卷积神经网络发展

卷积神经网络作为深度学习的重要代表算法之一,被应用到人脸识别、行为识别、字符识别和图像处理等多个领域,推动着人工智能的快速发展.本文在分析整理大量文献后,总结了卷积神经网络的发展阶段,介绍了卷积神经网络的基本结构和关键技术,选取LeNet、AlexNet、VGGNet、GoogLeNet和ResNet等几种具有代表性的网络进行分析对比,并指出各个网络的应用场景和优缺点,最后提出卷积神经网络未来的研究发展方向.     

撞击作用下自复位RC柱损伤分析

为了探究初始应力对RC桥墩在车辆撞击作用下的损伤影响,采用LS-DYNA建立自复位混凝土柱水平撞击模型,并选取一组典型工况,分析研究自复位混凝土柱的动力响应过程.分析了撞击作用下预应力钢绞线、纵筋与箍筋、混凝土的损伤分布.通过预应力钢绞线、纵筋与箍筋、混凝土损伤形式的分析,发现自复位混凝土柱在车辆撞击作用下损伤主要集中在撞击位置及基础底部接触面,不会发生剪切破坏,这与普通混凝土柱由于剪切斜裂缝而破坏有明显不同.     

数字化创新:回顾与展望

结合数字化创新的特征与发展趋势,基于5W2H的分析思路,本文从数字化创新特征(WHAT)、数字化创新研究时间线(WHEN)、数字化创新场景(WHERE)、数字化创新动因(WHY)、数字化创新参与者(WHO)、数字化创新途径(HOW)以及数字化创新代价(HOW MUCH)七个方面对数字化创新相关文献进行了梳理.研究发现,现有研究缺乏对数字化创新动机、内在机理、影响结果等方面的深度挖掘与分析,未来数字化创新的研究方向应更加关注数字化创新的跨领域研究、数字化创新的跨层次分析、数字化创新的本土化研究、数字生态系统研究等.     

ZrO2添加量对等离子放电烧结制备WC-6Co组织和性能的影响

以WC-6Co为主体原料，通过添加不同含量的ZrO₂作为烧结助剂，采用SPS烧结技术制备出性能出众的WC-6Co硬质合金，研究了ZrO₂烧结助剂对硬质合金显微组织及力学性能的影响规律.结果表明:随着ZrO₂添加量的增加，试样的显微组织更加致密，相对密度更大，硬度和断裂韧性也有一定程度的增加.并且，当添加ZrO₂的质量分数为3%时，试样的相对密度达到96.7%，维氏硬度增加到20.28kN·mm^-2，断裂韧性增长到12.7MPa·mm^1/2，综合性能最优.研究发现，ZrO₂可以通过促进离子的扩散和颗粒的重排促进烧结，最终使得材料的相对密度和性能均得到提升.     

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code, STBC)识别中多种编码类型难区分的问题, 提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理, 输入到卷积神经网络中对信号特征进行提取, 全连接层对特征进行映射, 实现对6种STBC类型的识别。仿真实验结果表明, 在无信道和噪声等先验信息的条件下, 所提算法能够有效区分3种相似度高的STBC3码, 且将STBC可识别的编码类型由目前的4种扩充到6种, 识别准确率能达到96%。该方法的复杂度较低, 不需要利用大量样本数据, 实时性高, 具有较好的工程应用价值。     

加强科技经济融合组织创新,建设创新联合体

产学研融合是科技经济融合的核心内容,大力推进包括产学研融合在内的科技经济深度融合,成为我国"十四五"时期区域创新发展的关键环节.数字化大背景下,"十四五"期间推进科技经济深度融合具备良好条件.本文概述了科技经济融合的六种基本组织模式及未来我国加强科技经济融合组织创新、建设创新联合体的5个路径.     

基于网络药理学研究槐花丸治疗结肠炎机制

通过网络药理学的方法对槐花丸治疗结肠炎的作用机制进行探索和研究.通过TCMSP和ETCM数据库找到槐花丸的主要成分,通过Swiss Target Prediction对成分靶点进行预测;使用OMIM、GeneCards、TTD Database和MalaCards数据库以"colitis"为关键词进行检索,获得结肠炎相关的疾病靶点;将疾病靶点与主要成分靶点进行交集得出药物作用成分;使用Cytoscape软件绘制出药物的主要作用成分-靶点相互关系网络图;使用STRING平台导出药物的蛋白与蛋白相互作用(PPI)网络图.应用DAVID数据库对核心靶点进行GO分析及KEGG相关通路分析,并对KEGG信号通路进行可视化.得到槐花丸共有54个主要作用成分,其中26个成分活性较好,可能作用于STAT3、TP53、MAPK3、AKT1、TNF、VEGFA等关键靶点,参与91条信号通路.通过绘制药物成分-疾病靶点网络、药物蛋白与蛋白相互作用网络等多条途径,对槐花丸治疗结肠炎的作用机制进行了初探和研究,为其他相关研究提供了依据,为其后续临床疗效评价指标的筛选提供了研究方向.     

无环境信息下多尺度网格细胞群空间表征模型

针对无环境信息条件下网格细胞空间表征问题, 提出一种多尺度网格细胞群的空间表征模型。通过减少吸引子网络模型网格细胞的偏好朝向, 使网格细胞具有特定的感应方向, 仅对特定方向上的速度产生响应。基于改进的吸引子网络模型, 构建多尺度网格细胞群, 并对空间进行表征。仿真结果表明, 改进后的网格细胞模型只响应相应方向的速度, 准确整合速度信息, 表征部分未探索区域, 且适用于无环境信息条件下一维、二维空间。在100 m×100 m的区域, 表征结果的误差不超过0.2 m, 证明了该模型能够扩大网格细胞的表征范围, 提高表征精度与表征能力。     

大连自贸片区升级引领东北融入"双循环"研究

探讨了大连自贸片区进一步升级的必要性,通过运用城市引力模型和断裂点分析方法,对比分析了环渤海6市对东北地区主要城市的辐射带动能力,以及探讨了大连市等城市与东北亚国家之间的经济联系强度,分析了大连自贸片区升级对东北经济发挥引领作用的可行性,指出大连对东北腹地的经济辐射能力较强,对东北亚经济圈的经济联系强度在辽宁其他港口城市之上,具备跃升为自贸港从而引领东北地区融入"双循环"发展的潜力.提出要进一步提升大连区域经济辐射能力以激发内循环动力、打造多边开放格局以保障外循环效益、强化核心枢纽功能以提升港口竞争力和创新体制机制改革以探索先行先试新模式等对策建议.     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.