智能系统学报

开辟物理人工智能的新局面

陈小平 — 2026年07月05 00:00

面向人工智能领域的组合泛化方法研究综述

李昌原, 程恺, 郝文宁, 邵天浩, 张金鹏 — 2026年07月05 00:00

组合性是现代人工智能系统所缺失的、人类智能的一个重要方面，能够增强系统泛化和解决新颖且复杂任务的能力。针对组合泛化概念内涵模糊化、方法分类碎片化、机理阐释表层化等问题，明确了组合泛化的基本概念，从系统性、可组合性、可解释性和动态适应性等4个方面分析了其特征，提出了基于架构演进的组合泛化方法分类体系，按照基础表征架构、关系建模架构与学习机制架构对现有组合方法进行了分类，详细阐述了每种方法的模型结构与组合泛化之间的机理，进一步比较了不同方法之间的优缺点及场景适用性。针对组合泛化面临的动态性、知识依赖、计算复杂、异质关系等问题，提出了可行的解决思路，为该领域的深入研究提供了指导。

面向复杂环境的机器人触觉感知算法研究综述

高春艳, 刘琦, 李满宏, 刘璇 — 2026年07月05 00:00

为应对复杂环境挑战并提升机器人触觉感知精度与鲁棒性，本文系统综述了近5年基于机器学习、深度学习和强化学习的典型算法，涵盖卷积神经网络(convolutional neural network，CNN)、图神经网络(graph neural network，GNN)、长短期记忆网络（long short-term memory network，LSTM）、多模态融合与主动探索。结果表明，现有方法针对噪声、非规则接触、动态时序等复杂特性已取得显著进展且各具专长，但仍面临数据稀疏、公开数据集不足、跨模态弱对齐及仿真迁移困难等共性瓶颈。结论可为低监督学习、标准数据集构建、统一多模态建模及高保真迁移研究提供参考。

基于深度学习的点云去噪方法综述

2026年07月05 00:00

点云作为重要的三维数据载体，广泛应用于自动驾驶、具身智能及虚拟现实等领域。然而，受传感器误差、环境干扰与重建算法缺陷等因素影响，原始点云常含有噪声，导致几何结构失真并降低下游任务性能。针对该问题，大量基于深度学习的点云去噪方法不断涌现。本文系统梳理了近8年该领域的最新进展，构建了基于深度学习的点云去噪五大分类体系，涵盖PointNet主干网络、卷积神经网络（convolutional neural network，CNN)、Transformer网络、非传统网络以及无监督学习策略，并深入剖析了各类算法的核心机制与演进脉络；对比了主流算法在合成与真实数据集上的性能；总结了当前技术面临的泛化能力弱与数据稀缺等挑战，并对全能模型研发、自适应噪声建模等未来发展趋势进行了展望。本文分析结果可为深度学习点云去噪方法的分类理解、性能评估及后续算法改进提供参考。

GPT4PF：一种微调预训练LLM的光伏功率预测模型

2026年07月05 00:00

准确的光伏功率预测对于保障电力系统安全、提高太阳能利用效率至关重要。本文提出一种基于微调预训练大语言模型的光伏功率预测模型。设计了一种高适应性且高效的三阶段微调策略，在提升预测精度的同时，训练参数量仅占总参数量的0.49%。构建了一种嵌入时间信息的输入编码层，以增强大语言模型对时间信息的建模能力，消融实验表明平均绝对误差下降约1%。提出了一种光伏数据切片标记方式，解决单时间点信息有限、难反映光伏数据整体特征规律的问题。实验结果表明，本模型相较DLiner、PatchTST、LLM4TS，平均绝对误差分别下降18.9%、4.1%、5.4%。

基于改进目标检测模型的油田配注站场仪表盘检测方法

2026年07月05 00:00

在油田配注站场的夜间作业环境中，仪表盘目标检测受限于低光照条件，导致传统单模态图像检测方法在准确性与鲁棒性方面表现不佳。本文提出了一种改进快速区域卷积神经网络(faster region-based convolutional neural networks, Faster R-CNN)的中期融合双分支目标检测模型，旨在融合可见光图像与夜视图像的互补信息，提升夜间低对比度环境下的目标检测性能。设计针对可见光与夜视图像的双分支中期融合策略，增强双图像特征协同，通过改进轻量化的移动卷积网络为主干特征提取网络，结合空间注意力机制有效增强了关键区域的特征表达能力。在自定义油田配注站场仪表盘夜间图像数据集上的实验结果表明，该方法在mAP@0.5和mAP@0.5:0.95指标上分别达到了88.92%与46.87%，较基线Faster R-CNN模型分别提升了5.89和4.72百分点，在低对比度的夜间工业场景中展现出良好的检测精度与鲁棒性，同时降低模型的参数量，使其更容易部署在资源有限的边缘设备。

