基于出口管制清单的质谱仪技术对比分析研究

为研究全球质谱仪制造技术的研发特点,分析我国的竞争优劣势,本文采用监督分类和非监督聚类结合的方法,对全球质谱仪专利技术进行人工智能筛选,得到全球质谱仪制造技术的研究主题布局。将技术研究主题与出口管制清单中所涉及的质谱仪信息进行技术对比,分析中国与美国、欧盟、日本等在质谱仪制造技术方面的研究现状和竞争态势。结果显示随机森林算法对质谱仪制造技术的筛选效果最好。无监督聚类算法将全球质谱仪制造技术聚类为质谱仪整机技术、离子质量分析器技术、质谱仪数据处理模块、进样部件与装置、离子源核心技术等五大模块。通过计量分析发现,近十年来,中国的质谱仪制造技术进步非常快,2015年后,专利已经超过了全球专利数量的一半。中国在进样部件与装置、质谱仪数据处理等研究方向上的技术储备具有明显优势,而在质谱仪整机技术、离子质量分析器技术、离子源核心技术等主题方向上比较薄弱。中国在核心技术方面存在短板,在面对西方技术管制时,存在一定的风险。     

基于深度强化学习的机械装备剩余使用寿命预测方法

随着机械装备发展的日益大型化和复杂化,其使用安全性和可靠性也越来越受到重视.剩余使用寿命(remaining useful life, RUL)预测技术,通过分析设备的运行数据,预测设备还能正常运行的时间,利用该技术可有效提升设备运行的安全性和可靠性,同时可为设备的后续维修决策提供关键依据.本文提出一种基于深度强化学习(deep reinforcement learning, DRL)的RUL预测方法,首先通过自编码器(autoencoder, AE)对机械装备的原始信号进行特征提取,利用提取到的特征构成强化学习的状态变量,通过设置合适的动作空间和奖励函数训练强化学习模型,使其能依据样本间的时序相关性对装备的RUL进行准确预测.与其他方法相比,强化学习方法的时序交互决策逻辑可以自然地保留样本间的时序依赖关系,降低了RUL预测的波动性.最后利用涡轮发动机数据集CMPASS对提出的方法进行实验验证,所提出的方法在RMSE和Score两项指标上均优于目前多种RUL预测方法,且所提出方法对于接近退化末期的装备预测效果有明显提升.     

基于深度强化学习的不完美信息群智夺旗博弈

复杂环境中群智博弈问题是近年来的研究热点之一.为解决不完美信息条件下多智能体夺旗博弈问题,本文提出了一种基于多智能体双重决斗深度Q网络(multi-agent dueling double deep Q-network, MAD3QN)以及图注意力网络(graph attention network, GAT)的多智能体夺旗博弈深度强化学习算法(G-MAD3QN).该算法在实现多智能体在迷宫地图中路径规划的同时,建模不完美信息条件下多智能体合作与竞争关系,从而确定夺旗博弈策略.在实验中,本文基于二维迷宫环境,考虑智能体观测信息不完美条件,将G-MAD3QN算法与多智能体深度Q网络(multi-agent deep Q-network, MADQN)、MAD3QN等多智能体深度强化学习的基线算法进行对比,从而验证了在二对二夺旗博弈中本文G-MAD3QN算法的有效性.     

神经科学领域前沿发展态势研究：基于ESI研究前沿的深度挖掘分析

本文构建了基于ESI研究前沿的深度挖掘方案,通过研究前沿之间的共被引网络聚焦领域研究热点、主题词共现识别神经科学领域研究重点主题;利用KeyBERT模型对研究前沿核心文献和施引文献的标题与摘要进行关键词识别,分析关键词热度年际变化,深入揭示神经科学领域研究前沿热点发展趋势;通过对研究前沿核心文献及其施引文献和参考文献进行国别分析,反映世界各国在神经科学领域研究前沿发展的学科影响力,并进一步分析中国在神经科学领域研究前沿的覆盖度和活跃度。分析表明：阿尔茨海默病、帕金森病、多发性硬化症等神经系统疾病是全球神经科学领域研究最广泛深入的重点主题,脑机接口、血清神经丝轻链蛋白、非侵入性脑刺激技术等是近年来的新兴研究热点,感染新冠病毒对神经系统的影响、新冠肺炎病人的神经系统表现以及一线医务人员的心理健康等疫情相关主题也成为近两年神经科学领域的研究热点。近年来我国在神经科学领域研究前沿的覆盖度和活跃度升高,研究前沿引领度、贡献度和参与度均有较大提升,在新冠疫情相关主题、肠道微生物菌群、靶向治疗、人工感觉神经等研究方向具有一定发展优势,在阿尔茨海默病、脑功能网络、卒中、神经性疼痛、胶质瘤等方向具有一定...     

