摘要：针对微机电系统(MEMS)中的能量耗散导致的精度与稳定性减少问题,论文聚焦其中的热弹强耦合结构的动力学特性与能量耗散机制,研究实现最小热弹性阻尼的拓扑优化技术.基于该优化技术与Matlab开发环境,开发了一套面向MEMS热弹耦合结构优化的设计软件系统,集成理论模型、优化算法和求解技术,通过数值算例验证其求解准确性,为高品质、高稳定性的MEMS热弹强耦合结构设计提供工具支持.

摘要：备件需求预测作为企业精益化管理和提升经济效益的重要手段之一.针对传统预测模型数据利用不充分、精度较低等问题,论文提出了一种新的方法对备件需求进行预测.首先通过最大均值差异(MMD)方法,筛选可迁移的源域数据,降低因多个相似源域迁移引起信息冗余的可能性.然后将注意力机制(Attention)和双向有序长短时记忆网络(BI ON-LSTM)融合,构造Attention BI ON-LSTM预测模型,通过Attention BI ON-LSTM模型实现对过去和未来信息的充分应用,以及计算不同特征向量的权重,防止包含重要信息的特征消失;最后,通过张量迁移,提取源域训练的张量初始化目标域模型,微调后得到目标域预测结果.实验结果证明,论文提出的方法优于常见的时间序列预测模型.

摘要：圆板式复合压电结构可将机械能转化为电能,从而为轨道车辆走行部件智能感知传感器供给能源.论文针对圆板式复合压电结构的频响特性进行研究,基于COMSOL有限元软件和ISIGHT优化设计平台进行联合仿真,构建了圆板式复合压电结构的仿真模型,通过DOE正交试验得到了影响压电结构频响特性的关键因素,并以此进行了单参数分析和相关性分析.其中,金属基板的直径和质量块高度对结构的前三阶模态频率呈负效应,压电陶瓷的直径和金属基板的厚度对结构的前三阶模态频率呈正效应,可为后续结构优化设计提供理论依据.

摘要：传统的裂缝检测方式主要以人工和静态检测为主,检测结果主观性较强,数据处理速度慢.针对传统的检测方式存在的问题,提出了一种基于语义分割的方法快速实现端到端的裂缝分割.引入残差结构以防止加深UNet的网络层数导致的网络退化问题;在此基础上利用空洞卷积解决特征提取后期存在的特征图尺寸过小导致特征提取不足的问题;针对裂缝边缘特征的细节信息,加入了融合通道和空间的注意力机制优化特征权重分配,关注目标区域抑制无关特征.结果表明:对比常见的几种分割模型,参数量平均下降11.77%,CrackTree260测试耗时减少20.92%,可以很好地应用于实际的工程检测场景.

摘要：毫米波雷达手势识别作为一种新型的无接触式人机交互方式,在智能驾驶、智能家居以及体感游戏等领域具有广泛的应用前景.虽然现有工作在实验室环境下取得了优异的识别准确率,但由于需要密集的数据收集工作、新环境下系统鲁棒性较差和基于离线形式的识别方案使其在实际应用中仍受到限制.为了解决上述问题,论文使用IWR1843 BOOST毫米波雷达传感器收集了八种常见手势的距离-多普勒图像,在此基础上建立了手势数据集.使用提出的干扰消除算法和数据增强算法解决了系统跨环境识别性能差的问题.此外,基于检测窗口和识别窗口的手势样本分割算法增强了系统的在线分割性能.实验结果表明,该系统在数据集上实现了98.26%的识别准确率,平均推理延迟为24 ms.相较于常规的基于滑动窗口的手势识别系统具有推理延迟低,识别准确率高的特点.

摘要：针对现有大规模三维点云语义分割方法中难以有效利用全局和多层次特征信息的问题,为了使模型感知更加丰富的特征信息,论文提出基于门循环单元的大规模三维点云语义分割方法,在大规模三维点云语义分割网络里使用门循环单元(GRU)模块进行特征融合,有效利用多层次和全局的特征信息进行语义分割任务;同时在池化层采用基于softmax的softpool池化操作,对全局特征信息进行特征融合.实验证明该方法在S3DIS和SemanticKITTI数据集上语义分割的mIoU分别提高1.0%和0.5%.

摘要：数值天气预报作为现代天气预报的主流技术方法,发挥着越来越重要的作用.根据数值预报在气象业务应用中的使用现状和数据特点,提出一种基于分布式存储环境的数值预报数据服务系统.为了解决海量数据的读取、写入问题,设计了四层系统框架和三层功能模型,对数据格式进行了统一转换.为了方便提取气象的时序与空间数据,设计与实现了时序检索和空间提取技术,为气象业务应用平台提供了按任意经纬度获取时序数据接口和按任意经纬度范围获取要素数据接口.测试结果表明,该系统所提供的接口在浙江气象大数据云试验平台的业务使用中能够满足大规模气象数据对于高时效性、高稳定性和高并发性的要求.

