含粗骨料超高性能混凝土高温性能的研究进展

与高性能混凝土类似,含粗骨料超高性能混凝土(Ultra High Performance Concrete with Coarse Aggregate,UHPC-CA)经历高温后残余力学性能会发生变化,甚至出现高温爆裂行为.为了推进UHPC-CA的实际应用进程,结合现有文献分析了含湿量、纤维、加热速率、骨料、加载应力和混凝土强度等因素对U HPC-CA高温爆裂的影响;分析了高温后U HPC-CA的残余抗压强度、残余劈拉强度和残余断裂能等残余力学性能的变化;分析了U HPC-CA高温性能的改善措施.结果表明:随着含湿量、加热速率、加载应力和混凝土强度的增加,U HPC-CA的高温爆裂程度均呈现加重趋势,加入粗骨料与纤维后可减轻U HPC-CA的高温爆裂;随目标温度的升高,U H PC-C A的残余抗压强度与残余劈拉强度均呈现先增大后减小的趋势,残余断裂能逐渐下降;热水—干热组合养护可避免U HPC-CA的高温爆裂,显著改善其高温性能.     

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40Cr高温动态力学性能的磨削表面动态再结晶行为

通过分离式霍普金森压杆(SHPB)实验得到了40Cr合金钢在高温高应变率下真应力-真应变曲线，据此确定了材料发生动态再结晶的临界条件.采用解析法和实验法分别求解了磨削强化层的温度场和塑性应变场分布.结果表明，磨削强化层在磨削深度方向具有较大的温度和塑性应变梯度;150μm强化层内会发生奥氏体转变;磨削表面最高温度可达1060℃.在磨削亚表面60μm内会产生剧烈的塑性变形，达到了再结晶的临界条件.较大的磨削深度使磨削强化层塑性应变增大，再结晶现象越充分，微观组织细化程度越高.     

基于概率神经网络的地铁车站易损性分析

基于深度学习方法提出了一种地震响应概率模型，并基于此模型推导了地铁车站结构极限状态超越概率的计算公式，以评价结构的地震易损性。首先采用主成分分析对地震强度指标进行正交化和降维；为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性，基于BP神经网络建立趋势模型以预测结构的地震响应；基于概率神经网络建立误差模型以描述基于统计的趋势模型与基于物理机制的数值模型之间的误差，以拓展残差的齐次方差正态分布假设的严格限制。最后，以上海典型2层三跨地铁车站为算例，计算得到其易损性曲线。结果表明，基于深度学习建立的趋势模型较好地模拟了地铁车站结构地震响应随地震强度指标第一主成分的非线性变化特征；建立的误差模型准确地描述了趋势模型预测值的残差随地震强度指标第一主成分的方差非齐次特征。     

基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

高职生“学习参与度”对创新创业核心素养的影响机制研究

通过对523名高职学生进行实地调研,探析“学习参与度”对学生创新创业核心素养的影响机制。结果显示:课程建设、教师引导、资源支持对学习心理参与度影响显著;教师引导、资源支持、社会实践对学习行为参与度影响显著。学习参与度显著影响创业意识、创新精神、创业能力。提出优化对策:重视学生创新创业核心素养的培养;提高学生创新创业学习参与度;人际互动提升学习心理参与度;协同培育提高学习行为参与度。     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性, 相同的路面状况指数(pavement condition index, PCI)可能代表不同的损坏组合. 当多种损坏并存且损坏程度接近时, 用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策. 因此, 通过对PCI的深入分析, 明确了主导损坏代表性不足的路段, 以现行预防性养护决策方法为基础, 补充了一种考虑损坏构成特征、更具针对性的决策方法. 以上海城市道路近5年的检测、养护数据为分析基础, 首先利用有序聚类算法将路段按PCI水平分组, 分析了不同阶段路面损坏构成和差异水平; 然后, 针对多种损坏并存且损坏差异不显著的路段, 根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段; 最后, 基于有效养护路段建立并对比分析了2个基于BP(back propagation)神经网络的养护决策模型. 结果表明: 当PCI水平介于优良(84.4~93.0分)时, 不同损坏程度接近, 主导损坏代表性不足; 考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度, 测试集决策正确率达86.20%, 优于仅考虑主导损坏的模型(58.50%). BP神经网络与传统决策树法结合能够优化沥青路面决策过程, 提高养护对策选取的针对性.     

生产率差距与产业创新转型的时机选择

随着与世界前沿水平的接近，高中等收入经济体要实现持续增长就必须推进创新战略转型，即从模仿式创新为主转向自主创新为主。以此为基本思路，本文将宏观层面的研究深入到产业层面，构建理论模型，并利用中国与美国1998—2018年工业分行业数据，分析了不同创新战略对生产率的贡献如何随着技术前沿距离变化，并在此基础上探究了创新战略转折点的性质。研究发现：(1)自主创新对劳动生产率的贡献逐渐增加，模仿式创新的贡献趋于下降；(2)当与世界前沿距离达到临界值时，两种技术进步模式对生产率的影响出现转折，利用门槛分析方法作出判断，中国的创新战略转折点应在2005年前后；(3)考虑到产业技术的特性差异，针对技术密集型行业，鼓励自主创新的政策更为有效，而模仿式创新在非技术密集型行业中仍有较大空间。     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。