课程文献中心 更多>>

关键词： 低碳园区   碳排放   碳减排   水资源优化配置   协同优化  

摘要： 探索高新产业园区的绿色发展模式对于引领全国高新技术产业的转型至关重要，污水低碳近零排放是在碳达峰碳中和新形势下，推动高新产业园区能源结构转型的有效措施。然而，现阶段高新产业园区污水低碳近零排放的研究多关注局部单元的减排和改进，忽略了园区尺度上水系统中各单元的水循环利用和碳排放过程的协同，缺少园区整体低碳近零排放的实践。因此，研究以江苏省某高新产业园区整体为研究对象，在系统解析园区典型产业的水系统用水、排水特征和碳排放现状的基础上，开展了面向低碳约束的高新产业园区水网络优化研究，进一步提出了根据产业发展现状和水资源禀赋，灵活组合应用分质利用-源头减碳、资源回收-强化减碳、节能减排-能源再生、深度净化-生态回用、再生利用-综合控碳的“五级处理-五级减碳”园区污水低碳近零排放的新模式，为高新产业园区绿色可持续发展提供了行之有效的实践路径。

关键词： 钢筋混凝土梁   锈蚀   抗弯承载力   贝叶斯神经网络   模型不确定性系数  

摘要： 【目的】研究分析钢筋混凝土（reinforced concrete，RC）梁的钢筋锈蚀影响参数的变量不确定性和抗力预测模型的不确定性，进而准确评估锈蚀RC梁的抗弯承载力。【方法】首先基于模型预测结果和试验数据提出了以纵筋锈蚀率表达的模型不确定性系数；然后采用蒙特卡洛和拉丁超立方抽样锈蚀RC梁抗弯承载力影响参数的概率模型，建立了贝叶斯神经网络锈蚀RC梁抗弯承载力时变预测模型，并与传统BP神经网络、GA-BP神经网络预测模型进行了对比研究。最后依托案例得到了使用年限100年内锈蚀RC梁抗弯承载力的时变概率分布。【结果】与BP神经网络、GA-BP神经网络预测模型相比，贝叶斯神经网络预测模型迭代收敛次数最少，效率最高，预测平均精度与目前通用的GA-BP神经网络预测精度相当，试验值与预测值之比的平均值为1.02，方差为0.0075，相较传统BP神经网络预测模型准确率提高了7.44%。【结论】锈蚀RC梁抗力时变概率模型满足对数正态分布，所建立的贝叶斯神经网络锈蚀RC梁抗力时变预测模型可得到更好的结果。

关键词： Adam optimization   Artificial intelligence   Fundus oculi   Hypercomplex number   Quaternion-valued neural network   Retina vessels   U-Net   Vessel segmentation  

摘要： Objective To develop a U-Net-based quadruple numerical neural network (QU-Net) model for retinal vessel segmentation and to verify its precision and efficiency in extracting and segmenting retinal vessels from fundus images. Methods This study used the concept of hypercomplex numbers, the three channels of color images, and a quaternion matrix representing all the information data of the images, which was then used as input for quaternion convolution and quaternion fully connected layers based on the U-Net architecture to form a QU-Net *** QU-Net model was first tested on the DRIVE, STARE, and CHASE_DB1 datasets and compared with the traditional real-valued U-Net, M-Net, and SU-Net models in terms of accuracy, sensitivity, specificity, precision, F1 score, and Matthews correlation ***, the model was further optimized and the optimized QU-Net model was compared side-by-side with the well-known advanced models to comprehensively evaluate and analyze the efficiency and accuracy of the model in extracting and segmenting retinal blood vessels from fundus images. Results The results showed that the QU-Net model achieved the following vessel segmentation results: accuracy 0.956 6, sensitivity 0.700 8, specificity 0.987 9, precision 0.595 4 on the DRIVE dataset, accuracy 0.975 5, sensitivity 0.890 7, specificity 0.984 2, precision 0.662 5 on the STARE dataset, and accuracy 0.979 4, sensitivity 0.747 0, specificity 0.990 6, precision 0.596 9 on the CHASE_DB1 *** specificity was better than U-Net, M-Net and SU-Net models, and its accuracy, sensitivity and precision were not inferior to the three *** optimization, the sensitivity, precision and F1 value of the QU-Net model were effectively improved on the three datasets while maintaining its original accuracy and *** compared with the performance indicators of other models on the three datasets, it was found that the optimized QU-Net model had good performance in accuracy, sp

关键词： 深度学习   数据投毒   后门攻击   类特定攻击   集成学习   样本过滤  

摘要： 深度神经网络易受后门攻击，攻击者可以以数据投毒的方式植入后门并劫持模型的行为。其中，类特定攻击以其映射关系复杂、与正常任务关联紧密的特点而能绕过大多数防御方法，具备更高的威胁性。本文研究了类特定攻击在植入后门的过程中攻击成功率与模型分类性能的关系，总结出三条性质，并以此为基础设计了一种针对类特定攻击的样本过滤方法。该方法使用深度分区聚合（Deep Partition Aggregation，DPA）的集成学习方法与投票法对数据集反复迭代过滤。本文根据类特定攻击的三条性质在数学上证明了该过滤方法的有效性，并在标准分类数据集上进行了大量实验，在迭代4轮后均过滤95%以上的后门样本。同时，与最新的样本过滤方法的对比实验体现了本文过滤方法在针对类特定攻击时的优越性。本文的实验基于Github的开源项目backdoorbox开展。

