最近这段时间，西华大学计算机与软件学院当中，唐明伟教授所在的那个从事研究的团队，在多模态表征这个方向，以及指示剂与生成学习同等方向，获取到了比较大的研究方面进步成果，以第一作者或者通讯作者的身份，接连不断地在多个不同的期刊上面发表了相关论文。有一篇论文发表在了-Based ，此期刊为中科院1区，JCR1区，IF为8.8 ，另有三篇论文发表在了with ，该期刊是中科院1区，JCR1区，IF是8.5 。还有一篇论文发表在了OF ，这个期刊属于中科院1区，JCR1区，IF为8.0 ，以及一篇论文发表在了and ? ，此刊处于中科院2区，JCR1区 ，总共是6篇论文。

这篇论文1，主题是”and for Video“，发表在了国际顶级期刊《WITH》上，第一作者是2023级研究生李林熹，通讯作者是唐明伟教授。

本研究的目的呢，是运用深度学习技术，从两个不同方向去针对视频里的运动做分析的工作。首先呀，这个研究思考了运动在时间和空间这两个维度上面所呈现出来的那种特征变化情况，借助采用先进的时空卷积神经网络建筑结构，在时间方面以及空间方面同时针对视频之中的动作展开编码以及特征提取的操作。其次，针对视频动作识别里，兴许存在的动作模糊情况与视角变化问题，引入自适应卷积这种方式，让模型能够依据输入视频的特征，自适应地去做卷积核的调整，进而更有效地把动作特征加以融合，更好地去对视频中的局部特征以及全局特征进行捕捉与融合，以此提高动作识别的准确性以及鲁棒性。

论文2：具有图的对偶模型以及用于什么什么的对偶模型，通讯作者是唐明伟教授，第一作者是2022级研究生徐皓文，该论文已被国际顶级学术期刊《基于啥啥的期刊》接受并且在线发表了。

本文提出了一种双增强生成模型，即结合图注意力网络和对比学习的GAC，用于方面情感三元组抽取。在GAC模型里，构建了一个图三元组损失模块，此模块融合了依存句法信息，目的是加深对复杂句子结构的理解，并且利用图注意力网络明确定义词语之间的依赖关系，进而可以使模型在识别复杂结构中的方面和观点时表现得更为出色。此外，设计了三元组表示对比学习模块，其显著增强了模型识别复杂情感类型的能力，还增强了模型区分由单词和句子组成的方面和观点术语的能力codejock software，这是通过捕捉情感类型和术语长度之间的内在联系实现的。在实验部分，该文测试了两个公共数据集。结果表明，GAC模型在生成三元组方面优于现有方法，这证实了所提出的方法在应对ASTE挑战中的有效性和先进性。

论文3，INA-Net: An Noise- for Image，系在国际顶级学术期刊《with》上予以发表，该期刊属于中科院SCI分区一区的TOP期刊，论文第一作者是2022级研究生熊健乔，其研究生指导老师为宗莲松副教授，通讯作者是唐明伟教授。

它提出了集成噪声自适应注意力神经网络INA - Net，创新性地引入了轻量级的噪声 - 距离注意模块，有效结合了局部和模拟噪声特征与全局信息，提高了对复杂混合噪声的鲁棒性，同时，边缘感知空间注意力（ESA）模块加入，增强了特征信息和边界感知，多尺度通道注意力（MCA）模块也加入，进一步增强了特征信息和边界感知，此外，动态噪声编码模块处理高频噪声分量，结合傅里叶小波分析（FW -），提高了分割的准确性。实验得出的结果显示，INA - Net在应对毛发存在干扰情况时，再就是处理血管出现闭塞状况时，以及处理病变边界模糊不清的方面，具备明显突出的优势，进而为能够准确无误地识别皮肤病变方面给予了关键的支撑 。

论文4，是一篇基于代码的图（RGAN）相关的论文，在《with》这本国际顶级学术期刊上发表了。该论文的第一作者以及通讯作者是唐明伟教授 ，第二作者是研究生唐威 。

出于增强模型于现实世界不均衡样本分布里性能的目的，本文搭建了一个基于序列注意力以及图注意力的漏洞检测模型MAVD，为了能更好解读，我们称它为模型MAVD。模型MAVD运用注意力机制强化局部代码块的特征提取，构造带有残差连接的图注意力神经网络从而沿着控制流的方向开展学习以及更新节点特征，以便适应特定需求。与此同时，本文从损失函数的角度着手，提出了全新的不平衡数据集处理方式，旨在提升处理效率。最终在贴近现实分布的不均衡数据集上开展训练以及验证，以此验证模型在现实世界的应用可能性，来确定其实际价值 。

论文5，和用于某一层次并且带有对偶图，发表在了国际顶级学术期刊《（某刊名，因原文未完整给出无法准确写出）》之上。论文的第一作者先是个2021级的研究生，其名为王鹏程，通讯作者是唐明伟教授。

本文着重提出了两个各异的模型，借助图神经网络针对方面级情感分析予以研究，提出了一种全新的自适应图卷积分割网络模型。首先，在数据预处理阶段，经由合并两个数据集的标记信息来加大单词的信息容量，再借助自适应标记划分模块划分适宜的标记信息给后续模块用以提取特定的信息。然后，通过BERT模块生成特定输入的词嵌入信息，以此突出特定单词标记信息对情感信息提取的作用。首先，把两部分的词嵌入信息，分别输入置于双语法感知编码器，以及语义辅助模块之中，其中双语法感知编码器，通过结合句法依赖树与组成树，从而获取明确的语法知识，而语义辅助模块，则借助GCN编码自注意力矩阵，进而获得额外的语义信息。最后，把双语法感知模块与语义辅助模块的输出合并起来，放置于一个分类器里，进行情感分类 。

关于一篇名为论文6的研究论文，其题目是A Dual Graph Model using as Graph Nodes for ，该论文在国际顶级学术期刊《 AND 》上得以发表。这篇论文的第一作者是研究生凌苗桂，通信作者是唐明伟教授。

此项研究的目的在于借助深度学习技术，去提供一种具备快速特性且高效的自动化源代码检测方案，进而能够及时地察觉源代码里有可能存在的漏洞风险。首先要考量源代码内在的图结构化信息所具有的重要性，以及其本身的序列特征，运用序列嵌入当作图的节点信息，如此便能够同时运用源代码的序列信息以及图信息。其次要考虑到不同的图神经网络在漏洞检测方面所拥有的优点，采用两个不同的图神经网络相结合的方式来提取特征，最后把它们进行融合。图卷积网络，它能够很好地保留图的结构化信息，而图注意力网络，更多关注节点之间的关系，二者彼此相互结合，这使得模型能够更好地去提取源代码的全局和局部特征codejock software，进而提高漏洞检测的精准度以及回归率，此外，还运用了一种基于卷积的特征增强技术，以此进一步提高模型性能 。（通讯员：李林熹）。

如有侵权请联系删除！