摘要：由于车用燃料电池提供的电压低于母线电压,需要采用DC/DC变换器进行升压.为了改善传统DC/DC变换器存在的抗扰动性差、响应速度慢等问题,基于交错并联升压变换器(Interleaved Boost Converter,IBC),设计一种非线性扰动观测器,实时估计负载扰动和输入电压变化.由于DC/DC升压变换器为非线性系统,为避免出现奇异现象,从系统能量的角度建立非奇异快速终端滑模面,利用李雅普诺夫判据证明其收敛性,并采用双曲正切函数代替符号函数以达到削弱抖振的目的.仿真结果表明与非奇异终端滑模控制(NTSMC)相比,减小了稳态误差,且输入电压、输出负载突变时具有较好的抗干扰性能.

摘要：随着用户个性化需求增多,由海量单一品种的生产模式逐步转变为以多品种、小批量为特点的生产模式,导致生产更容易出现生产拖期问题,为解决上述问题,论文提出一种基于改进的遗传算法的多品种小批量生产调度方法,以最小化最大完工时间和最小化拖期为目标.首先基于轮盘赌概率和EDD策略的OS编码初始化方法和基于GLC策略的MS编码初始化方法优化初始种群;然后设计了自适应的交叉和变异概率优化交叉变异流程,提升算法的全局搜索能力和局部搜索能力.最后通过测试Brandimarte标准算例,从最大完工时间和总拖期两个方面验证算法的可行性和有效性.

摘要：鉴于时态信息是知识图谱中的重要属性,研究人员已提出了多种高效存储和查询时态RDF的方案.然而,现有的时态RDF的存储和查询未能充分利用三元组之间的时态语义关系,从而会影响面向时态RDF的语义查询性能.针对上述问题,提出了基于区间索引HINT的时态RDF索引结构,该索引结构融合了HINT的层次索引和RDF的组合位图索引,从而使索引结构能蕴含三元组之间的时态语义关系.在HINT和组合位图索引的基础上,实现了面向SPARQL的时态算子,能够支持十三种Allen时态关系的语义查询.实验结果表明,基于HINT的时态RDF语义索引能够提升时态RDF的查询性能.

摘要：门控循环单元(GRU)网络在时序维度上捕获信息的能力较弱,针对这一问题,提出了一种基于改进注意力机制和GRU网络相集成的时间序列预测模型.模型采用序列到序列(Seq2Seq)结构,改进的注意力机制采用距离相关系数作为评价函数对编码层各历史时刻的输出进行权重分配,自适应提升重点历史时刻的影响力,从而加强GRU网络在时序维度上的信息捕获能力.通过运用上海某区燃气负荷数据进行预测分析实验,实验结果表明该模型预测效果均要优于其他常见模型,证明了论文模型的可行性并为基于GRU网络的时间序列预测提供了新的思路.

摘要：针对人脸表情识别中的识别率低、特征提取中参杂较多的干扰信息的问题,提出一种基于改进ResNet50网络的人脸表情识别网络模型,通过将坐标注意力机制模块嵌入网络模型来提升模型对表情强相关特征信息的提取能力,减少信息过载问题,提高模型的鲁棒性和识别准确率.实验采用了Adam优化器并加以改进,结合了指数衰减学习率进一步提升模型训练效果.使用加权交叉熵损失函数来处理人脸数据集数据量过少以及类别分布不均匀带来的模型识别准确率下降的问题.通过在CK+数据集和Fer2013 数据集上进行的实验验证,改进后的网络模型的人脸表情识别准确率分别达到了98.77%和73.51%,较部分同类算法有一定的优势.

摘要：如何从中文电子病历中提取出有价值的医学信息已经成为一个流行研究课题.BERT和神经网络相结合的方法已经成为命名实体识别领域的主流方法.以往的汉语预训练模型忽略了汉字的两个重要特征:字形和拼音,它们在语言理解中含有重要的语法和语义信息.因此,使用ChineseBERT预训练模型,将汉语的字形和和拼音信息融合到模型预训练中,将得到的词向量经过对抗训练输入到双向长短期记忆网络(BiLSTM)获取上下文特征,最后输入条件随机场(CRF)层解码,得到实体的预测结果.在中文电子病历CCKS2019数据集上的实验结果表明,ChineseBERT-BiLSTM-CRF模型的F1值达到了84.96%,能够较好地应用于中文电子病历命名实体识别任务.