因果推理引导的复杂花纹织物缺陷视觉检测深度学习方法

AI视觉质量检测是两化融合的先导场景,是复杂产品质量管控的重要手段.本文以复杂花纹织物为对象,提出因果推理引导的产品缺陷视觉检测深度学习方法,从而解决复杂背景干扰下的视觉检测难题.首先,构建复杂背景干扰下的缺陷检测结构因果模型,并提出阻断背景特征干扰的因果干预策略.其次,在因果干预策略的基础上建立缺陷特征敏感性神经网络(defect feature-sensitive neural network, DFSNN),包括两个特征提取模块(分别以同视角的无缺陷、有缺陷面料图像作为输入).然后,提出了因果关系敏感性学习模块,其差分两个特征提取模块的输出,并通过最大化输出差分来构建因果敏感损失函数,从而实现训练过程中对背景特征的阻断和对缺陷特征的敏感性学习.实验结果表明, DFSNN可有效减弱背景图案的混淆干扰,保持95%的缺陷识别准确率.     

我国反洗钱研究文献的科学计量分析

运用统计方法和CiteSpaceⅡ可视化软件计量分析1989~2013年中国知网(CNKI)收录的1176篇反洗钱研究中文核心期刊论文。研究发现:我国反洗钱研究论文发文量经历了渐增、快速增长、递减三个阶段,金融类核心期刊始终是主流媒介;27位高产作者主要来自于高等院校、人民银行及其分(支)行,但无论作者还是机构之间都合作甚少;反洗钱、洗钱犯罪、金融机构、洗钱、洗钱罪、反洗钱工作一直是我国反洗钱研究的六犬热点领域;反洗钱、身份识别、洗钱风险、反洗钱监管、风险文本是2009年以来我国反洗钱研究的五大前沿主题。     

国内外医疗数据可视化研究的现状分析与展望

本文利用科学计量学和知识图谱的方法展示了2010—2019这十年国内外医疗数据可视化研究的分布及主题特点,分析国内外相关研究的共性、对比二者的主要差异,从中挖掘目前国内医疗数据可视化研究存在的问题并提出应对建议。这十年国内外医疗数据可视化领域文献年发文量呈逐年增长趋势,其中后五年国内相关研究数量呈指数增长,国内外对医疗数据可视化研究的重视程度均有所提高,但当前国内相关研究较国外研究相比存在起步晚、科研主题创新和活力不足、研究主题粒度较大不够细化、处理数据来源和应用范围有局限性、可视化研究成果形式不够丰富等实际问题。本研究对这些突出问题逐一列举并提出解决建议,以期为未来医疗数据可视化研究的学者提供借鉴和参考,助力大数据时代医疗数据资源在可视化层面的高效利用。     

基于Citespace分析的秸秆能源化利用技术研究进展

秸秆的处理处置是农业农村生态环境保护重点关注的方向,了解秸秆资源化利用领域研究应用的热点和前沿,有助于我国制定并优化相关的政策规划。基于文献计量软件Citespace及Web of Science核心数据库,对秸秆能源化领域进行了可视化分析,展现秸秆能源化利用的国际趋势。结果表明,20多年来论文发文量呈现不断增长的趋势,排名前四的国家分别为中国、美国、德国、法国。中美两国科学家在各自领域形成了强大的科研团队,发文量Top10学者中共有9名中美学者。秸秆能源化利用研究主要围绕生物质生产燃料的机理研究、基于物理方法的秸秆能源化利用、秸秆厌氧发酵生产甲烷、氢气以及能源化利用过程中的环境影响等5个主要研究主题开展。秸秆能源化研究仍处于快速发展期,未来秸秆的预处理、生物发酵、全生命周期研究仍将是研究热点。     

基于深度强化学习与演化计算的风-水-火混合增强智能调度

火电、水电和风电是我国电力工业系统的三大能源主体,根据风-水-火发电互补特性,建立联合优化调度模型对于降低电力系统运行成本以及促进新能源消纳具有重要意义.然而梯级水电站间的时空耦合性、风电的不确定性以及风-水-火多能源相互关联的复杂约束使得联合调度模型求解较为困难.因此,本文提出了一种基于深度强化学习(deep reinforcement learning, DRL)与演化计算的混合增强智能优化框架.该框架首先利用深度强化学习与风-水-火联合调度模型进行交互,并根据交互数据对联合调度模型复杂规律进行持续学习,优化自身控制策略,提高智能体泛化能力.此后,在解决实际调度问题时,为进一步提升算法的个性化能力,利用演化计算算法(particle swarm optimization, PSO)在经过训练的DRL上进一步优化调度方案,实现风-水-火联合调度的快速决策.算例分析表明,所提出的混合增强智能优化框架求解速度快、寻优能力强,提升了DRL优化性能的鲁棒性,提高了风-水-火系统运行的经济性及风电消纳能力.     

