新形势下科技人才培养评价体系应有新变化

 过去十几年来，中国在科技领域取得了有目共睹的成绩。但近几年间，国际关系的动荡对中国的科技工作提出了新的警示和要求。放眼未来，为实现建设世界科技强国的目标，中国的科技人才培养评价体系应有新变化：应服务于建立更为完善和独立的科学教育体系，在部分顶尖研究型大学与科研机构致力于打造国际化、全英文的教学科研环境，形成支持中国科学家更多参与国际科学交流活动的体制机制。相信这些提升中国科研“软实力”的举措会对中国科技领域的长期健康发展提供重要支持。     

基于改进TOPSIS的电力基建项目评价机制与应用

针对现有电力基建项目评审时存在的测评指标不全面、评价结果不合理等缺陷，提出基于改进TOPSIS的电力基建项目质量偏差度评价模型。通过对影响电力基建项目质量评审合理性的因素进行分析，实现项目质量偏差度评价指标体系的构建。采用组合赋权法，使得主客观权重值得到有效的平衡，完成权重组合系数的合理选取。利用余弦相似度和灰色关联分析，完成对传统TOPSIS法的改进。在此基础上，将改进TOPSIS法运用于电力基建项目质量评价工作中，使评审结果的准确性得到进一步的提高。算例结果表明，该模型可有效完善项目质量偏差度评价指标，使得评价结果更加符合实际情况，为电力基建项目的评审工作提供有效支持和决策。     

两个新的q级数展开式

利用拉马努金西塔函数，建立两个新无穷乘积系数子列的生成函数，并且得到这两个无穷乘积系数的符号是以5为周期的。     

基于跟踪信息的多帧联合检测方法

传统多帧联合检测方法针对搜索阶段进行设计, 由于无任何目标信息, 需要采用较高的检测门限以降低虚警数量。然而, 一旦成功建航, 目标存在性已确定, 可利用目标跟踪信息调整多帧联合检测策略, 以提升微弱目标检测能力。基于上述考虑, 本文提出了一种基于跟踪信息的多帧联合检测方法。首先利用当前时刻跟踪信息建立预测波门, 然后设定较低的单帧检测门限保障微弱目标信号的高概率检测, 最后在航迹恒虚警约束下调整多帧联合检测门限, 从而完成航迹维持和撤销。仿真实验表明所提方法可有效提高目标检测概率和跟踪维持概率。     

高校场域中学术治理机制对科研产出的影响

随着我国科技政策导向和资源配置对高校学术产出重视力度日益加大,高校科研生产对政府和市场的资源依赖性不断增强,其组织场域呈现外部基于学术性标准的分层和内部学术与行政权力分权的双重特质。作为高校外部组织场域和内部科研生产的中间变量,学术治理机制集中体现了组织场域位置与组织内部技术要素的互动。学术-行政权力耦合是我国高校学术治理机制的主要构型,与外部行政化的场域特征相契合。学术治理机制存在层间异质性和层内同质性,处于场域位置顶层的院校学术权力主导及专业化分工的治理特征明显,师均科研产出较高;处于场域位置底层的院校行政权力主导或学术-行政融合治理的特征鲜明,师均科研产出较低。学术治理机制从结构层面的学术决策权力配置模式、关系层面的学术-行政部门非正式关系以及文化层面的学术氛围3个维度作用于高校教师的科研产出。高校场域位置优势既可直接也可间接通过影响大学学术治理机制,进而影响院校科研产出。应通过高校分类定位、错位发展、多元评价,松动固化的高校组织场域布局,构建以同行评议为核心的学术治理机制、校内学术与行政部门的专业化-支持性关系,优化高等教育场域的组织生态,激发多样化的学术生产活力。     

基于模拟机匣的中介轴承微弱故障特征提取技术

中介轴承是航空发动机支承传动系统中的重要零件，其运行状态直接影响航空发动机的工作状态和运行安全。围绕航空发动机中介轴承微弱故障特征信号提取的问题，以振动信号分析和处理为基础，开展航空发动机中介轴承微弱故障特征信号提取实验。仿照某型涡扇发动机机匣结构设计加工了模拟机匣，用来模拟振动信号的复杂传递路径。基于包络谱分析和经验模态分解（Empirical Mode Decomposition）包络谱分析处理振动信号，对比二者对滚动轴承微弱故障特征信号的提取效果。实验结果表明，在中介轴承微弱故障特征信号提取中，模拟机匣可以有效地模拟振动信号的复杂传递路径，EMD包络谱分析法比单一采用包络谱分析的方法能够更加明显有效地提取中介轴承微弱故障信号。     

阶次自适应AR等效电路模型的锂电池SOC滑模观测

基于等效电路模型的一类车载动力电池剩余荷电状态(state of charge，SOC)的估算方法，其估算精度高度依赖于模型精度，模型精度又正比于模型复杂度，以至于难以较好地应用于嵌入式控制单元.提出复杂度相对较低、能够自适应确定最优模型阶次的全新等效电路模型——基于阶次自适应AR模型的车载动力电池等效电路灰箱模型.基于此灰箱模型，给出锂离子电池SOC的滑模观测器设计推导及能观性、收敛性证明.结果表明，本文提出的基于阶次自适应AR等效电路灰箱模型的滑模观测器SOC估算方法(adaptive autoregressive-sliding mode observer，AAR-SMO)具有低模型复杂度、高精度、强鲁棒性及快速收敛等性能.     

基于深度学习的中医古文献临床经验抽取

中医古文献蕴藏着丰富的临床经验，是古代中医在行医过程中对临床诊疗的经验性总结，体现了中医学形成和发展的理论框架和思想基础.然而这些宝贵的临床经验不仅量大，而且分散在不同的文献中，使得中医从业者手工很难快速全面地获取它们，文献检索工具也只能提供文档级别的信息筛选，无法为这种细粒度的信息获取提供支持.此外，古汉语相对于现代汉语的不同特点也限制了主流文本分析工具的使用效果.为此本文提出面向临床经验获取的中医古文献信息抽取任务，用于识别古文献中描述临床经验的文本片段，手工标注了样本数据用于这种抽取模型的训练和测试，并设计了基于深度学习的序列标注器用于完成该任务.考虑到标注数据量小可能带来的过度拟合问题，本文引入对抗训练和虚拟对抗训练来增强模型的泛化能力.一系列充分的实验验证了模型的有效性，表明利用信息抽取技术从古文献获取中医临床经验具有可行性，为这一新的信息抽取任务提供了有希望的研究基线和可复用的标注数据集.     

基于超网络的舆论演化动态模型

针对舆论演化过程中的复杂动力学问题,提出了超网络视觉下的舆论演化动态模型,该模型包括节点的添加、重新连接链路、超边的添加以及节点的老化4个过程,其中节点代表关键词,超边代表关键词所构成的话题。其次,利用非均匀网络的演化机制,分别对该动态演化模型的超度、节点自身关注度与节点间影响力两个因素的超度进行了详细的理论分析,分析结果表明节点超度完全符合幂律分布。最后,通过Matlab仿真模拟,分析了不同参数对节点超度分布变化的影响,并进一步验证了结果是遵循幂律分布的。     

基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。