远程皮肤病学是缓解偏远地区皮肤专科医生缺乏问题的有效手段，但目前的方法存在适用范围有限、严重依赖远程医学专家及显示不够直观等缺陷。为弥补当前研究不足，设计并搭建了一套皮肤肿瘤智能远程会诊系统，该系统兼具无网络环境下的皮肤肿瘤自动筛查和有网络环境下的远程会诊及术前规划功能。性能量化实验结果表明，系统可将虚拟的标注高精度原位投射到成像区域。实验对照结果显示，部署于该系统的深度学习模型在诊断能力上与皮肤科专家相当，并且能够辅助专家更迅速、更精确地做出医疗决策。临床试验进一步证实了该系统的实用性。该系统旨在为医疗资源有限的地区提供帮助，使得当地患者能够进行皮肤肿瘤等多种疾病的早期筛查及治疗。

荧光寿命显微成像（FLIM）已经广泛应用于生命科学研究领域，具有高灵敏和高特异性的特点，在对组织微环境进行定量表征方面具有独特优势，但由于成像速度相对较慢，限制了FLIM的活体应用。近年来，随着光电子器件和人工智能等技术的发展，开启了FLIM活体成像新篇章。介绍通过优化硬件和算法两方面提升时域和频域FLIM技术的成像速度，以及其在生物医学基础研究和临床疾病诊断中的应用研究进展。最后，对活体FLIM成像的未来发展进行展望。

太赫兹技术作为6G时代的核心通信技术，可以有效解决频段资源日益稀缺的窘境，以满足流量、连接数急剧增长的需求，实现更大的传输带宽。现有机器学习算法如深度神经网络、卷积神经网络和长短期记忆网络等，均可以有效缓解6G传输系统中的强非线性效应，是实现6G太赫兹无线通信的重要手段。介绍了应用于光子毫米波和太赫兹无线传输系统的不同深度学习范式，讨论了应用光子技术办法产生超高速THz波无线信号的国内外主要进展及技术路线对比，并且对较为经典的或是目前最新的应用于太赫兹通信系统中的人工智能技术进行了介绍，同时对未来大速度、高容量的太赫兹通信技术的发展提出了展望。

光学神经网络是区别于冯·诺依曼计算架构的一种高性能新型计算范式，具有低延时、低功耗、大带宽以及并行信号处理等优势。片上集成是光学神经网络微型化发展的一种典型方式，近年来片上集成光学神经网络获得了学术界及工业界的广泛关注。对基于不同计算单元结构的片上集成光学神经网络的相关研究工作进行了梳理，并分析了其设计原理、实现方法及系统架构特征。同时结合国内外最新研究进展，进一步分析了片上集成光学神经网络在计算单元大规模拓展、可重构、非线性运算和实用化等方面面临的挑战及其未来发展趋势。

本文研究了分布式声波传感垂直地震剖面（DAS-VSP）法纵波及转换波智能处理与成像方法，讨论了DAS-VSP形态成分分析法数据去噪技术、DAS-VSP多波智能分离方法和流程，以及基于深度学习的DAS-VSP数据规则化方法。创新性地提出了一种基于最小旅行时的多波VSP成像方法，通过旅行时表控制反射路径附近聚焦成像，比传统地震偏移方法的划弧减少，成像过程中计算覆盖次数，解决了覆盖不均匀成像振幅问题。通过海上斜井DAS-VSP实际数据处理，同时获得DAS-VSP上行纵波和上行转换横波成像剖面，结果显示，DAS-VSP不仅含有反射纵波信息，同时存在较强的转换横波，通过针对性处理后，能够实现DAS-VSP纵波及转换波成像，说明斜井DAS-VSP具备多波成像条件，可获得较高信噪比的纵波及转换波成像数据，多波数据更有利于油气预测和识别，智能处理及多波成像方法为DAS-VSP法用于油气勘探开发提供了新的技术手段。

针对非线性抑制方法需要先验统计信息确定最佳门限且引起非线性失真的问题，提出一种改进深度神经网络(DNN)的电力线脉冲噪声抑制与补偿算法。首先通过DNN锁定脉冲噪声的位置，然后采用置零法清除该位置的数据，最后对处理后的信号进行非线性失真重构与补偿，并与其它算法进行了仿真对比实验。仿真结果表明：所提算法提升了DNN的识别率，降低了系统误码率，具有较好的鲁棒性。

在梳理电磁物理空间认知概念模型基础上，针对电磁空间物理域和信息域不能有效融合以及电磁信息应用智能化不足两大问题，提出了智能电磁空间的概念。智能电磁空间必须具有表征、理解、预测和决策4 种能力，其特征是以模型为核心，以软件为载体，高度依赖数据驱动，达到对物理世界的精准映射，为作战指挥和部队行动提供智能决策服务。从电磁空间信息组织机理着手，进一步解决多源异构物理—信息数据融合问题的研究思路，构建了智能电磁空间的技术架构，提出了结合GeoSOT 的高维电磁网格数据(GeoSOT-ND)模型高维张量建模与计算、多域电磁空间感知与高效存储、全维电磁态势重构与智能推演、基于网格数据驱动的应用方法等亟待突破的关键技术及实现思路。

对星图识别算法的应用背景进行介绍, 就其优势进行了简述。重点对目前主流的三类星图识别算法进行了综述, 介绍了子图同构类算法、模式识别类算法以及人工智能类算法, 并进行了分析和比较;对星图识别算法研究的评估进行了说明;对星图识别算法的未来发展进行了展望, 提到了非可见光条件下的星图识别、高动态复杂环境下的星图识别和考虑气动光学效应的星图识别等相关未来的研究重点。

针对目前轨道交通市场上的一些以人工智能为主的地铁车辆列检产品在车辆变速时检测精度不高的问题，提出一种基于计算机视觉的地铁测速方法。首先，通过图像透视变换获取校正后的地铁图像，在校正后的图像基础上，利用深度学习目标检测方法定位车身区域。其次，对相邻两帧图像定位到的车身区域进行特征点检测，并采用区域最强特征点匹配方法获取匹配点对。然后，根据匹配点对计算出地铁移动的平均像素距离，结合像素尺寸换算出实际移动距离，再通过已知的相邻两帧图像时间差即可获取当前地铁实时速度。最后，根据实时检测的速度信息实时调整线扫相机行频，尽可能减少地铁车辆变速或者停车时产生的图像畸变，进一步提高地铁列检产品在车辆变速时的检测精度。在上海地铁17号线朱家角站的实际测试结果表明，由该技术获取的地铁车辆线扫图像不会因车速的变化而产生明显畸变，而且测速频率高，测试误差在1.2 km/h以内。

人工智能教学正在融合到各个学科中，其理论教学和实践教学同样重要，并且人工智能的实验教学对实验条件有着特定的复杂要求。该文介绍了基于传统实验室机房进行架构改造、构建人工智能实验教学平台的方法实践和思考。通过充分利用现有的工作站等硬件资源进行软件系统层面的架构实现，充分引入K8s、Docker等开源技术方案，在不影响日常教学活动的前提下创建能够充分提高教学和科研效率的人工智能教学全流程实验环境，优化运行机制和服务模式，实现教学资源的按需定制，提升教学治理水平，为人工智能的实验教学环境建设提供了有益的思路和方法。