多片生成元集分形介质层的波反射

该文研究了多片任意生成元集（即更加广义的Ｃａｎｔｏｒ集）分形介质层的垂直入射及斜入射的反射透射谱，给出了这种情况下的一般自相似递推谱算法．这种算法能得到任意级次、任意结构及任意入射角条件下的振幅谱．文中所给出的一类反射谱是一种准周期自相似谱，有望在电子对抗、薄膜光学及光电器件等重要领域获得应用．     

试论词义术语化流程中的转换机制及语义特征

本文从分析科技术语的基本特点入手,深入讨论了术语体系中兼容语词的语义特征及其转换机制。从而为揭示词义术语化流程的基本规律提供了重要的依据。     

微生物共培养产生新颖活性次生代谢产物的研究进展

微生物源天然产物是药物先导化合物的重要资源之一.近年来,利用微生物共培养产生各类天然产物的研究发展迅速.微生物共培养是一种通过模拟（微生物）栖息地/栖息环境以激活可能的沉默生物合成基因簇并进而诱导微生物产生新次生代谢物的有效方法.与菌株纯培养相比,共培养不仅增加了次级代谢产物的种类多样性,而且其生物活性及产量也得到了提高.文章就近5年来真菌与真菌、真菌与细菌、细菌与细菌等3种类型的微生物共培养研究成果进行了综述,同时简要介绍了用于分析共培养作用机制的多组学技术,并在此基础上探讨了微生物共培养相互作用机制研究的进展及挑战.综述旨在为微生物共培养的深入研究提供借鉴,并为微生物药物的开发提供新思路.     

基于生成对抗网络的砂岩薄片图像视野外重建

利用生成对抗网络(GAN)模型,对砂岩薄片图像的微观颗粒和孔隙结构进行视野外重建,并对预测图像的语义进行评价。结果表明,模型能够预测2.25倍于原始视野的砂岩微观结构,并且针对不同类型的岩石图像语义均具有良好的性能。模型对不同颗粒的表面纹理、颗粒形态以及多颗粒间复杂接触关系等语义的图像视野外预测结果与真实图像较为吻合。但是,在微观特殊现象图像的视野外重建任务中,模型缺乏对特殊现象的敏感性。在孔隙结构重建时,模型对微孔面孔率的预测误差大于粒间孔、裂隙和溶蚀孔等孔隙空间。不同孔隙空间重建图像的预测效果可能与孔隙特征(如孔径大小和连通性)有关。     

碳基烧蚀材料高温氧化反应机理的分子动力学研究

本文采用基于紧束缚密度泛函理论的分子动力学,研究高温下碳基烧蚀材料三种模型(无缺陷、原子缺陷以及孔洞缺陷)的氧化反应机制．研究发现高温下的反应产物主要是CO和CO₂.CO的产生过程主要源于环氧基团中C-C键的裂解,而CO₂的形成则较为复杂,主要源于小分子团簇(C₂O₂、C₃O₁、C₄O₁)的裂解．C-C键裂解是石墨氧化反应的主要途径,C-O键形成是CO和CO₂生成速率的控制因素．此外,体系的温度、缺陷以及孔洞对石墨的氧化反应机制有重要的影响．通过分析氧化反应速率,计算得到三种模型氧化反应的活化能分别为7.56、2.4和1.6kcal/mol．缺陷越明显活化能越低,则氧化反应速率较高,无缺陷的模型由于活化能最高,其氧化反应速率最低．     

