课程文献中心 更多>>

关键词： 铅锡合金   动态响应   机器学习   势函数  

摘要： 铅为一种低熔点且有着复杂的温度-压力相图的金属材料。经过与锡的合金化，其熔点能够进一步地降低，使得铅锡合金成为研究材料动态力学响应及动态破坏行为的重要模型材料。目前，受铅锡合金表征手段的限制，通过实验方法揭示铅锡合金在原子尺度上的动态破坏行为与机理仍存在着巨大的挑战。非平衡分子动力学是一种重要的理论研究手段，它能模拟动态过程中的原子运动轨迹，从而揭示动态加载-卸载及破坏行为中的关键原子尺度过程。然而，分子动力学方法的可靠性依赖于其所采用的原子间相互作用势函数的精度，目前并没有适用于铅锡合金的动态响应研究的高精度势函数，制约了铅锡合金动态模拟研究。为此，通过同步学习策略，构建了热力学范围在0～100 GPa、0～5000 K下具有第一性原理精度的铅锡合金机器学习势函数模型DP-PbSn。该势函数能够以第一性原理精度预测铅锡合金的点阵常数、弹性常数等基本性质，以及表面能、层错能、空位形成能等缺陷性质，还能够准确地预测其熔化线和冲击雨贡纽曲线，展现了其在动态响应模拟过程中的适用性。利用该势函数，对铅和铅锡合金的动态力学响应行为进行了初步的模拟研究，揭示了锡对动态加载过程中相变及塑性行为的影响。该势函数作为重要的理论工具，能够实现高精度的非平衡分子动力学模拟，从而为铅锡合金的动态力学损伤行为的实验研究提供关键理论依据。

关键词： 水下小目标检测   图Transformer   RT-DETR   轻量化   多尺度特征融合  

摘要： 在海洋科学、水下无人机器人和水下工程领域，快速且准确的水下小目标检测具有重大意义。现有的方法多基于深度学习算法，难以兼顾轻量化与检测精度，无法满足实时性和资源受限水下平台的需求。为此，提出了一种基于RT-DETR和图Transformer的轻量化水下小目标检测模型，命名为Graph-DETR。该模型采用大型可分离核注意(LSKAttention)和上下文混合的动态卷积块(CM block)改进的轻量级MoblieNetV4主干网络，提升特征提取效率，降低模型复杂度。同时，提出了层次化图Transformer金字塔网络(GTFPN)以增强多尺度特征融合，并通过小波变换卷积(WTConv)，自适应下采样(Adown)和路径剪枝改进混合编码器，低参数化扩展CCFF模块的卷积感受野。在水下公开数据集URPC2020上的实验结果表明，Graph-DETR的参数量相较RT-DETR减少了66.9%，推理延迟减少6.8ms，检测平均精度（m AP）达到53.2%，在IoU阈值为0.5时的平均精度（AP@0.5）为86.8%。Graph-DETR在URPC2021数据集上的召回率达到81.3%,m AP为54.1%,AP@0.5为87.6%，均超越了对比方法，且推理延迟仅10.5 ms。综上所述，提出的Graph-DETR展现出优越的水下小目标检测性能，具备实际部署在计算资源受限的水下平台的应用前景。

关键词： 多元函数型聚类   半非负矩阵分解   LSTM-非平稳Transformer模型   深度强化学习   资产配置优化  

摘要： 本文综合利用多元函数型聚类、深度学习及深度强化学习技术，提出了一种最优资产配置新方法。首先，利用多元函数型聚类方法对可供交易的股票资产池进行聚类；其次，对每支股票利用具有时间序列特征提取能力的LSTM-非平稳Transformer模型进行收益率预测；然后在聚类所得的不同股票池中基于收益率预测信息分别进行优质资产筛选；最后，基于从每类股票池中筛选的代表性资产及其预测信息，分别利用优势演员-评论家、近端策略优化和软演员-评论家三种深度强化学习方法构建动态最优资产配置模型。本文分别以中国上证50指数和美国纳斯达克100指数的成分股为研究对象进行资产配置。实证结果表明，通过函数型聚类进行资产筛选能够有效降低非系统性风险对资产配置绩效的影响。通过在深度强化学习模型中引入收益率预测信息，能够显著提高资产配置的盈利能力并带来稳健的可持续性回报。另外，通过与最大夏普比率模型、等权重模型以及大盘指数比较，本文提出的模型表现出更优的投资绩效。

