中国高层次科技人才省际流动的特征

.以2014-2019年中国内地(未包括香港、澳门和台湾地区)人选高被引科学家为高层次人才研究对象,通过挖掘高层次人才个人履历信息,构建科学家迁移特征信息数据库,从跨省域流动、省内流动及机构流动等多层次、多维度对高层次人才省际流动特征进行研究.研究结果表明,中国高被引科学家在各地区间分布差异非常明显,主要集中在北京、江苏、上海等经济与科教资源发达的地区;高被引科学家净流杰主要集中在广东省、江苏省和四川省等东部发达地区,净流出主要集中在吉林省、安徽省和辽宁省等中西部和东北地区;从机构来看,净流入主要集中在电子科技大学、苏州大学和复旦大学,净流出集中在中国科学院、北京大学等,但由于中国科学院高被引科学家人选人数多,故中国科学院净流出占其入选总人数的比例并不高.     

全氟辛酸在松花江水体多介质环境中迁移、归趋和风险研究

为探究全氟辛酸(perfluorooctanoic acid,PFOA)在松花江水体多介质环境中的迁移和归趋行为,评估其在松花江水体的环境风险,采用Ⅲ级逸度模型模拟估算了松花江流域大气、江水、颗粒物和沉积物中PFOA的含量及其分布规律,计算了PFOA在不同环境介质的迁移通量,采用风险特征比率法评估了PFOA在松花江水体的环境风险.结果表明:PFOA在松花江流域大气、江水、颗粒物、沉积物中的模拟含量分别为1496.03 pg/m3,0.0103 ng/L,15.27μg/kg,19.98μg/kg,PFOA几乎全部进入了颗粒物和沉积物中.PFOA由江水向悬浮颗粒物的迁移、沉积物向江水的迁移分别占相间总迁移通量的84.63％ 和15.12％,为PFOA的主要相迁移路径.由估算结果计算的水和沉积物的风险特征比率(risk characteristic ratios)均远小于1,表明PFOA对松花江水生生物的危害概率较低.     

基于新型空间注意力机制和迁移学习的垃圾图像分类算法

随着我国各级政府大力推动垃圾强制分类,分类回收各环节中实现标准化、自动化的垃圾分类识别需要适合云端部署的高准确率、低延时要求的细粒度图像分类模型.本文发挥深度迁移学习的优势建立了一套端到端的迁移学习网络架构GANet (garbage neural network);针对垃圾分类中类别易混淆、背景干扰等挑战,提出一种新型的像素级空间注意力机制PSATT (pixel-level spatial attention).为克服类别多和样本不平衡挑战,提出使用标签平滑正则化损失函数;为改善收敛速度以及模型稳定性与泛化性,提出了阶梯形OneCycle学习率控制方法,并给出了结合Rectified Adam (RAdam)优化方法和权重平滑处理技术的组合使用策略.实验使用了"华为云人工智能大赛.垃圾分类挑战杯"提供的按照深圳市垃圾分类标准标注的训练数据,验证了GANet在垃圾分类问题中的显著效果,获得了全国二等奖(第2名);同时,提出的PSATT机制优于对比方法,且在不同主干网络架构上均得到了提升,具有良好的通用性.本文提出的GANet架构、PSATT机制和训练策略不仅具有重要的工程参考价值,也具有较好的学术价值.     

不饱和类卡宾H_2C＝CNaX(X=F,Cl,Br)的密度泛函理论研究

采用密度泛函理论方法,在B3LYP/6-311+G(d,p)水平上研究了不饱和类卡宾H2C=CNa X(X=F,Cl,Br)的结构.结果表明,不饱和类卡宾H2C=CNa X(X=F,Cl,Br)各有2种平衡构型,其中具有三元环结构的构型能量低,是其存在的主要构型.预言了最稳定构型的振动频率和红外强度.计算得到了最稳定构型分子内氢迁移反应的过渡态.讨论了卤原子对不饱和类卡宾H2C=CNa X的影响.     