基于文献计量的中美超材料基础研究态势对比及建议

为了对中美超材料基础科学研究态势和前沿热点进行对比,为国家科技计划项目规划和科学研究决策提供支撑,本文基于SCIE收录的2000—2022年中美超材料相关论文,采用文献计量方法,借助DDA和VOSviewer数据处理和分析软件,从论文产出、论文被引、资助机构、主要机构和学者、技术主题和热点前沿等角度进行对比分析。研究表明,中国正在成为全球超材料领域的主导国家,发文量于2012年超过美国后居全球第一,论文的篇均被引数正在赶上美国;美国从2018年开始发文量呈逐年减少趋势。“太赫兹”长期占据中国超材料研究主题的主导地位,近5年“超表面、声和机械超材料、超材料吸收器”等相关研究热度提升,研究主题更加多样化;美国近5年的研究热点则是“超表面、机械超材料、双曲超材料”等。建议我国政府的资助重点向“超表面、拓扑优化和制造、深度学习”等前沿热点和跨学科领域倾斜,借助“信息超材料”等领先领域的带动,提升国际合作力度和全球影响力。     

基于专利分析的化学发光免疫分析技术全球发展趋势研究

基于Innography平台,本文对化学发光免疫分析技术全球专利进行检索和统计分析,从专利权人和国家地区分布、专利质量分析和专利文本聚类分析以及专利侵权风险等角度进行深入解读。分析结果表明,全球化学发光免疫分析研究总体呈上升趋势,专利申请主要集中在美国、日本、德国、中国,美国综合实力最强,高价值专利量最多,最大的两家公司-罗氏和雅培各有一个庞大的专利家族对自己的核心技术进行保护。文本聚类的结果揭示:1)肿瘤标志物、心脏标志物的检测是热点应用领域; 2)化学发光微粒子免疫分析、磁性微粒、固相载体等技术是近年来的热点技术。最后对中国化学发光免疫分析技术的发展提出了建议。     

基于树的不确定数据频繁项的挖掘算法研究

本文针对UF-growth算法在构建环节的不足,提出了一种改进的映射频繁项树PUF-tree算法。该算法基于数据库映射技术,通过改进原算法的构建过程,能在一定程度上消除原算法的性能瓶颈,提高算法的效率。     

基于OpenGL的三维速度模型和地震数据可视化研究

三维可视化是地球物理领域研究的一个重要方向。应用三维可视化技术,可以对原始地震数据做出多方位的图形化展示,为下一步的数据解释分析提供充分的条件。本文是在QT和OpenGL的图形软件开发环境下,研究并实现了速度模型和地震数据的三维显示,从而可以更加直观的看到速度模型和地震数据所反映的地下地层的真实分布。     

中美日韩德图像理解技术发展比较——基于DII数据库的实证分析

以德温特数据库作为数据源,选取中美日韩德作为比较研究对象,对五国图像理解技术的总体趋势进行专利计量分析,并采用技术竞争力模型评估五国的技术竞争力.结果表明,中国在专利申请数量上遥遥领先,但在专利平均被引频次上远低于美国和日本;同时,美国几乎占据了图像理解技术的全部高被引专利.得益于海量的图像理解技术专利,中国的技术强度...     

基于改进聚类算法的基础数据准备研究与应用

为了解决数据挖掘本身的局限性,提出了适用于制造企业的基础数据的改进K-means算法。该算法应用AHP方法将原始数据根据其特征属性进行加权预处理,可以将基础数据进行更精确的细分,完善了基础数据的准备,为企业提供了更加直观科学的决策依据。并通过实例验证了该方法的可行性。     

基于主成分的大坝观测数据多效应量统计分析研究

传统的单效应量分析在处理具有多重共线性的大坝监测数据时有较大的局限性,本文引入主成分分析方法对相关的多效应量进行重构,探讨确定主成分的方法,提取影响数据变异的少数主成分.对于稳定的观测数据建立基于主成分的多效应量观测值整体控制域;对于有趋势性变化的观测数据,在建立主成分统计预报模型的基础上建立了未来观测值的控制域.通过工程实例证明,利用主成分分析方法进行多效应量分析可以实现数据缩减,减少数据冗余,降低噪声和虚假报警率,能够进行高效地数据分析,具有广阔的应用前景.     

基于HJ-1星CCD数据的溢油遥感特性分析与信息提取

基于HJ-1星CCD多光谱数据,以2010年美国墨西哥湾深海油井溢油污染海域为研究区,对溢油迁移转化过程进行分析,认为油水混合物是该次事故的主要污染类型之一.研究HJ-1星CCD数据多种目标的影像特征与光谱响应特征,指出油水混合物能明显改变海水对入射光的后向散射性能,可以被有效地识别与判定.利用决策树分类方法能有效地提取墨西哥湾溢油污染中的油水混合物;对误判信息进行分块合并处理后,可进一步提高油水混合物的提取精度.研究表明,HJ-1星CCD多光谱数据能有效提取海洋溢油污染信息,具备了开展海洋溢油污染遥感监测的能力.     

基于对比分析的项目管理成熟度模型应用研究

项目管理成熟度模型作为评估和改进组织项目管理能力的重要手段,已得到国外众多项目型组织的认可和应用。本文从等级划分思想、模型构架等方面对比分析了国外目前主要的几种项目管理成熟度模型及其应用情况,旨在为我国项目型组织应用成熟度模型提升自身项目管理能力提供选择的参考。同时,结合我国实际情况,提出了我国企业应用项目管理成熟度模型的基本流程,并对应用过程中应注意的问题进行了分析,并作出结论和展望。