课程文献中心 更多>>

关键词： 思维导图   习作   核心素养  

摘要： 思维导图是用图文并茂的可视化呈现形式,以发散式的思考模式,将所要学习的资料用逻辑或非逻辑的方式记录、发散、再以逻辑方式整理并呈现于二维的纸面上.本文探究思维导图作为一种能够呈现学生思维的,使学生思维变得直观的工具,在小学语文习作教学中的应用研究,并以思维导图作为支架,帮助小学生提升习作水平,进而提升学生的语文核心素养.

关键词： 无人矿卡   SLAM技术   传感器融合   强度信息   回环检测  

摘要： 智能化时代的来临为诸多领域带来巨大变革，在矿山行业，无人矿卡的普及与应用推动着行业的现代化转型，其中即时定位与地图构建（Simultaneous Localization and Mapping， SLAM）技术是解决无人矿卡自主运输和导航的关键方法。在井下环境中，光照条件不均，巷道特征退化，工作面路况复杂等问题均对传统的激光SLAM算法提出挑战，针对以上问题提出了一种基于多传感器融合的井下巷道激光建图方法。首先，基于扩展卡尔曼滤波算法（Extended Kalman Filter， EKF）对轮式里程计和惯性测量单元(Inertial Measurement Unit， IMU)数据进行融合，实现高精里程计输出，增强了算法在此种环境下的鲁棒性。其次，提出强度扫描上下文（Intensity Scan Context， ISC）描述符进行回环检测，并基于描述符的旋转不变性通过两阶段的检索策略搜索候选点云描述符，有效提升了检索速度和位置识别的准确性，减小井下地图的匹配误差。实验数据来源于济宁市某矿场实采和公开数据集，本研究算法较A-LOAM绝对轨迹误差的方均根降低33.96%，较LeGO-LOAM降低44.17%，较LIO-SAM降低10.02%。实验表明，该算法针对井下巷道的特征退化环境具有更高的鲁棒性，可有效减少位姿漂移和建图重影，为无人矿卡提供可靠的井下地图和状态估计。

关键词： 硬件安全   物理不可克隆函数   可靠性   自检测修复   比特配置  

摘要： 物理不可克隆函数（PUF）作为硬件安全原语，为资源受限的物联网设备提供低成本的密钥生成与设备身份认证。然而，PUF电路的可靠性问题已经成为大规模部署的瓶颈。为此，本文提出一种基于自检测修复的比特配置高可靠PUF电路方案。该方案首先研究电桥失衡效应和亚阈值电流特性，利用亚阈值指数级电流特性放大随机工艺偏差，提升输出熵源随机性。其次，构建可配置位单元拓扑结构，结合比特配置策略，在不增加额外硬件开销的情况下，可灵活切换电桥PUF与分压PUF模式。最后，提出一种自检测与修复机制以提升PUF电路的可靠性，并结合掩蔽操作进一步降低误码率（BER）。在TSMC 28 nm工艺下实现64×64位PUF电路设计，全定制版图面积为3 283.3 mm2。实验结果表明，电桥PUF和分压PUF唯一性和自相关性分别为50.03%/50.08%和0.0277/0.0273，且通过NIST800-22随机性测试。此外，在0℃～80℃的温度范围和0.81～0.99V的电压范围内，对29%的不稳定位进行修复或掩蔽处理，最终误码率为1.62E–9。