牙舟陶制品重金属迁移研究

牙舟陶是贵州省特色陶制品,深受消费者喜爱,远销国内外。近年来全球食品安全事故频发,成为关系到社会稳定的重大问题。许多国家对陶瓷材料的重金属迁移量都有严格规定,并且检测非常严格,对风险评估十分重视。本文对市场上销售的牙舟陶制品按照产品实际使用情况选取相应迁移试验条件进行重金属迁移检测,并对其进行了安全风险评估,研究结果表明,牙舟陶制品重金属迁移量低,达到陶瓷制品食品安全国家标准要求以及国际要求。以生活饮用水卫生标准为健康指导值作安全风险评估,结果表明牙舟陶制品风险极低、安全可靠。     

低算力深度学习下的图像卡通风格化研究

在深入研究图像风格迁移的基础上，提出了一种适用于图形处理器性能受限情况下，卡通（cartoon）图像风格迁移训练的生成式对抗网络(generative adversarial networks，GAN)．利用视觉几何组（visual geometry group，VGG）网络提取图片先验信息，实现学习过程的加速；裁剪cartoonGAN模型，在保证效果的基础上，使得低性能计算条件下的网络收敛成为可能；设计合理的损失函数，保证整体风格化效果．基于tensorflow 2.0构建试验平台，通过对试验结果分析可发现，该方法的迁移效果好，稳定性强，且收敛时间短．对算法的参数和初始化方法给出了相关讨论，并提出了进一步的解决方案．      

基于深度残差适配网络的通信辐射源个体识别

为解决通信辐射源识别中传统的人工特征提取方法鲁棒性不足和深度学习方法需要大量带标签目标域数据的问题, 提出一种基于深度残差适配网络的通信辐射源个体识别方法。应用深度学习技术实现从源域到目标域上的迁移识别, 只需要将带标签的源域数据和无标签的目标域数据进行训练。原始通信辐射源信号经过预处理后输入网络训练, 将源域和目标域的分布差异和网络的损失函数作为优化目标, 反复迭代得到最终模型。在实际采集的通信辐射源数据集上的实验结果证明了该方法的可行性和有效性。     

国外气候变化与人口迁移研究

 通过对国外学术界关于气候变化与人口迁移的相关研究进行梳理发现，人口迁移不仅是气候变化应对机制，更是一系列国家背景、社会、政治和经济环境相互碰撞的复杂结果。针对气候变化问题，提出了各国应加强收集、共享与气候有关迁移的可靠数据，对移民相关政策制定应着力于改善目的地移民安置和生计问题。通过介绍气候变化和人口迁移方向现有国际研究趋势，展望了其未来的研究趋势。     

运动想象脑机接口的判别迁移特征学习与分类

为了解决不同时间采集的运动想象脑电数据之间存在的分布差异,避免跨时段使用前长时间的重校准步骤,提出了一种基于判别迁移特征学习（discriminative transfer feature learning, DTFL）的运动想象分类方法。DTFL通过联合匹配源域和目标域之间的边缘分布和类条件分布来减少域间的差异,同时最大化类间距离和最小化类内距离来保留类判别信息,从而提升对运动想象的分类性能。基于DTFL的运动想象分类方法无需目标域脑电样本的类别信息,可以有效避免长时间的校准。在脑机接口竞赛数据集上的实验结果表明,DTFL显著优于其他迁移学习方法,有效缓解跨域分布的不一致性,提高了运动想象的分类正确率。     

配位聚合物[Zn(BIX)_2Cl_2]_n的水热合成和晶体结构

在水热条件下合成了配位聚合物:[Zn(BIX)2Cl2]n(BIX=1,4-bis(imidazol-1-methyl)phenyl),并通元素分析和单晶X-射线衍射对其进行了表征.结构表明该化合物属于单斜晶系:空间群P2(1)/c,晶胞参数a=15.398(8),b=20.194(11),c=20.436(11),β=91.594(1)°,V=5 992.99(60)3,Dc=1.566 68 g/cm3,C14H14N4Zn Cl2,Mr=374.602 3,F(000)=3 040.0,Z=4.00,GOOF=0.884,R1=0.0448,wR2=0.1229.该化合物表现出S型链状结构,并且两条链通过氢键的作用形成相互垂直缠绕的柔性长链结构.