采用通道注意力机制的RIS辅助MIMO级联信道估计

可重构智慧表面（RIS）辅助多天线毫米波无线通信系统的级联信道有直传和反射两条链路,系统维数大且复杂,获取信道状态信息（CSI）困难. 针对RIS辅助下的大规模多输入多输出（MIMO）通信系统应用场景,提出了基于通道注意力机制的SE-ResNetV2网络来获取CSI,在残差网络（ResNet）中引入了通道注意力模块,通过挤压和激励策略来提高噪声特征的捕捉能力. 仿真结果表明,相比于最小二乘（LS）估计算法和常规的注意力机制深度ResNet,所提出的深度学习网络具有更好的去噪效果和估计精度.     

考虑地质分层约束的长短期记忆循环神经网络测井曲线重构

延长油田东部裸眼井区早期测井资料普遍只有自然电位（SP）、自然伽马（GR）及梯度电阻率(R2.5)三条曲线,因缺失声波（AC）、地层电阻率（RT）等测井曲线,难以满足精细油藏地质研究需求。东部裸眼井区开发时间长、单井产量低,重新测井缺乏可行性及经济性。采用长短期记忆循环神经网络(Long Short-Term Memory,LSTM)进行缺失测井曲线重构是一种经济有效方法,适用于地层测井序列数据。然而延长油田东部浅层油藏上覆黄土层段测井数据信号干扰大,直接应用模型精度较差。针对此问题,本文采用考虑地质分层约束的LSTM模型进行缺失测井曲线的重构,通过分层数据截取每口井长6层段测井数据作为样本数据,既保留了LSTM模型处理序列数据的优势,同时又避免了上覆黄土层测井数据对模型的干扰。利用裸眼井区完整测井数据进行模型训练优化和验证,讨论了考虑地质分层约束的LSTM测井曲线重构精度,结果表明通过引入地质分层约束,模型重构测井曲线精度更高。应用优化后模型实现裸眼井区50口仅有GR、SP、R2.5三条曲线数据井的AC、RT曲线重构,对50口井的142个射孔段进行二次解释,对比试油解释结论符合率达到89.4%,验证了该方法对测井曲线重构的实用性和有效性。     

基于孤岛划分约束的有源配电网故障恢复策略

为提高供电恢复效果,更好地应对当前有源配电网信息-物理耦合程度不断加深的形势,提出了一种考虑信息流、能量流、业务流多流融合以及智能软开关(soft open point,SOP)作用的孤岛划分算法,基于该算法实现供电恢复策略。首先,为保证负荷的可靠恢复,该策略深入研究信息-物理耦合并建模,对节点信息重要度排序,讨论其对负荷恢复的影响;其次,构建了SOP的稳态模型,分析了SOP的工作原理及控制模式;接着,为了更大程度、更加灵活地恢复负荷,考虑SOP的作用,建立考虑光伏时变性及负荷运行特性的有源配电网孤岛划分模型;最后,算例仿真验证所提策略的有效性。     

基于帕累托最优效率模型的轨道交通沿线公交线路运行效率评价

通过建立公交运行效率评价模型,确定轨道交通沿线待优化线路,为两网融合奠定理论基础。研究首先通过定性定量法筛选出与轨道交通关联度大且有研究意义公交线路,其次以公交线网自身合理性、两网之间协同关系等数据构建评价体系,最后采用帕累托最优交叉效率模型,求解沿线公交线路运行效率。以南昌市1号线为例,筛选出沿线25条公交线路并进行实证分析。结果表明：帕累托最优交叉效率模型的评分更容易被所有的决策单元（Decision-Making Units,DUM s）接受;数据分析得出南昌公交线网自身合理性较好,但在两网协同关系方面,可优化线路走向、调整线路重复系数等加强其协同性。最后基于两者的帕累托交叉效率均值,将25条公交线路划分为4种案例,为公共交通系统的管理者和决策者提供了更实用和有价值的观点。     

基于卷积神经网络的新奇检测技术在结构损伤识别中的应用

针对新奇检测难以同时识别结构损伤时刻和损伤位置的问题,提出在新奇检测中引入卷积神经网络以实现损伤时刻和损伤位置的一次性确定。首先,采用小波包技术处理结构响应得到小波包能量,并将相邻测点对应频带的能量比作为新奇检测模型的特征向量;然后,以结构健康时的特征向量作为训练数据,建立健康模式下的基于卷积神经网络的新奇检测模型;接着,将结构实时输出的特征向量输入到新奇检测模型,所得输出与健康状态的输出进行对比,并将输出和输入的欧氏距离作为新奇指标;最后,根据新奇指标的变化识别结构损伤时刻和损伤位置。数值模拟和实验室试验验证了该方法的有效性。     

