区块链是随着比特币等数字加密货币的日益普及而逐渐兴起的一种全新的去中心化基础架构与分布式计算范式, 目前已经引起政府部门、 金融机构、 科技企业和资本市场的高度重视与广泛关注. 区块链技术具有去中心化、 时序数据、 集体维护、 可编程和安全可信等特点, 特别适合构建可编程的货币系统、 金融系统乃至宏观社会系统. 本文通过解构区块链的核心要素, 提出了区块链系统的基础架构模型, 详细阐述了区块链及与之相关的比特币的基本原理、 技术、 方法与应用现状, 讨论了智能合约的理念、 应用和意义, 介绍了基于区块链的平行社会发展趋势, 致力于为未来相关研究提供有益的指导与借鉴.

智能合约的运作机理

稀疏表示模型常利用训练样本学习过完备字典, 旨在获得信号的冗余稀疏表示. 设计简单、高效、通用性强的字典学习算法是目前的主要研究方向之一, 也是信息领域的研究热点. 基于综合稀疏模型的字典学习方法已经广泛应用于图像分类、图像去噪、图像超分辨率和压缩成像等领域. 近些年来, 解析稀疏模型、盲字典模型和信息复杂度模型等新模型的出现丰富了字典学习理论, 使得更广泛类型的信号能够被"简单性"描述. 本文详细介绍了综合字典、解析字典、盲字典和基于信息复杂度字典学习的基本模型及其算法, 阐述了字典学习的典型应用, 指出了字典学习的进一步研究方向.

字典稀疏表示原理

知识自动化是智能化、人机化、自动化等的有机融合.从Cyberspace、社会信号和默顿系统等的兴起这一时代特征为出发点, 讨论知识自动化的意义与相关发展问题, 从智能算法到知识机器人讨论其技术基础及趋势, 从软件定义的系统和流程探讨其与系统工程的内在关联, 从平行系统的角度阐述其在复杂控制和管理过程中的重要作用.

社会化大规模定制流程图

现有的研究中，高阶无迹变换（Unscented transform，UT）还不存在具体的解析解，因此，无法利用高阶无迹变换获得具备更高精度的高阶无迹卡尔曼滤波器（Unscented Kalman filter，UKF）.为了解决这一问题，本文在五阶容积变换（Cubature transform，CT）的基础上，通过引入一个自由参数κ，得到高阶无迹变换的解析解，从而获得了高阶无迹卡尔曼滤波器（Unscented Kalman filter，UKF）.同时验证了现有的五阶容积变换和五阶无迹变换分别是本文所提出的高阶无迹变换在κ=2和κ=6-n时的两个特例.进而分析和讨论了高阶无迹卡尔曼滤波器在系统不同维数条件下κ值的最优选取，并讨论了其稳定性.纯方位跟踪模型和弹道目标再入模型仿真验证了本文方法的正确性，且与现有方法相比具有更高的精度.

二维情况下二阶 UT 变换在第一象限选择的 Sigma 点

随着计算机视觉系统的发展及其在军事、交通以及安全监控等领域的发展, 图像去雾已成为计算机视觉的重要研究方向. 在雾、霾之类的恶劣天气下采集的图像会由于大气散射的作用而被严重降质, 使图像颜色偏灰白色, 对比度降低, 物体特征难以辨认, 不仅使视觉效果变差, 图像观赏性降低, 还会影响图像后期的处理, 更会影响各类依赖于光学成像仪器的系统工作, 如卫星遥感系统、航拍系统、室外监控和目标识别系统等. 因此, 需要图像去雾技术来增强或修复, 以改善视觉效果和方便后期处理. 本文归纳总结了两大类图像去雾方法:基于图像增强和基于物理模型的方法, 深入探讨了其中的典型算法和研究成果, 并对这些算法的测试结果进行了定性和定量的分析比较, 最后总结了图像去雾技术目前的研究状况和未来的发展方向.

雾天降质图像与清晰图像的色彩值分布图和彩色直方图对比

本文提出了一种新的机器学习理论框架.该框架结合了现有多种机器学习理论框架的优点，并针对如何使用软件定义的人工系统从大数据提取有效数据，如何结合预测学习和集成学习，以及如何利用默顿定律进行指示学习等目前机器学习领域面临的重要问题进行了特别设计.