关键词： 动态时间规整   时段划分   Fisher分割   动态重构   遗传算法  

摘要： 为了解决含有分布式电源的配电网动态重构问题，本文提出了基于DTW-Fisher时段划分的重构策略。首先，从电压偏差、有功网损、系统负荷平衡度出发建立配电网动态重构模型，并引入层次分析法确定三者惯性权重系数。其次，引入动态时间规整（DTW）距离代替原有Fisher分割中的评价指标对日负荷进行时段划分，并提出一种改进的遗传算法对所提模型进行最优求解。该算法引入拉丁超立方采样（LHS）生成序列代替原始算法种群随机初始化，引入新的交叉、变异自适应算子替代原始算法固定值。最后，在IEEE33&IEEE69节点算例中分别搭建1d的负荷数据并进行动态重构分析验证。结果表明，改进后的算法相对于原始遗传算法在平均网损、平均电压偏差、平均系统负荷平衡度分别下降6.6%、5.5%、1.7%；相对于原始粒子群算法分别下降7.7%、8.4%、5.0%。在时段划分下，将其应用于IEEE33节点系统中，相对于未重构前，在电压偏差、网损、系统负荷平衡度分别下降47.5%、27.3%、28.6%；应用于IEEE69节点系统中，分别下降66.8%、46.7%、25.8%。对于原始电网系统，所提出的动态重构策略达到了提高电压、降低网损、降低系统负荷平衡度的目的。

关键词： 缺失多视图聚类   锚点图   样本互补   相似矩阵融合   谱聚类  

摘要： 随着多视图数据在现实场景中得到广泛应用，如何处理缺失视图下的聚类问题已成为机器学习领域的重要挑战。传统锚点图聚类算法依赖完整实例构建锚点图，这导致其在高缺失率下因锚点不足难以表征数据结构，在低缺失率时又无法发挥锚点的优势。针对传统锚点图聚类算法中存在的锚点选择受限、权重分配僵化和计算复杂度高的问题，该文提出了一种基于样本互补锚点图的缺失多视图聚类算法（IMVCSAC）。该算法首先设计跨视图锚点互补机制，通过在共有样本与视图特有样本中自适应选取锚点，以解决高缺失率下数据结构表征不足的问题；然后建立缺失模式感知的权重模型，依据样本的缺失模式与程度调整视图对相似矩阵的贡献度；最后利用双随机非负矩阵可分解特性，将谱聚类的时间复杂度从样本规模的立方阶复杂度优化至线性阶复杂度。在5个公开数据集上的实验表明，该算法的聚类性能优于目前主流算法，尤其在高缺失率下仍能保持较好的聚类效果，验证了其鲁棒性与有效性。

关键词： 南极海域   浮游植物群落   18S rDNA   操作分类单元(OTU)   扩增子序列变体(ASV)  

摘要： 近年来，环境DNA宏条形码技术已成为评估海洋浮游植物多样性的重要方法之一，高通量测序结果的分析在一定程度上影响着群落结构信息。本研究对南极海域环境DNA样本进行18S r DNA V4区高通量测序，选取目前应用最广泛的两种最小分类单元划分方法：97%操作分类单元(OTU)和扩增子序列变体(ASV)，对浮游植物群落分析结果进行比较研究。结果显示，两种方法获得的浮游植物群落均主要由甲藻门(Dinoflagellata)、硅藻门(Bacillariophyta)、定鞭藻门(Haptophyta)组成，Simpson和Shannon多样性指数无显著差异，均能较好地反映调查海域浮游植物群落整体特征。两种方法均识别到南极棕囊藻(Phaeocystis antarctica)、无刺环毛藻(Corethron inerme)、双叉角毛藻(Chaetoceros dichaeta)、裸甲藻(Gymnodinium sp.)和原甲藻(Prorocentrum sp.)等南极海域常见优势类群。ASV方法进一步筛选出圆柱拟脆杆藻(Fragilariopsis cylindrus)、克格伦拟脆杆藻(Fragilariopsis kerguelensis)等引起群落差异的重要物种，能够获得更精细的物种信息。相比之下，OTU方法则可能存在注释结果不精准或某些物种相对丰度被低估的现象。因此，当聚焦具体物种时，ASV方法更具应用前景。另外，虽然β多样性在两种方法中没有显著差异，但通过对比研究发现，使用加权的距离指数(Bray-Curtis和加权Unifrac距离)能够增加分析结果的可信度。通过探索最小分类单元划分方法在浮游植物群落结构和多样性分析中表现的差异，可为后续浮游植物群落的多样性研究提供方法选择依据。优化算法和测序区域的选择对浮游植物群落宏条形码多样性研究结果的影响仍需进一步探索。

关键词： 无痛结肠镜检查   个体化肠道准备方案   肠道清洁图   肠道准备质量   不良反应  

摘要： 目的 探讨基于肠道清洁图指导的个体化肠道准备方案应用于无痛结肠镜检查患者的效果.方法 根据随机数字表法将 2024 年 3 月至 2024 年 6 月的 162 例无痛结肠镜检查患者作为研究对象,将 2024 年 3 月至 2024年 4 月的 79 例患者作为常规组(给予 3L聚乙二醇电解质散方案清肠),2024 年 5 月至 2024 年 6 月的 83 例患者作为研究组(采用基于肠道清洁图指导的个体化肠道准备方案),比较两组的服药/饮食依从性、口服液体量、肠道准备质量、粪水吸引量、检查时长、不良反应及护理满意度.结果 研究组的服药/饮食依从性高于常规组(P＜0.05);研究组的口服液体量少于常规组(P＜0.05);两组的波士顿肠道准备量表(BBPS)评分比较无明显差异(P＞0.05);研究组的粪水吸引量低于常规组(P＜0.05);研究组的检查时长低于常规组(P＜0.05);研究组的不良反应发生率低于对照组(P＜0.05);研究组的护理满意度高于常规组(P＜0.05).结论 基于肠道清洁图的个体化肠道准备方案在维持与传统方法相当的肠道清洁质量基础上,能够提高患者依从性、减少口服液体量、优化操作效率、降低不良反应、并提升患者满意度,可作为无痛结肠镜检查前肠道准备的一种优化策略.

关键词： 互补约束优化问题   稀疏解   capped-l   函数   罚方法   邻近梯度法  

摘要： 本文研究了一类带互补约束的数学规划问题（MPCC）,其目标函数为基数函数.通过cappedl1函数转换,将基数函数转化为DC函数,并构建了原问题的连续近似模型.随后,本文提出了一种结合罚方法和非单调邻近梯度方法的新算法,旨在寻找连续近似问题的弱方向（d）-稳定点（强于Clarke-稳定点）.在MPCC-LICQ条件下,本文证明了算法能够收敛到MPCC的弱-d稳定点.最后数值结果说明了所提方法的有效性.

关键词： 图神经网络   对比学习   自建督学习   扩散过程   图算法  

摘要： 针对现有基于图神经网络的协同过滤方法在数据稀疏和噪声场景下存在的静态噪声注入易掩盖真实信号、固定语义原型难以捕捉动态兴趣、复杂增强方法计算开销大等问题，提出一种基于图扩散生成与自适应采样的对比协同过滤方法。首先设计基于渐进去噪的轻量级图扩散生成机制，通过前向加噪和反向去噪优化节点表示，生成抗噪性强的对比视图；其次结合随机掩码与重启游走方法，协同建模局部邻域特征与全局结构语义，生成高质量负样本；最后通过改进的InfoNCE(Information Noise Contrastive Estimation)损失函数优化多视图对比学习目标，提升表征判别性。在Gowalla/Yelp/Amazon-Book数据集上，Recall@20指标较最优基线提升0.63%/2.88%/1.88%,NDCG@40指标提升1.26%/1.84%/12.51%，长尾用户推荐效果相对提升26.7%，训练效率提升90%且收敛速度优于对比方法 32%，显著提升了开放环境下推荐系统的抗噪性与动态适应性。

关键词： 模块划分   设计结构矩阵(DSM)   改进的K-Means算法   证据距离   粒子群优化(PSO)  

摘要： 在复杂工程系统的模块化设计中，组件间的功能、材料等多维属性常常充满不确定性和模糊性，传统的聚类算法难以准确捕捉这些复杂关系。为此，本文提出了一种基于自动构建多源设计结构矩阵（DSM）与改进K-Means算法的产品模块划分方法。首先，利用SolidWorks API自动提取产品组件的结构、功能和材料信息，构建多维DSM，并通过自定义权重生成加权DSM。然后，采用基于证据距离的改进K-Means算法进行聚类，该距离度量方法在处理多源信息融合和不确定性时具备优势。为优化聚类中心，结合粒子群优化（PSO）算法以提高收敛效率和聚类准确性。通过工程案例的实验验证，该方法在产品模块划分中表现出较高的准确性和鲁棒性，显著优于传统方法。本文所提出的自动化模块划分方法为复杂系统设计和优化提供了新的工具与思路。