关键词： 事件抽取   图卷积神经网络   对比学习   自适应优化   多源事件编码  

摘要： 针对现有事件图构建由于AMR全图解析复杂或仅事件类型嵌入不足的问题，提出一种基于自适应对比融合事件图的事件抽取模型ACFGEE。首先，通过结合BERT和GCN的多源事件编码层，对句子与简单事件图信息进行编码嵌入，获得句子语义和融合角色信息的事件语义；其次，通过事件图注意力对比融合层，使得句子信息能充分融合简单事件图中信息；接着，利用一阶段解码层同时实现触发词和论元识别，减少多阶段解码的误差传播；最后，通过自适应损失加权层动态调整对比融合学习损失与一阶段解码损失，实现多任务学习的自适应优化。实验结果表明，ACFGEE在公开数据集FewFC和DuEE上的触发词识别、触发词分类、论元识别和论元分类4个任务上的F1值分别提升1.7/1.1、1.9/1.3、1.6/1.3和3.0/2.1个百分点；同时，也在风电装备故障领域数据集上验证了其实用性和有效性。

关键词： 矩形隧道   地表沉降   Maxwell-Betti功互等定理   复变函数   地层损失  

摘要： 在矩形隧道施工期间，周边地层受扰动后的破坏机理尚不明确。这种不确定性极有可能引发地表坍塌，进而致使周边建筑变形、地下管线破裂等一系列严重工程灾害。同时，现有的地表沉降预测方法存在精度不足的问题。鉴于此，基于复变函数和Maxwell-Betti功互等定理提出一种矩形隧道施工地表沉降预测方法。首先，依据功互等定理构建两种处于不同受力状态下的二维矩形隧道计算模型。其次，通过保角变换将矩形隧道映射为圆形，进而得出矩形隧道洞身位移的计算式。再者，对Sagaseta法加以改进，使其适用于矩形隧道的计算。然后，基于功互等定理推导隧道地层损失的计算式，并结合改进后的Sagaseta法计算矩形隧道开挖所引起的地表沉降。最后，通过4组数值模拟与3项工程实测数据验证方法有效性。研究结果表明，理论分析与数值模拟值基本相符，且与三个矩形隧道工程的监测值具有更高的吻合度，能较好地适应不同地层环境下矩形隧道地表沉降预测，可为实际工程提供参考依据。

关键词： XPBD算法   绳索结构动力学   Cosserat杆   约束函数  

摘要： 柔性绳索结构因质量轻、高柔性和可设计性强等特点，在航空航天、机器人等工程领域得到广泛应用。由于几何大变形与材料非线性等因素影响，利用非线性有限元等高精度方法分析这类柔性结构的动力学特性时，存在模型复杂、计算量大、难以高效仿真等问题。本文改进了起源于计算机图形学的XPBD（eXtended Position Based Dynamics）算法，设计了新的约束函数与迭代方法，使其适用于柔性绳索结构的动力学仿真。主要贡献包括：引入旋转向量以更准确描述结构姿态，基于Cosserat弹性杆理论设计了更精确的约束函数，采用约束能量作为迭代收敛判据以提高仿真精度，提出分组求解约束的方法提高迭代计算效率。本文还以索-杆复合结构为例验证了改进算法的有效性：与ADAMS软件相比，改进算法具有更好的稳定性，且计算效率大致相当；与原XPBD算法相比，改进算法显著提高了求解精度。改进算法引入了旋转向量，使约束函数的设计更灵活，计算框架也更利于并行化，具有在复杂柔性结构动力学仿真中进一步应用的优势和潜力。

关键词： 集合预报   耦合模式   条件非线性最优扰动   预报不确定性  

摘要： 地球系统集合预报不仅要求产生增长型初始扰动代表初始场不确定性，而且要求该增长型初始扰动能够刻画地球系统不同圈层相互作用的影响。因此，耦合条件非线性最优扰动（C-CNOPs）方法应运而生，但未有研究比较C-CNOPs较其他方法的优势。该研究基于简单海气耦合模型MAOOAM，比较了C-CNOPs与后向李雅普诺夫向量（BLVs）在低频变率（LFV）集合预报中的表现。结果表明，在对海气弱耦合情形下的LFV的集合预报中，稳定的BLVs较不稳定的BLVs产生的集合成员具有更高的可靠性，但其集合离散度仍低估了集合平均预报误差，而C-CNOPs能更均衡地协调集合平均预报的准确性与集合离散度的合理性，可提供更可靠的预报不确定性估计；在海气强耦合情形下的LFV低吸引子与高吸引子情形中，以大气变量为目标函数的C-CNOPs在初始阶段占优但较长预报时间下仍需考虑以海洋变量为目标函数。概率预报技巧对比显示，BLVs在海洋流函数高频事件预测中表现突出，而C-CNOPs对低频极端事件的捕捉能力更优，表明C-CNOPs对提升极端天气气候事件预报水平的潜力。因此，C-CNOPs作为一种潜力巨大的耦合集合预报方法，希望将其广泛应用于更加复杂的地球系统模型中。