平行学习的理论框架图

近年来，卷积神经网络（Convolutional neural networks，CNN）已在图像理解领域得到了广泛的应用，引起了研究者的关注. 特别是随着大规模图像数据的产生以及计算机硬件（特别是GPU）的飞速发展，卷积神经网络以及其改进方法在图像理解中取得了突破性的成果，引发了研究的热潮. 本文综述了卷积神经网络在图像理解中的研究进展与典型应用. 首先，阐述卷积神经网络的基础理论;然后，阐述其在图像理解的具体方面，如图像分类与物体检测、人脸识别和场景的语义分割等的研究进展与应用.

卷积神经网络示例

生成式对抗网络GAN（Generative adversarial networks）目前已经成为人工智能学界一个热门的研究方向.GAN的基本思想源自博弈论的二人零和博弈，由一个生成器和一个判别器构成，通过对抗学习的方式来训练.目的是估测数据样本的潜在分布并生成新的数据样本.在图像和视觉计算、语音和语言处理、信息安全、棋类比赛等领域，GAN正在被广泛研究，具有巨大的应用前景.本文概括了GAN的研究进展，并进行展望.在总结了GAN的背景、理论与实现模型、应用领域、优缺点及发展趋势之后，本文还讨论了GAN与平行智能的关系，认为GAN可以深化平行系统的虚实互动、交互一体的理念，特别是计算实验的思想，为ACP（Artificial societies，computational experiments，and parallel execution）理论提供了十分具体和丰富的算法支持.

人工智能的研究层次

介绍了间歇故障的概念，对间歇故障的背景和产生原因以及间歇故障诊断问题的研究意义进行了分析，以间歇故障的成因、幅值特性和不同时刻发生故障之间的相关性等为依据，对间歇故障进行了 分类. 然后对间歇故障诊断的研究现状进行了概述，把目前间歇故障诊断的方法大体分为定性分析和定量分析两大类，并对每一类现有 的方法进行细分，对每种方法的基本思想、优劣特点和适用条件进行了概述 和讨论. 最后探讨了间歇故障诊断研究中亟待解决的问题.

间歇故障与滑动时间窗口的相对位置关系

瘫痪病人的数量与日俱增,其康复训练通常是一个长期的过程.相对于传统的理疗,使用机器人辅助康复训练能够提高效率,降低成本,减少理疗师的人员和体力消耗,因此节省了康复医疗资源,并且可以完成更加多样的主被动训练策略,从而提高了康复效果.根据患者进行康复运动时的身体姿态,下肢康复机器人可分以下4类: 坐卧式机器人、直立式机器人、辅助起立式机器人和多体位式机器人,坐卧式又细分为末端式和外骨骼式,直立式进一步划分为悬吊减重(Suspending body weight support,sBWS) 式步态训练机器人和独立可穿戴式机器人.由于下肢康复机器人是与运动功能受损的患肢相互作用,为了给患者创造一个安全、舒适、自然的训练环境,机器人和患者之间的交互控制不可或缺.根据获取运动意图时所使用的传感器信号,交互控制可以基本分为两类: 1)基于力信号的交互控制; 2)基于生物医学信号的交互控制.在基于力信号的交互控制中,力位混合控制和阻抗控制是最为常用的两种方法; 而在基于生物医学信号的交互控制中,表面肌电 (Surface electromyogram,sEMG) 和脑电(Electroencephalogram,EEG) 最常被用于运动意图的推断.

MotionMaker

图像质量对人类视觉信息的获取影响很大, 如何在没有参考图像的情况下准确地评价失真图像的质量是一个关键但又非常困难的问题. 本文回顾了近20年来无参考图像质量评价发展的主要技术. 首先,介绍了这一领域常用的衡量评价算法性能的技术指标,以及几个网上共享的典型图像质量评价数据库; 然后,对各种无参考图像质量评价算法进行详细的分类介绍和特点评析; 最后,基于典型数据库对近几年的一些非特定失真图像质量评价方法进行了性能测试和比较. 目的是为这一领域的研究人员提供一个较为全面的、有价值的文献参考.

针对雾霾天气下捕获的图像存在低对比度、低饱和度和色调偏移等现象, 提出了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法.该方法从大气散射模型出发, 利用暗通道先验法则,通过灰度开运算对大气光值进行区间估计,同时获得介质传输率的初始估计, 并通过白平衡简化大气散射模型; 其次,基于Retinex理论,利用高斯滤波获得介质传输率的粗略估计, 并通过线性映射实现灰度值搬移; 然后,将介质传输率的初始估计和粗略估计进行像素级融合, 利用快速联合双边滤波进行边缘优化,同时通过参数自适应调整的方法对雾图中大片天空区域的介质传输 率进行修正; 最后,通过简化大气散射模型和色调调整得到复原图像.与几种典型的图像去雾算法相比, 本文算法具有很快的运算速度,能有效提高复原图像的清晰度和对比度,同时获得较好的图像颜色.