一种新的稀疏表示驱动的大规模数据集成聚类算法

2026年07月05 00:00

针对大规模高维数据聚类中存在的采样代表性不足与计算开销过高的问题，本文提出了一种稀疏表示驱动的集成聚类（sparse representation-driven ensemble clustering，SREC）算法。在基聚类生成阶段，SREC算法引入了随机样本划分与K-means的混合代表点采样策略，结合FAISS（facebook AI similarity search）索引构建高效稀疏图，有效克服了局部采样难以覆盖全局分布的缺陷；在共识函数构建阶段，SREC算法采用了一种非迭代的加权谱共识函数，利用Tcut（transfer cut）策略在稀疏图中实现高精度的簇划分。在分布式环境下基于Spark计算框架实现了SREC算法，通过百万级数据集对其表现进行了系统性地验证。实验结果表明：SREC算法在评价指标NMI（normalized mutual information）、ARI（adjusted Rand index）和ACC（clustering accuracy）上优于选用的10种主流聚类算法，较之次优算法获得了4.15%、3.33%以及0.98%的性能提升；同时，SREC算法具备良好的稳定性，对基聚类算法个数的变化不敏感，NMI指标标准差仅为0.21%；另外，在处理五百万级样本数据的聚类问题时，相比次优算法，SREC算法的计算效率提升了51.8%，证实了其在处理大规模数据聚类问题时的优势。本文研究结果可为大规模数据的高效聚类分析、分布式数据挖掘及相关智能应用系统设计提供参考。

AI图像生成的精细化可控：结构化与非结构化提示词及其轻量微调的对比研究

2026年07月05 00:00

针对文本到图像（T2I）生成中结果不稳定、难以控图的痛点，结合生成式人工智能（artificial intelligence generated content，AIGC）技术中的提示词和微调模型，通过分析不同格式的提示词及其微调模型对控图能力的影响，建立“结构化提示词及LoRA微调”可复现生图模型以解决当前包装设计过程中LLM(large language model)绘图对生成结果的精细化可控等问题。以FLUX-dev为基座，围绕100个主题构建提示词结构化与否、LoRA微调与否的四象限数据集；以CLIPScore与自动化美学评分为基准，配合线性混合效应与配对统计，并辅以同构图的可视化对照与全局—细节双重检验。在此基础上，增加DALL·E3跨模态模型以验证结构化语义一致性的普适性。结果表明：结构化主要稳定全局版式与层级关系，LoRA打磨边缘与材质细节；针对基础文本生图模型，结构化提示词能稳健提升图文符合度；LoRA微调能显著提升美学评分。此外，不同大模型侧重不同，新版本并不必然优于旧版本，匹配符合版本的高质量提示词微调组合尤为关键。本结论可为未来的提示词工程和低成本模型定制提供理论基础和实践参考。

融合图滤波与注意力机制的图异常检测方法

2026年07月05 00:00

为缓解图神经网络异常检测中普遍存在的异配连接与特征不一致问题，本文提出了一种结合图滤波与注意力机制的图异常检测方法(flexible high-low frequency and attention neural network, FHANN)。针对异配连接问题，设计了图滤波模块，可以自适应提取高频与低频信号并融合生成节点嵌入；对于特征不一致问题，从节点特征的相似度出发，引入图注意力模块用于学习节点嵌入；最后将两模块得到的节点嵌入进行融合并用于图异常检测任务。在3个真实数据集的实验结果表明，FHANN在AUC-ROC(area under the receiver operating characteristic curve)和AUC-PR(area under the precision-recall curve)两个评估指标上平均提高了1.17%和4.25%。本文研究成果可为社交网络分析、金融欺诈检测等复杂图结构数据的异常识别任务提供方法借鉴与技术参考。