关键词： 文本到图像生成   三向注意力   隐式特征图   细粒度对齐   双阶段生成  

摘要： 针对多阶段生成模型因显式中间图像导致误差累积的问题，提出基于隐式特征图与三向注意力融合的双阶段解耦框架。（1）隐式特征图生成阶段，通过递归注意力迭代生成64×64非可视化特征图，替代AttnGAN等模型的显式中间图像，有效规避多阶段可视化误差传递；（2）三向注意力增强阶段，扩展Triplet Attention为通道-空间-文本交互机制，实现像素级细粒度控制。实验表明，在细粒度要求最高的CUB数据集上，CLIP分数达0.82，优于基线模型AttnGAN(0.62)、MediaPipe(0.71)等模型，较基线模型提升32.3%;IS分数提升至5.05，较基线模型提升15.8%，且模型推理速度较StackGAN++等多阶段生成方法提升20%。在NVIDIA RTX 4090(24GB显存)环境下，单张图像生成时间降低至0.96秒，该框架有效解决多阶段误差传递与细粒度对齐问题。

关键词： 星座遥感图像   嵌入式部署   图像检测   低轨星座   遥感卫星  

摘要： 星座遥感图像中感兴趣对象提取面临着许多挑战，如背景复杂、对象尺度差异大、分布密集等，这些挑战严重制约了检测算法在遥感领域的实际应用。近年来，深度学习技术发展迅速，单阶段检测算法在遥感图像识别任务中展现了巨大的优势。然而，如何在资源受限的嵌入式计算平台上实现高精度、低延迟的图像检测，仍是遥感领域亟待解决的重要问题。因此，本文针对嵌入式部署需求，提出一种基于改进YOLOv5 的遥感图像感兴趣对象检测方法。通过引入坐标注意力机制增强网络对空间位置信息的感知能力，有效抑制背景干扰导致的虚警问题。采用简化的空间金字塔和双向金字塔融合模块提升不同尺度的特征融合，后处理阶段引入自适应非极大抑制算法降低误检率。实验结果表明，所提出的方法在保持轻量化特性的同时显著提升了遥感图像中小尺度对象的检测精度，在遥感图像数据集上达到mAP85.8%，在嵌入式平台上实现160FPS的实时推理速度，展现了良好的实时性与运行性能。

关键词： 天基遥测数据   异常检测   图注意力网络   时空建模   动态注意力机制  

摘要： 遥测数据的异常检测是保障天基信息网络高可靠性的基础。然而，现有异常检测方法忽略了天基遥测数据的高维度、多模态和强动态耦合特性，检测精度和可解释性欠佳。为此，本文提出一种基于双流异构图注意力网络（DHGAN）的异常检测方法。面向复杂多样异常模式，设计了多尺度特征提取模块，利用不同卷积核捕获局部细节与全局趋势特征；针对遥测数据多模态和强动态耦合性，提出了时空图注意力特征提取模块，分别挖掘特征间异构关系与动态时序依赖；针对单一检测目标的局限性，提出“重构+预测”联合优化目标，生成综合异常评分。实验表明，该方法有效降低了漏检与误报率，为天基遥测数据的自主运维提供了可解释性强的异常检测范式。