摘要：为了提高远程驾驶过程中道路信息的获取量进而提高远程驾驶的安全性,提出基于车用无线通信技术(Vehi-cle to X,V2X)、边缘计算技术和云平台组合而成的"云-边-V2X"技术架构用于智能公交车远程驾驶,即驾驶员在模拟驾驶舱由5G网络实现人车交互,靠常规摄像头、激光雷达和超声波等传感器捕获道路传感信息的同时,通过"云-边-V2X"架构实时获取道路事件状况提示为远程驾驶提供安全保障,并在此基础上搭建模拟驾驶舱对远端道路上的车辆进行操作控制.已有研究结果表明,论文提出的方法在不影响原有远程驾驶功能的前提下,加入道路事件信息提高远程驾驶安全冗余且远程驾驶系统的性能不受影响.

摘要：中文医疗自动问答由于其语言和领域的特点,使其更具挑战性.为更好表示医疗问答句的语义信息,提出融合字词增强语义多注意力的医疗自动问答方法.首先,利用预训练模型BERT和WoBERT分别提取文本基于词级和字级的向量表示,并将两者融合,以获得句子向量更完善的语义信息;然后加入注意力机制产生包含问题信息的答案表示,输入到双向门控循环单元获取句子的全局语义特征;最后通过多注意力池化模块实现问题和答案之间相关性的专注交互,通过问答对相似度的计算,找出最匹配答案.在cMedQA医学数据集上的实验表明,论文所提方法与其他基于深度学习的方法相比,ACC@1有所提高,证明融合字词的向量表示与神经网络前加入注意力能够提升自动问答模型的性能.

摘要：交通目标检测技术对于实现道路交通安全和自动驾驶技术具有重要的意义,目前最先进的目标检测算法即一类目标检测算法,如YOLOv5,然而YOLOv5存在着一些问题,如计算量及参数量较大,以及检测的误检率高的问题,论文提出的解决方案是将YOLOv5的颈部中的C3模块替换为C3Ghost并将卷积模块替换为Ghost模块,以减少模型的参数量,并在骨干网C3模块中融入CBAM注意力机制模块,以突出对象的关键信息,增加网络的特征提取能力,降低误检测率.试验结果表明,改进后的算法在原有YOLOv5的基础上,mAP提升了1%,计算量FLOPs降低了2.4 G,参数量降低了约1.3×106.在保证精度的同时实现了模型的轻量化.

摘要：针对卸货目标堆叠摆放、难以识别和定位的问题,根据现有的直角坐标系型卸货机器人提出目标引导方法,在深度学习目标检测模型Mask R-CNN基础上根据特征金字塔FPN提出融合CBAM注意力机制的改进,优化目标区域与通道权重,并基于融合特征完成目标货物的识别;通过SGBM双目立体视觉算法计算输入图像的三维信息,提取目标三维坐标.实验结果表明:论文提出的方法对货物目标识别的平均准确率达到90.20%,深度方向定位精度最大误差不超过15 mm,方法可以满足卸货机器人对堆叠货物的引导需求.

摘要：现有机器人社会导航方法存在探索能力不足、对行人行为危险性判断机制片面的问题,导致机器人仍有发生碰撞和陷入局部最优的风险.对此论文提出基于LSTM优化的机器人人群环境导航算法,通过定义行人的危险系数优化深度强化学习中的LSTM,保证机器人对行人行为危险性的判断更符合人类社会行为规范,从而提高导航的安全性;结合SAC算法构建LSTM-SAC框架,提高机器人的随机探索能力并加快导航算法收敛速度.最后,在仿真环境中与现有最新算法进行测试和比较.

摘要：实体关系抽取是知识图谱构建的关键一环,同时中医信息抽取一直是中医自然语言处理领域的研究重点,论文通过基于RoBERTa-wwm-BiLSTM-CRF的Pipeline方法和基于TPLinker的Joint算法对《黄帝内经》进行实体关系抽取研究.经过对比研究之后,TPLinker模型被证明在中医实体关系抽取任务有着更好的表现,准确率、召回率和F1值分别为94.54%、95.59%和95.04%.充分表明了TPLinker在实体关系抽取任务上的优越性,同时也能够为其他中医信息抽取任务提供借鉴和为中医知识图谱的构建奠定基础.

摘要：为应对仍在肆虐的新冠,许多研究者对新冠基因序列的进行分析,而聚类分析就是一种有效的分析手段.论文以聚类算法为核心对新冠的基因序列数据进行分析,采用了分步降维和聚类相结合的方式,解决高维的基因序列突变数据不适合直接进行聚类的问题.通过使用两个公共数据集对几种常用的降维和聚类组合后的算法进行训练,选出最佳组合的PCA+UMAP降维及Birch聚类算法,最后将新冠基因序列的突变数据输入算法模型进行分类.同时也进一步分析确定了新冠病毒的S蛋白突变频率很高,S蛋白与该病毒的高感染性密切相关,这和相关研究者所得出的结论一致.