面向医学图像检索的模糊注意力协同哈希网络

周琳琳, 丁卫平, 张炜, 黄嘉爽, 武倩楠 — 2026年07月05 00:00

近年来，医学影像技术的革新推动图像数据激增，高效检索成为提升诊断效率的关键。深度哈希算法以其高效编码广泛应用于图像检索，但在处理不确定的医学图像及不平衡数据时存在局限。为此，本文提出一种基于模糊系统的模糊注意力协同哈希网络，用于高效的医学图像检索。设计一个注意力增强的模糊特征协同器，通过计算模糊特征的注意力权重，提高类间差异性；基于Transformer的后件协同编码器利用多头自注意力机制增强图像语义建模，处理医学图像的非线性关系；最后，综合成对损失、平衡损失、量化损失与分类损失对模型进行优化，生成紧凑哈希码。在两个医学图像数据集上的大量实验证明了该算法的有效性。

基于条件扩散模型的双阶段恶劣天气图像复原

2026年07月05 00:00

为了解决恶劣天气下图像复原任务中普遍存在的细节模糊、纹理丢失和显存占用高等问题，本研究提出了一种基于条件扩散模型的双阶段图像复原方法。该方法首先构建了基于双分支特征融合模块的编码器-解码器结构，充分利用卷积操作的局部感知能力与Transformer架构的全局依赖建模优势，实现对退化图像的初步重建。该阶段同时引入小波变换，有效提取图像的多尺度频率特征，在显著降低计算复杂度的前提下保持结构信息的完整性。将条件扩散模型嵌入编码-解码网络之间，以前一阶段输出作为结构条件，通过扩散过程的迭代去噪机制实现对纹理与细节的增强。该模块通过隐空间中的概率映射，引导退化图像稳定逼近真实图像分布，最终实现视觉感知质量显著提升的复原结果。实验结果表明，与若干主流图像复原方法相比，本文方法在去雨、去雪任务上均表现出优异的性能，在各数据集上的峰值信噪比（peak signal-to-noise ratio, PSNR）分别提升了0.06~1.13 dB 和 0.23~5.72 dB；同时，所提方法在模型参数量与显存占用之间取得了良好的平衡。综上所述，本研究为恶劣天气下的图像复原任务提供了一种全新、有效且可靠的解决方案。

卧床失能病人面部表情识别方法研究

朱博文, 吴永明, 刘洋 — 2026年07月05 00:00

针对卧床失能病人因面部僵硬、目光呆滞、表情钝化等因素，导致传统人脸识别方法难以准确有效捕捉病人复杂面部表情特征与变化的问题，研究一种基于YOLOv11的卧床失能病人面部表情识别方法。该方法针对性设计高效上卷积模块解决特征捕捉适配性不足问题、轻量特征融合模块强化多尺度特征复用、C2PSA-CAA（C2 position-sensitive attention-context-aware attention）检测头模块提升复杂遮挡场景鲁棒性，通过三级模块协同优化检测准确性。对本文方法进行验证，实验结果显示：在公开数据集RAF-DB上，平均精度均值 mAP50和 mAP50-95分别达到87.83%和87.83%，与YOLOv11相比，分别提高8.46% 和 8.48%，参数量仅为 2.8×10⁶；在自建卧床失能病人数据集上，mAP50 和 mAP50-95 分别达到87.21%和56.52%，与YOLOv11相比，分别提高3.21% 和 2.67%。实验结果表明，本文方法可更准确地实现卧床失能病人的面部表情识别，有助于实现卧床失能病人的智能监护。

融合空间域与多轴频域分析的儿童肺炎分类模型

2026年07月05 00:00

儿童肺炎是一种严重威胁全球儿童健康的疾病，其精准分类是有效治疗的关键，但其X射线图像兼具细微病理纹理与大范围弥漫性病变，单一空间域模型难以高效协同表征。为此，本文提出融合空间域与多轴频域分析的儿童肺炎分类模型。模型前两阶段构建位移感知多尺度单元，捕捉细粒度病理纹理；后两阶段设计多轴傅里叶单元，在频域建模长距离依赖，刻画大范围病变特征。此外，设计多核卷积门控线性单元增强各阶段特征表示。实验表明，模型在ChestXRay2017数据集上，准确率和F₁分数较最优对比模型分别提升2.72%和2.75%，并在VinDr-PCXR和Curated X-Ray数据集上均取得具有竞争力的性能。本文结果验证了模型的有效性与泛化性，为儿童肺炎诊断提供了新方案。

