 Vol. 38 (6): 520-537 [摘要] ( 109 ) [HTML 1KB] [PDF 699KB] ( 149 ) 538 基于熵驱动双随机矩阵的图匹配神经网络 曹树元, 黄梅香, 卢福良, 屠良平 图匹配旨在构造两个图结构之间的节点匹配关系.现有方法普遍忽视节点匹配置信度在图匹配任务中的关键作用.为了充分利用节点间的匹配置信度以控制节点特征信息传递,文中提出基于熵驱动双随机矩阵的图匹配神经网络(Entropy-Driven Doubly Stochastic Matrix-Based Graph Matching Neural Network,EDSGM),通过深度神经网络联合学习节点特征、边特征及图匹配任务的相似度函数,并通过图嵌入方法简化图匹配问题.具体地,EDSGM利用表示图匹配结果的双随机矩阵构造匹配熵,并基于匹配熵构建图内节点嵌入层和跨图信息嵌入层,形成自适应的图嵌入模块.该模型不仅实现特征空间的降维,而且高效传递节点信息,提升匹配精度.此外,EDSGM的所有神经网络模块均可实现端到端的监督训练,同一神经网络能有效处理多个类别的图匹配任务.实验表明,EDSGM在Pascal VOC、SPair-71k、Willow ObjectClass图数据集的多个类别上均取得较高的匹配精度,由此验证匹配熵在优化图节点特征传递效率的同时,可有效提升图匹配精度. 2025 Vol. 38 (6): 538-551 [摘要] ( 153 ) [HTML 1KB] [PDF 7275KB] ( 145 ) 研究与应用 552 粗细粒度因果关系协同驱动的可解释性视觉问答方法 施业成, 缪佳李, 俞奎 可解释性视觉问答(Explanatory Visual Question Answering, EVQA)在回答视觉问题的同时为推理过程生成用户友好的多模态解释,从而提高模型推理的可信度.然而,由于缺乏对视觉区域对象关系的有效建模,现有EVQA生成的解释文本存在视觉区域与语义不一致的问题.为此,文中提出粗细粒度因果关系协同驱动的可解释性视觉问答方法(Fine-to-Coarse Grained Causality Co-Driven Approach for Explanatory Visual Question Answering, FCGC-CoD).首先,建模视觉区域特征的因果关系,识别其中的主体对象和支撑对象,增强视觉与语言预训练模型的多模态表征能力.然后,设计联合变分推理网络,通过细粒度的多模态因果表征增强模型粗粒度的宏观因果推理过程,实现多模态解释和答案的生成.实验表明,FCGC-CoD在准确回答问题的同时,可提升解释的视觉推理一致性. 2025 Vol. 38 (6): 552-564 [摘要] ( 138 ) [HTML 1KB] [PDF 3371KB] ( 141 ) 565 基于异构注意力网络的图像超分辨率重建方法 诸宇杰, 赵建伟, 刘婕雨, 周正华 基于Transformer的图像超分辨率重建方法由于传统的多头设计和稠密的自注意力机制,存在大量冗余计算.针对此问题,文中提出基于异构注意力网络的图像超分辨率重建方法,包括异构多头自注意力模块和部分深度卷积前馈网络模块.异构多头自注意力模块采取三分支结构,即为了减少冗余计算,保留单个密集自注意力分支用于传递完整信息,引入稀疏自注意力分支过滤噪声,引入通道融合分支补充高频信息.同时,部分深度卷积前馈网络模块利用中间层特征图中的相似性进行部分深度卷积运算,降低现有卷积前馈网络的计算代价.实验表明,文中方法具有较优的重建性能和较低的计算成本. 2025 Vol. 38 (6): 565-576 [摘要] ( 152 ) [HTML 1KB] [PDF 3586KB] ( 143 )

主管：中国科学技术协会 主办：中国自动化学会 　　　国家智能计算机研究开发中心 　　　中国科学院合肥智能机械研究所 出版：科学出版社

版权所有 © 《模式识别与人工智能》编辑部 地址：安微省合肥市蜀山湖路350号　电话：0551-65591176　传真：0551-65591176　Email：bjb@iim.ac.cn 本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn