基于全局注意力的多级特征融合目标检测算法

针对小目标物体检测精度差的问题,同时不以牺牲速度为代价,本文提出了一种基于全局注意力的多级特征融合目标检测算法。算法首先由卷积神经网络生成多尺度的特征图,然后采用多级特征融合的方法,将浅层和深层特征图的语义信息相结合,提高特征图的表达能力,接着引入全局注意力模块,对特征图上下文信息进行建模,并捕获通道之间的依赖关系来选择性地增强重要的通道特征。此外,在多任务损失函数的基础上增加一项额外的惩罚项来平衡正负样本。最后经过分类回归、迭代训练和过滤重复边框得到最终检测模型。对所提算法在PASCAL VOC数据集上进行了训练和测试,结果表明该算法能有效地提升小目标物体检测效果,并较好地平衡了检测精度与速度之间的关系。     

基于Attention Bi-LSTM模型构建蛋白质诱饵序列库

利用计算机技术在海量质谱数据中鉴定蛋白质序列是蛋白质组学研究最基本且重要的任务之一，诱饵序列库构建的好坏是蛋白质鉴定质量控制成功的关键之一。发展了基于注意力机制-双向长短期记忆神经网络(Attention Bi-LSTM)的诱饵序列构建方法，整体研究基于编码-解码框架，采用双向长短期记忆神经网络在解决传统循环神经网络梯度消失问题的同时，可以捕获前向后向更多依赖信息对处理序列数据更加有优势；引入注意力机制提高模型对目标序列库和诱饵序列库相关程度的关注度；并与目前常用的随机和反转算法进行比较。结果显示，基于Attention Bi-LSTM模型构建的诱饵序列库能满足理想诱饵序列库的各项特征要求；在不同大小实验数据集以及谱图、肽段、蛋白3个层面对比分析，显示构建的诱饵序列库与其他方法比具有更好的灵敏性。因此，Attention Bi-LSTM是一种很有潜力的诱饵序列库构建方法。     

基于视觉关注模型与多尺度MSER的自然场景文本检测

自然场景中文本检测易受光照、复杂背景、多语言文字、字体及尺寸等因素影响，该文提出了一种基于Itti视觉关注模型与多尺度最大稳定极值区域（maximally stable extremalregion,MSER）结合的自然场景文本检测算法.首先利用改进的Itti视觉关注模型提取文本特征图，并采用不同结合策略得到各尺度文本显著图；然后结合多尺度的MSER区域得到3种文本候选区域.根据文字与生成文本框的几何规则合并文本候选区域得到文本行；最后利用随机森林分类器除去非文本区域得到最终文本区域.实验结果表明，该方法对于自然场景图像中的文本检测具有较高的精确度和一定的鲁棒性.     

联合自编码任务的多机制融合复述生成模型

基于神经网络编码–解码框架的复述生成模型存在两方面的问题: 1) 生成的复述句中存在实体词不准确、未登录词和词汇重复生成; 2) 复述平行语料的有限规模限制了编码器的语义学习能力。针对第一个问题, 本文提出在解码过程中融合注意力机制、复制机制和覆盖机制的多机制复述生成模型, 利用复制机制从原句复制词语来解决实体词和未登录词生成问题; 利用覆盖机制建模学习注意力机制历史决策信息来规避词汇重复生成。针对第二个问题, 基于多任务学习框架, 提出在复述生成任务中联合自编码任务, 两个任务共享一个编码器, 同时利用平行复述语料和原句子数据, 共同增强复述生成编码器的语义学习能力。在Quora复述数据集上的实验结果表明, 提出的联合自编码的多机制融合复述生成模型有效地解决了复述生成的问题, 并提高了复述句的生成质量。     

融合篇章表征的事件指代消解研究

事件指代消解任务比实体指代消解难度大, 主要原因为事件描述在非结构化文本中分布稀疏, 且不具备同指关系的单链占很大比例, 同时事件自身承载的语义信息比实体更加丰富。为了准确地抽取文本中的同指事件, 针对以上特点, 提出一种融合篇章表征的事件指代消解模型。该模型通过CRF有效地区分非事件句、单链以及同指链, 同时利用分层注意力机制捕捉句子级别和篇章级别的重要信息。在KBP2015和2016数据集上进行的事件指代消解实验验证了该模型的有效性, 在CoNLL评测标准下F1值达到43.07%。     

积分方程法结合Ewald变换和栅格对称性分析周期性结构的散射特性

本文提出空域积分方程法分析周期性结构。空域周期格林函数的计算通过改进的Ewald变换进行加速。利用周期性结构栅格的对称性简化了几何模型的尺寸，未知量大大减少，以致填充矩阵和求解MoM线性系统的时间大为减少。我们的方法跟目前已发表的文章和商业软件相比，更高效和精确。     

掺杂铝合金激光选区熔化成形研究进展

激光选区熔化成形(selective laser melting, SLM)是制造轻量化、一体化铝合金结构的潜在方法,因具有材料利用率高、生产周期短和成形精度高等优点在航空航天等领域受到广泛关注。目前实现工程应用的SLM成形铝合金种类少,且成形部件力学性能低,已成为制约其发展的主要问题。为进一步提高铝合金性能,掺杂铝合金SLM成形已成为中外研究热点。对金属元素和陶瓷颗粒对SLM成形铝合金致密度、显微组织和力学性能的影响等方面的研究内容进行总结和分析,对掺杂铝合金SLM成形未来发展方向进行展望。     

基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中，许多深度学习网络未能充分考虑局部点之间的复杂关系，导致大量空间几何信息丢失。针对该问题，提出了一个强化局部特征的网络，用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码；通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数，结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验，结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。     

ZSM-5型分子筛上H_2选择还原NO

采用水热法合成了微米HZSM-5分子筛(HZSM-5)和纳米HZSM-5分子筛(nano-HZSM-5),通过XRD和SEM对样品进行了表征。结果表明:所得样品为纯态的HZSM-5和nano-HZSM-5分子筛。以上述样品为载体,制备了Pd基催化剂,并用于H2选择还原NO研究。在整个测试温度范围内,Pd/HZSM-5表现出良好的催化性能,优于Pd/nano-HZSM-5。当温度高于100℃时,Pd/HZSM-5上的NO可达到完全转化。此外,Pd含量仅影响低温时(100℃)Pd/HZSM-5的催化活性。上述结果说明所制备的Pd/HZSM-5是H2选择还原NO的优良催化剂。     

空预器差压大且堵灰的原因分析及对策

机组启动、油枪投运、煤油混燃、空预器低温腐蚀等诸多因素,会不同程度地引起空预器差压增大,时间久之,会造成空预器堵灰及磨损现象发生,严重影响机组的安全性和经济性。分析了空预器差压大且堵灰的原因,探讨了预防的对策。