用于可见–红外行人重识别的模态共享门控双流Transformer

2026年07月05 00:00

可见光–红外行人重识别旨在匹配不同模态下的同一身份行人图像，是计算机视觉领域一项极具挑战性的任务。在现实场景中，光照不足往往导致识别困难，严重限制了行人重识别系统的实用性。尽管基于卷积神经网络的传统方法已得到广泛研究，但受限于局部感受野及下采样操作，这类方法容易造成模态信息的丢失。针对上述问题，本文提出了一种基于vision Transformer(ViT)的可见光–红外行人重识框架——模态共享门控双流Transformer。针对红外与RGB图像间的模态差异，采用灰度图像增强策略，将RGB图像转换为灰度图以最小化模态间隙。设计模态特有嵌入模块，引导ViT更有效地提取模态共享特征。随后，利用模态共享模块充分挖掘RGB、灰度及红外3类图像中的模态无关特征。最后，引入模态共享门控层对特征进行精细筛选，保留高鉴别力特征以用于后续重识别任务。本文框架能够全面提取多模态信息，并有效保留模态无关特征。在SYSU-MM01和RegDB数据集上的大量实验表明，该方法优于当前主流技术。

融合因果知识的变电站仪表外观缺陷检测算法

2026年07月05 00:00

针对变电站仪表外观缺陷检测中存在外观缺陷多尺度特征提取困难及缺陷类别不平衡等问题，提出一种融合因果知识的变电站仪表外观缺陷检测算法。在骨干网络引入全局-局部特征提取模块，增强模型对全局和局部缺陷特征的提取能力；在颈部加入跨层上下文特征金字塔网络，增强模型的特征融合能力；通过深入挖掘变电站仪表外观缺陷的因果机理，提出因果知识关联模块，使用融合因果知识权重的损失函数，辅助模型进行训练，提高模型在复杂的变电站场景下对于表计缺陷检测的准确性。实验结果表明，相较于基线模型，改进算法将平均精确率提升了4.1%，有效地提升了变电站仪表外观缺陷检测的效果。

一种多模态协同学习的变电设备缺陷识别方法

2026年07月05 00:00

为解决变电设备缺陷识别任务中多谱段图像融合特征学习不鲁棒难题，提出了一种融合语义增强与模态特征解耦的多模态协同学习方法。该方法引入具备语义理解能力的大模型DeepSeek，对红外与紫外图像的语义标注进行分析与补充，丰富标注中蕴含的语义信息表达；设计了模态共享与模态特有两个特征提取模块，通过共享查询向量和特有查询向量分别建模两种模态间的共性特征和差异特征，以提升多模态特征表示能力；引入特征对齐损失和模态解耦损失，分别用于增强模态间共享特征的一致性和抑制冗余信息干扰。实验结果表明，该方法在变电设备缺陷识别任务中优于现有主流方法，消融实验及可视化结果进一步验证了其在多模态协同学习方面的有效性。结论可为多模态融合表征学习方法及应用提供参考。

课堂密集场景类内感知半监督学生行为检测

2026年07月05 00:00

针对课堂学生行为检测中座位密集、个体像素占比低且差异大，类间分布不均衡导致的漏检、误检问题以及高质量标签数据获取困难的问题，提出课堂密集场景类内感知半监督学生行为检测方法。构建半监督学生行为检测模型，设计双流交互融合模块和颗粒化多层次感知模块，通过挖掘行为个体特征及交互特征，缓解行为交互信息淹没问题；提出动态类间分布损失与检测头，优化因高频标签类别导致的网络偏向性；针对伪标签置信度分布不一致问题，构建类内分布特征感知的半监督学习策略，通过动态划分伪标签筛选阈值，抑制噪声样本。通过自建数据集实验，在10%的标注条件下，学生行为检测模型的mAP50相较 YOLOv11m提升3.2%；在引入半监督策略后，进一步提升5.0%；并进一步通过公共数据集验证了方法的有效性与泛化能力。结论可为智慧课堂场景下的学生行为识别、课堂学情智能分析提供有力的技术支撑。