融合多尺度CNN与双向LSTM的唐卡问句分类模型

当前大语言模型的兴起为自然语言处理、搜索引擎、生命科学研究等领域的研究者提供了新思路,但大语言模型存在资源消耗高、推理速度慢,难以在工业场景尤其是垂直领域应用等方面的缺点。针对这一问题,提出了一种多尺度CNN与双向LSTM融合的唐卡问句分类模型,本模型将数据的全局特征与局部特征进行融合实现唐卡问句分类任务,全局特征反映数据的本质特点,局部特征关注数据中易被忽视的部分,将二者以拼接的方式融合以丰富句子的特征表示。通过在Thangka数据集与THUCNews数据集上进行实验,结果表明,本模型相较于Bert模型在精确度上略优,在训练时间上缩短了1/20,运算推理时间缩短了1/3。在公开数据集上的实验表明,本模型在文本分类任务上也表现出了较好的适用性和有效性。     

基于网络药理学与 GC-MS 探讨竹叶花椒挥发油干预高脂血症的作用机制

目的 基于气相色谱-质谱联用结合网络药理学方法,探讨竹叶花椒挥发油干预高脂血症的活性成分及作用机制,为竹叶花椒挥发油中功能性成分研究及其干预高脂血症的作用机制提供理论基础。方法 首先通过GC-MS鉴定竹叶花椒挥发油的化学成分,再借助数据库获取化学成分对应靶点和高脂血症疾病靶点。又通过Venn图、蛋白-蛋白相互作用分析、GO分析、KEGG代谢通路富集分析和构建“靶点-通路-活性成分”网络得到竹叶花椒挥发油干预高脂血症的关键靶点。最后采用分子对接软件AutoDock对竹叶花椒挥发油主要活性化合物与关键靶点进行半柔性对接验证。结果 在竹叶花椒挥发油中鉴定出29个化学成分,得到37个干预高脂血症的核心靶点,该核心靶点涉及细胞对脂质的反应、脂质的定位调节和对脂多糖的反应等方面。KEGG富集分析与“靶点-通路-活性成分”网络进一步得到PPARA、RXRA、TNF、NR1H3、PPARG和IL-6等28个关键靶点,也得到金合欢醇、亚油酸和α-石竹烯等7个主要活性成分。分子对接结果表明关键靶点与主要活性成分有较好的结合能力,结合能均小于-7.0 kJ/mol。结论 竹叶花椒挥发油中的多种功能性成分可能...     

基于BP神经网络的离线迭代混合试验方法研究

利用反向传播(误差逆传播算法back propagation algorithm,BP简称反向传播算法)神经网络对非线性结构位移-力系统进行拟合,将训练好神经网络作为试验子结构与数值子结构联合求解,省去了混合试验中试验子结构与数值子结构之间的实时数据交互,并通过迭代训练样本的方法不断逼近真实响应,克服了神经网络需要大量训练样本的问题。通过对两个自由度的非线性结构进行混合试验数值仿真,验证了该方法的可行性。以实际工程的一榀框架为混合试验对象,取一个隔震垫作为试验子结构进行数值仿真,进一步验证了该方法的有效性。     

中国传统健身功法治疗抑郁症状有效性的网状Meta分析

目的 借助网状Meta分析方法比较八段锦、太极拳、五禽戏、易筋经4种中国传统健身功法调节抑郁症状的临床疗效,为制定调节抑郁症状的运动处方提供科学依据。方法 全面检索中国知网、万方、PubMed、Cochrane library和Web of Science数据库,搜索公开发表的以4种中国传统健身功法调节抑郁症状的实验研究。按照Cochrane手册标准对所纳入的研究进行文献质量评价与偏倚风险评估,运用Stata软件对纳入文献进行网状Meta分析。共纳入41篇文献,44项试验研究,实验组1 601人,对照组1 667人。结果 对于结局指标SDS,易筋经对其评分改善效果显著优于对照组;对于HAMD,八段锦对其评分改善效果显著优于对照组;对于SCL-90,太极拳对其评分改善效果显著优于对照组。结论 4种传统健身功法对调节被试人群抑郁症状均具有一定疗效;太极拳相比其他干预措施对调节抑郁症状各项指标（SDS、SCL-90）的疗效最为显著;八段锦对调节抑郁症状（HAMD）的效果最佳。因此,对于抑郁症状人群,可以选择八段锦与太极拳进行干预。     

融合特征通道重要性与相似性的深度YOLO网络压缩方法

基于深度YOLO网络的目标检测方法网络结构复杂、冗余参数过多、计算量大,极大影响模型检测性能。针对此问题,从降低网络中低效通道和冗余通道的影响出发,提出了一种融合特征通道重要性与相似性的深度YOLO网络压缩方法,基于深度网络压缩中的网络剪枝思路,采用2次剪枝剪去低效及冗余特征通道。构建通道重要性计算方法,将稀疏因子作为通道效能计算指标,结合剪枝率剪去低效通道;根据通道间存在的线性关系计算其相似度,对相似度较高的通道进行替代,剪去相似度较大的通道;微调模型参数,恢复剪枝前的检测精度。仿真实验表明,同当前性能较优的深度网络压缩方案相比,提出的方法在保证目标检测精度的同时极大减小了模型尺寸、提升了检测速度,方法可行、有效。