关键词： 堆叠场景   抓取检测   可变形卷积   注意力机制   区域候选  

摘要： 针对堆叠场景下的多物体之间存在重叠或遮挡导致物体抓取检测难以识别的问题，提出一种多尺度区域注意力堆叠物体抓取检测网络。首先，基于特征金字塔架构提出一种多尺度区域注意力特征融合模块，通过引入可变形卷积和完全卷积，提升网络对不同特征维度的关注能力；其次，使用多尺度区域注意力机制对堆叠场景图像中的可抓取区域和背景解耦合，渐进式地对不同尺度特征图进行不同区域加权，提高网络对可抓取区域显著性的的关注能力和背景噪声的抗干扰能力；最后，提出候选区域双重采样模块，在目标地面真值的基础上进一步细化候选锚框，剔除掉大量负样本的同时提升候选锚框质量，经分类回归模块输出最终抓取检测结果。在VMRD数据集和Cornell数据集上进行堆叠物体抓取检测准确率实验，实验结果表明，所提网络在VMRD数据集上的平均检测准确率为98.18%，在Cornell数据集上的平均检测准确率为98.0%。所提网络在复杂场景下具有准确的抓取检测效果和较强的鲁棒性。

关键词： 稠油油藏   火驱技术   卷积神经网络   物理实验模型   产量预测  

摘要： 火驱是中国稠油开发的重大战略接替技术，具有原位生热，高采收率与绿色低碳的显著优势。由于其地下物理化学过程极其复杂，物理模型与数据挖掘方法之间难以达到统一，致使火驱产量预测难度较大。利用燃烧管实验，基于物质平衡理论，推导出火驱产油量的物理模型。结合深度学习算法，并将物理模型约束加入损失函数中，建立基于物理模型约束与注意力机制的卷积长短期记忆网络火驱产量预测模型。结果表明：基于物理模型约束与注意力机制的卷积长短期记忆网络方法的绝对误差、均方误差、均方根误差和平均绝对百分比误差分别为0.094 8、0.011 3、0.106 4、15.28%，相比其他方法误差较小，拟合效果较好；物理约束的引入，有效克服了复杂神经网络作为“黑箱”的可解释性不足问题，同时显著提高了模型的准确度和鲁棒性。研究成果可用于火驱油田生产井产量预测，为稠油火驱开发决策提供依据。

关键词： 冠心七味片   网络药理学   动脉粥样硬化   入血成分   脂代谢  

摘要： 以冠心七味片入血成分为基础， 结合网络药理学筛选冠心七味片抗动脉粥样硬化 (atherosclerosis， AS) 的关键通路， 明确冠心七味片抗AS的作用机制， 并通过细胞实验加以验证。采用HPLC-Q-Exactive-MS/MS技术对冠心七味片入血成分进行分析， 确定化合物的精确质荷比， 并利用二级质谱裂解碎片、文献比对所含成分进行全面分析， 最终共鉴定出冠心七味片入血成分42个。利用Swiss Target Prediction数据库对其成分靶点预测。在疾病数据库Genecard、OMIM、Disgent中搜索AS靶点， 用Venny 2.1.0软件绘制Venny图得到疾病靶点与成分靶点的交集靶点181个， 利用String数据库分析蛋白质相互作用， 并用Cytscape软件筛选得到核心靶点32个。DAVID数据库进行核心靶点的GO (Gene Ontology) 富集分析和KEGG (Kyoto Encyclopedia of Genes and Genomes) 通路分析， 发现冠心七味片抗AS的通路主要包括脂质代谢与动脉粥样硬化 (lipid metabolism and atherosclerosis)、高级糖基化终末产物-受体信号通路 (AGE-RAGE signaling pathway in diabetic complications) 等。将核心靶点和核心化合物进行分子对接发现， 冠心七味片中隐丹参酮、丹参酮ⅡA与TNF、PPARγ、AKT1、PTG2等靶点结合较好。使用人hl-7702肝细胞构建脂滴模型， 验证冠心七味片调控脂质代谢与动脉粥样硬化的关键通路。这项研究初步鉴定了冠心七味片治疗AS的潜在药效成分并预测了作用通路， 对冠心七味片调节脂质代谢与动脉粥样硬化的关系进行体外实验验证， 为该方药效物质基础及作用机制的深入研究提供参考。本实验经过内蒙古医科大学医学伦理委员会批准 (编号: YKD202401262)。

关键词： 网络舆论   一体化管理   公共价值管理   内容供给   网络内容建设  

摘要： 当前，新闻宣传和网络舆论一体化管理在渠道建设上已取得阶段性成绩，不断占领网络舆论新阵地，为充分利用好互联网多元渠道资源，本文认为新闻宣传和网络舆论一体化管理应抓住内容体系构建与管理这一关键问题，以凝聚共同价值为目的和终极诉求，最终实现新闻宣传和网络舆论的内在一体化。本文以公共价值管理理论为理论框架，以画好圆心、促进向心、规避离心为分析路径，针对内容体系的供给、分发与流通三个环节，提出促进、保障、维护内容凝聚力的具体路径选择，并在此基础上进一步提出一体化管理的主体分工、治理尺度、实现原则与全球面向的整体性保障机制。