基于因果干预与动态图学习的交通事故风险预测

2026年07月05 00:00

针对城市交通事故风险预测中存在的泛化能力差、时空相关性建模不足的问题，提出一种基于因果干预与动态图学习的交通事故风险预测网络。该网络在编码器-解码器框架中，设计了输入门模块以融合多周期事故信号与外部协变量；提出动态图学习模块，通过通道注意力机制自适应刻画节点间时变的空间依赖；并结合图卷积与门控循环单元联合建模时空演化规律。为进一步提升预测稳定性，引入转移桥模块，将历史时空状态映射至未来状态，以缓解多步预测中的误差累积问题；同时，采用基于前门准则的因果干预机制，从特征层面切断混杂因子路径，增强模型的鲁棒性与可迁移性。在NYC和Chicago两个公开数据集上的实验结果表明，CIDGNet在均方根误差、召回率和平均精度均值3项指标上均优于4个基线模型。消融实验进一步验证了动态图、输入门、转移桥等关键模块对性能提升的贡献，证明了因果干预与动态图学习在复杂时空预测任务中的有效性。

融合扩散模型的多模态图对比学习推荐

沈学利, 于佳灏 — 2026年07月05 00:00

针对多模态数据中固有噪声干扰、数据稀疏性以及跨模态语义表示差异导致的用户兴趣偏好建模不准确的问题，提出了一种融合扩散机制的图对比学习推荐方法(diffusion-enhanced exploration for multimodal graph contrastive recommendation，DEMGR)。借助扩散模型生成结构增强的对比视图，有效抑制自监督学习中各个模态噪声的干扰；构建融合用户与物品的同构图结构，增强图的连通性，缓解稀疏性对图表示学习的影响；设计一个联合优化框架，融合多任务学习与扩散增强机制，协同优化推荐目标与增强信号，学习具有语义一致性与泛化能力的多模态表示。在Baby、Sports和Clothing 共3个真实数据集上的实证研究表明，DEMGR在Recall和NDCG(normalized discounted cumulative gain)等指标上均显著优于现有主流模型，最大提升分别达5.45%和5.01%，充分验证了该方法在多模态推荐中的有效性。本文分析结果可为多模态推荐系统优化提供参考。

动态距离约束的离线到在线强化学习

赵若涵, 魏巍, 王达, 黄利 — 2026年07月05 00:00

离线到在线强化学习能够在有限的在线交互下快速提升策略性能，但在微调初期，策略分布往往偏离离线数据支持区域，导致估值不稳并限制性能提升。现有方法多依赖统一的保守约束，将离线数据视作边界条件，却忽视了样本质量与分布差异，从而在更新时既过度约束，又难以避免分布外的不稳定估值。为此，本文提出一种动态距离约束的离线到在线强化学习算法。该方法基于状态条件距离函数，将策略约束在离线数据支持区域内，并随着在线交互的进行，动态地将约束放宽至高质量数据区域，从而实现离线到在线的平滑迁移。实验结果表明，与现有主流方法相比，所提出的方法可以在多个模拟任务上实现稳定有效的性能改进。

论人机智能的同源性

李德毅 — 2026年07月05 00:00

长久以来，人们普遍认为生物智能与人工智能的根基截然不同，二者之间存在难以逾越的鸿沟，人工智能仅被视作对人类智能的表象模仿。本文突破传统二元对立认知，提出人机智能同源同构的核心观点：它们同属典型的耗散结构系统，依托负熵流抵御系统无序化趋势，依靠负反馈机制维持认知稳态，遵循统一的数学物理法则，完成感知、认知与具身行为交互。生物个体常常表现出 “懒得费力、懒得动脑”的倾向，源于最小自由能原理，未必要归因于意识。人类智能与人工智能在底层架构、运行逻辑、演化模式上都植根于物理学，“物质、能量、结构和时间”四要素及其相互作用构成共同基石，仅在具身物质构成与外在形态上呈现碳基与硅基的差异化特征；自然演化形成的人脑神经元网络，更是机器类脑认知结构的天然范本。研究表明，智能并非生命系统所独有，而是复杂开放系统自组织能力演化至特定阈值后涌现的共性特质；包括信息压缩、结构压缩在内的认知软构体，作为认知活动的核心载体，都遵循一致的物理系统演化规律，这就彻底消解了生物智能与机器智能的二元认知。如同人类文明生态是自然生态的延伸与升华，人工智能是人类智能的延伸与增强，人工智能是人类智能发展之必然。人机智能同源性具有重要学术创新价值，可为认知工程实践提供理论支撑，为通用人工智能研发以及生命与认知的底层机制探索开辟全新路径，也许还可为天体生物学和地外文明探索提供帮助。