去雾算法流程

深度学习在特征提取与模型拟合方面显示了其潜力和优势. 对于存在高维数据的控制系统, 引入深度学习具有一定的意义. 近年来, 已有一些研究关注深度学习在控制领域的应用. 本文介绍了深度学习在控制领域的研究方向和现状, 包括控制目标识别、状态特征提取、系统参数辨识和控制策略计算. 并对相关的深度控制以及自适应动态规划与平行控制的方法和思想进行了描述. 总结了深度学习在控制领域研究中的主要作用和存在的问题, 展望了未来值得研究的方向.

DBN网络结构

本文将基于ACP（Artificial societies，computational experiments，parallel execution）的平行系统思想与机器人领域相结合，形成一种软硬件相结合的框架，为无人机、无人车、无人船在复杂环境中实验、学习与实际工作提供便捷、安全的平台，即平行无人系统.本文从平行机器人的基本概念出发，提出平行无人系统的基本框架，并介绍了各模块的基本功能与实现方法，探讨了其中的关键技术.然后本文围绕无人机、无人车、无人船三个方面展望了无人平行系统在实际中的应用和所面临的挑战，提出了平行无人系统的未来发展方向.

平行系统基本框架

针对主动康复训练中人体运动识别问题，提出了一种基于多路表面肌电（Surface electro myo gram，sEMG）时序特征的人体运动模式识别方法.设计评估类周期sEMG信号波形相似度的方法来对多路sEMG信号进行特征选择；以二维科荷伦自组织竞争网络（Self-organizati on mappingnet，SOM）对多路信息进行编码；最后，建立描述各运动过程多路sEMG时序特征的隐马尔科夫模型（Hidden Markov model，HMM），基于最大似然估计法对多模型匹配进行综合判决获取识别结果.并在对下肢踏车、椭圆、步行运动模式的识别实验中，相对于经典线性及非线性算法，识别率由72.5%和88.33%提高到91.67%，验证了本文方法的有效性.

sEMG 电极位置

压缩感知理论（Compressed sensing，CS）通过少量的线性测量值感知信号的原始结构，并通过求解最优化问题精确地重构原信号.该理论减少了数字图像及视频 获取时的存储及传输代价，也为后续的图像处理及识别的研究提供了新的契机，促进了理论和工程应用的结合. 阐述了CS的基本原理，综述了其关键技术稀疏变换、观测矩阵 设计、重构算法的一系列最新理论成果和发展，深入分析和比较了CS理论应用到图像处理领域的研究和发展状况，总结了其中存在的问题，并对未来的应用前景进行了展望.

CS 线性测量过程

在视觉计算研究中，对复杂环境的适应能力通常决定了算法能否实际应用，已经成为该领域的研究焦点之一.由人工社会（Artificial societies）、计算实验（Computational experiments）、平行执行（Parallel execution）构成的ACP理论在复杂系统建模与调控中发挥着重要作用.本文将ACP理论引入智能视觉计算领域，提出平行视觉的基本框架与关键技术.平行视觉利用人工场景来模拟和表示复杂挑战的实际场景，通过计算实验进行各种视觉模型的训练与评估，最后借助平行执行来在线优化视觉系统，实现对复杂环境的智能感知与理解.这一虚实互动的视觉计算方法结合了计算机图形学、虚拟现实、机器学习、知识自动化等技术，是视觉系统走向应用的有效途径和自然选择.

虚拟火车站的平面图

基于大气散射物理模型和暗原色先验原理，提出一种结合 双区域滤波和图像融合的单幅图像去雾算法.首先在计算暗通道函数时，定义了一类暗区 域对图像边缘的低强度像素点进行描述，该区域像素点的暗原色中值取其三原色通道的最小值，以代替原来的中值滤波运算值.此滤波方法不仅能有效去除Halo效应，而且避免了黑斑效应；然后基 于大气散射物理模型定义一种伪去雾图，将其与原去雾图进行像素级融合对原图进行色度校正，实 现了柔性去雾，改善了现有方法易出现过去雾的缺陷.实验结果表明，该算法去雾后图像具有较好清 晰度及色彩恢复度，去雾鲁棒性强.在大雾和图像色彩失真严重的情况下，仍可有效恢复图像.

暗通道先验图像去雾