基于DCPAN的低剂量能谱CT图像去噪方法

能谱式计算机断层扫描(CT)成像技术具备良好的能量分辨率,能够精确地鉴别人体组织成分,从而为后续诊断提供更准确的检测信息．随着辐射剂量的降低,能谱CT图像中噪声水平显著提高,对成像质量产生严重影响,进而降低了组织成分的解析精度．基于卷积神经网络(CNN)的去噪模型虽然可以显著降低图像中的噪声含量,但随着卷积层数的增加,深层神经网络通常会丢失高频信息．为了解决这一问题,并实现在低剂量条件下重建出高质量能谱CT图像,本文提出了一种结合通道注意力机制(CA)和持续自注意力机制(PSA)的密集连接持续注意力网络(DCPAN)．两种注意力机制分别建立特征图像在通道和全局维度的联系以提高网络对图像高频分量的敏感程度,进而抑制高频细节信息的丢失．该模型所采用的密集连接结构通过特征复用的方式可以在前馈传播中保留高频信息,使用复合损失函数来监督网络的训练可以使该模型对边缘特征和组织细节信息更加敏感．实验结果表明,经该模型处理的腹部切片CT图像峰值信噪比、结构相似性指数和特征相似性指数分别达到了38.25 dB、0.993 7和0.973 2以上．相比于目前先进的CT噪声去除方法,该方法具有更好的噪声抑制...     

基于无监督学习的智能数据中心电力拓扑系统

在任务关键型云计算服务中,构建准确的数据中心电力拓扑结构对于实现快速准确的故障处理,减轻故障事件对云计算服务质量的损害十分重要。但目前数据中心电力拓扑结构的生成过程具有劳动密集型的特点,其准确性难以得到有效评估和保障。该文设计了一种基于无监督学习的智能数据中心电力拓扑系统(intelligent data center power topology system,IPTS),不仅可为电力系统的运行部分自动生成实时变化的电力拓扑结构,而且可利用电力系统的监控数据对人工构建的数据中心电力拓扑结构进行验证。实验结果表明,IPTS可自动生成准确的数据中心电力拓扑结构,一致性比率(CR)可达到0.978,并可有效地定位人工构建的电力拓扑结构中的大多数错误。     

基于层次注意力机制的垃圾用户检测模型

目前基于网络的垃圾用户检测方法只考虑了简单社会关系,缺乏对更多复杂社会语义关系的利用,难以达到最优性能.针对这一挑战,提出一种基于层次注意力机制的垃圾用户检测模型(HAM-SD).模型首先使用异质信息网络对社交媒体进行建模,挖掘丰富的语义与结构信息,接着利用节点级注意力层聚合元路径邻居增强节点表示,同时利用自适应层级聚合模块选择不同层级特征提升表征能力,然后通过语义级注意力层融合不同元路径下的节点表示,最后带入分类检测模块实现垃圾用户检测.在公开数据集上的实验结果表明该模型能够有效检测垃圾用户,并在不平衡数据分布时保持较强的稳定性.     

基于双重匹配注意力网络的观点型阅读理解

提出一种基于双重匹配注意力网络的方法.先用动态匹配机制迭代综合获取全局观点信息,同时利用多维度匹配机制在不同特征空间上计算全局语义信息,然后交互式多路注意力机制通过两路注意力之间的交互计算对上述全局的观点与语义信息进行融合,最后与选项表示结合预测答案的观点倾向.在观点型阅读理解数据集ReCO和Dureader上面的实验表明,该方法相对于基准模型在准确率上提升了1.18%和0.84%,在加权宏F1上提升了1.16%和0.75%.     

基于残差卷积自注意力神经网络的铝电解过热度识别方法

过热度是反映铝电解槽当前生产效率的重要指标,由于过热度难以在线实时测量,本文提出一种基于残差卷积自注意力神经网络的过热度识别方法.针对铝电解生产过程数据为时间序列数据且具有多源异构特性,设计异构数据的同构表示方法.在此基础上建立残差卷积自注意力神经网络模型以提取同构时间序列数据的全局与局部特征.针对过热度数据标签少且类别分布不均匀问题,采用基于自动编码器的无监督预训练方法与加权交叉熵损失函数以提高过热度识别任务的性能.在基准数据集上进行仿真对比实验以验证本文所提方法的有效性,然后在只包含少量不平衡标签的铝电解过热度数据集上进行实验验证,结果表明本文构建的过热度识别模型相较与其他现有模型不仅提高了过热度识别准确率,而且在训练样本较少时保证了模型的泛化能力.