基于分数阶脉冲卷积循环网络的心搏分类方法研究
陈洁洁;朱义和;魏琦瑞;蒋平;心电信号（ECG）的准确分类对心血管疾病的早期诊断至关重要，但传统深度学习模型的高计算复杂度阻碍了其在低功耗可穿戴设备上的部署。脉冲神经网络（Spiking Neural Network,SNN）因其事件驱动的稀疏计算特性，成为解决该挑战的理想选择。提出一种分数阶脉冲卷积循环网络（Fractional-order Spiking Convolutional Recurrent Network,FoSCRN），用于高精度、低功耗的心搏分类。FoSCRN融合了卷积积分-发放（Convolutional Integrate-and-Fire,CIF）层与双向长短期记忆网络（Bidirectional Long Short-Term Memory,BiLSTM），以协同捕捉心搏的局部脉冲特征与全局时序依赖。其中CIF模块引入了替代梯度与活性门控机制，以实现稳定训练。为应对SNN与ANN的异构特性，提出一种混合训练策略：对CIF层的卷积核权重采用分数阶梯度下降，对ANN部分采用Adam优化器。在MIT-BIH心律失常数据集上的实验表明，FoSCRN在五类心搏分类任务中达到了99.01%的准确率，其结构简洁且能效优越，为便携式医疗设备提供了一种有效的解决方案。
融合大语言模型的伪相关反馈信息检索方法
潘敏;熊文瑞;高梦菲;汪茂;在信息检索领域，伪相关反馈与查询扩展技术被广泛应用于提升检索效果。然而，传统的伪相关反馈方法主要依赖词频等统计特征进行扩展词选择，难以捕捉查询与文档之间的深层语义关联，限制了其在复杂检索任务中的表现。为克服上述局限，提出融合大语言模型的伪相关反馈模型LSRoc．在传统Rocchio模型的基础上，引入词项级精确匹配与文档级上下文语义建模的协同机制，利用Llama3-8B-Instruction模型从伪相关文档中提取语义候选词，并构建全局语义权重表示，通过权重平衡策略实现对扩展词的精细筛选与组合，从而生成更具语义表达能力的查询表示。在五个标准TREC数据集上的实证研究表明，LSRoc在多个评估指标上（包括MAP、P@10、NDCG与MRR）均显著优于传统基线方法。所生成的扩展词不仅与原始查询保持高度语义一致性，同时展现出良好的词项多样性，验证了所提方法在复杂语义检索任务中的有效性。
一种改进型多阶段增强遥感图像小目标检测方法研究
丁一;邹光普;朱尧;张辉;遥感图像中的小目标受尺寸极小、背景复杂及卷积网络多次下采样导致的细节丢失等影响，传统YOLO系列模型在此类场景下容易出现漏检和误检。基于YOLO11m基线模型，设计了多阶段增强的遥感小目标检测算法，该算法从特征提取、上采样重建和多尺度特征融合三个方面协同提升检测性能。在特征提取阶段，引入风车型卷积（PConv）增强浅层网络对小尺寸目标细粒度与方向性特征的建模能力；在上采样阶段，采用内容感知特征重组模块（CARAFE）替代固定插值，自适应地重建下采样过程中丢失的空间细节；在特征融合阶段，对原始BiFPN结构进行简化并保留浅层高分辨率特征图，使与小目标相关的信息能更有效地传递至检测头。VEDAI数据集的消融实验表明，PConv、CARAFE与改进型Neck均能带来稳定增益，三者组合后mAP@0.5由68.2%提升至78.5%，精确率和召回率分别提升6.0%、9.7%．对比主流YOLO模型及FFCA-YOLO、LRFL-YOLO等SOTA算法，验证了所提方法在遥感小目标检测任务中的有效性。
半P-范分布的Renyi熵及其性质
胡宏昌;方强;半P-范分布是包含半正态与半拉普拉斯分布在内的一簇分布，而Renyi熵是信息论中一种重要的熵，这两个内容在测绘、信息论等领域有广泛应用。将二者结合并进行研究，先给出半P-范分布的密度函数，然后得到了半P-范分布的Renyi熵及其分析性质（包括单调性和凹凸性），最后用数值计算验证了有关结论。
面向无人机通信场景的大规模MIMO统计信道建模理论研究
袁涛;李飞;王永录;王志东;提出了一种面向无人机通信场景的大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）统计信道模型。该模型采用近场球面波模型替代传统远场平面波假设，能够更准确地刻画非平稳传输条件下无人机通信信道的传播特性。在此基础上，推导了大规模MIMO系统在不同参数配置下信道复冲激响应的解析表达式，揭示了信道物理特性与散射环境参数之间的内在映射关系。此外，通过数值方法推导了不同链路间的空间互相关函数，为无人机通信场景下大规模MIMO信道的统计特性分析提供了理论依据。
