摘要：针对忆阻混沌系统在反单调性研究中"气泡"数量偏少的问题,提出了具有多"气泡"串联结构的四维忆阻混沌系统.该系统将双曲正切忆阻器作为反馈项引入至三维连续自洽系统中,并通过数值仿真结合分岔图等动力学分析工具进行分析,还基于现场可编程门阵列(field programmable gate array,FPGA)实现了该系统.结果表明,该系统在随参数变化时具有多个周期"气泡"逐渐演变为费根鲍姆树结构的现象,还有恒定李雅普诺夫指数、超级多稳态与共存反单调性等特征,展示出丰富的复杂动力学行为.且Matlab数值仿真结果与FPGA硬件实现结果一致,表明该系统是可实现的.该研究为忆阻混沌系统复杂动力学行为的研究提供了新思路.

摘要：针对被暗物质晕环绕的类克尔黑洞的引力动力学特性展开研究,重点探究暗物质晕对自旋粒子运动的影响.基于马西森-帕帕佩特鲁-狄克森(Mathisson-Papapetrou-Dixon,MPD)方程,结合 Tulczyjew 自旋补充条件(spin supplementary condition,SCC),推导得到自旋粒子的有效势,并分析其最内稳定圆轨道(innermost stable circular orbit,ISCO)的物理特征.结果表明,随着暗物质晕密度与半径的增大,自旋粒子ISCO的轨道半径与角动量均呈现单调递增规律;而能量则表现出显著的非单调变化特征,先随暗物质晕参数增大而降低,达到最小值后逐步回升.研究结果深化了对黑洞与暗物质晕之间引力相互作用机制的认识,为理解其复杂动力学过程提供了理论依据.

摘要：针对传统加密流量-基于变换器的双向编码器表示(encrypted traffic-bidirectional encoder representations from Transformer,ET-BERT)模型在加密流量分类任务中精度较低的问题,在复现原ET-BERT模型的基础上进行了结构优化与性能改进.首先,引入了学习率预热(learning rate warmup,Warmup)策略,以平滑模型训练过程并提升收敛稳定性.其次,设计了卷积神经网络-BERT(convolutional neural network-BERT,CNN-BERT)融合模块,在保留Transformer模型全局建模能力的同时,加强了局部特征提取能力.最后,加入了随机失活层以减少过拟合,提升模型泛化性能.实验在轻量化加密流量数据集上进行,结果表明,改进ET-BERT模型在F1 分数(F1-score,F1)、准确率(accuracy,ACC)上较原ET-BERT模型分别提升4.70、4.36个百分点,实现了高精度的流量分类.研究表明,改进ET-BERT模型能有效提升ET-BERT模型的分类精度,为加密流量分类模型的优化提供了可靠的技术路径.

摘要：为探究硒代蛋氨酸(selenomethionine,SeMet)对非酒精性脂肪性肝炎(nonalcoholic steatohepatitis,NASH)的干预作用,采用胆碱缺乏的氨基酸(choline-deficient,amino acid-defined,CDAA)饮食构建小鼠NASH模型,并通过灌胃给予SeMet干预.结果显示,SeMet干预显著改善了肝脏脂肪变性、炎症及血清肝功能与脂质谱,并促进了肠道有益菌的恢复(如嗜黏蛋白阿克曼菌和杜博西氏菌属),同时抑制了肠球菌属等机会致病菌的扩增.在分子机制上,SeMet极显著上调了肝脏核心抗氧化硒蛋白的信使核糖核酸(messenger ribonucleic acid,mRNA)表达,并逆转了CDAA饮食引起的短链脂肪酸受体表达下调.该结果表明,SeMet可能通过协同调控硫氧还蛋白还原酶(thioredoxin reductase,TXNRD)、谷胱甘肽过氧化物酶 4(glutathione peroxidase 4,GPX4)抗氧化通路与"肠道菌群-短链脂肪酸受体"信号轴发挥对NASH的保护作用,为其作为功能性膳食成分的开发提供了理论依据.

摘要：为探究特殊生境下木本植物资源利用策略与生存机制,明确湖北省利川市甘溪山森林公园优势种生态位及种间关联特征,通过实地样方调查,结合生态位宽度、生态位重叠程度、方差比率法、χ2 检验、Pearson 相关检验和Spearman秩相关检验等方法开展研究.结果显示:马尾松重要值最大,华山松次之,短柱柃生态位宽度最大,马尾松次之,均是群落主要建群种;重要值与生态位宽度排序差异较大;优势种的种对中生态位重叠现象普遍存在,41.05%的种对重叠指数大于 0.50,优势树种总体呈显著正关联;χ2 检验中,97.89%的种对处于无关联或不显著关联状态,Pearson相关检验与Spearman秩相关检验与其结果一致,种间关联较弱.该研究表明,甘溪山森林公园大部分物种之间关联不强,各优势种对环境资源的竞争较弱,群落处于不稳定演替阶段.

摘要：针对轴承故障诊断方法对异常值敏感,且在处理多模态数据时难以充分挖掘其潜在几何结构信息等问题,提出了基于超曲空间几何结构感知(hyperspace geometric structure perception,HGSP)的轴承多模态故障诊断方法.该方法将原始多模态特征统一映射至由庞加莱球模型构建的超曲空间中,刻画了数据间的潜在非线性结构关系,还设计了基于余弦相似度的结构保持策略,以感知模态内的语义一致性,并增强模态间的特征融合能力.该方法兼顾多模态数据间的几何差异性和方向相似性,增强了对异常值的鲁棒性与对数据的几何结构感知能力.在帕德博恩大学(Paderborn University,PU)轴承数据集和自研实验平台掘进机数据集上开展实验,HGSP方法相比局部保持典型相关分析(locality preserving canonical correlation analysis,LPCCA)方法,在PU数据集上的平均识别准确率提升了 2.00个百分点,在掘进机数据集上提升了 1.83 个百分点.结果表明,该方法有效增强了对故障类别的区分能力,在轴承故障诊断中具有实用价值.

摘要：针对电子回旋共振加热(electron cyclotron resonance heating,ECRH)系统高频时间序列数据在缓存中存在的命中率低、评估不连续及迁移不稳定等问题,提出基于动态热度评估与 3 级划分的远程字典服务器缓存优化(dynamic heat evaluation and three-level partition based remote dictionary server cache optimization,DHE-TP-Redis)方法.该方法通过动态热度计算模型量化数据价值,经3 级数据分类策略智能分配资源,引入基础热度保留保障热度连续性,通过逐步淘汰与模块协同实现高并发缓存稳定运行.结果表明,该方法在 3 种访问模式与持续迁移场景下均表现突出.在突发集中模式下,DHE-TP-Redis 方法的命中率较最近最少使用(least recently used,LRU)、最不常使用(least frequently used,LFU)方法分别提高了0.8、26.0个百分点.在持续迁移场景下,其迁移频率较LRU方法降低 5.7 次/h,较LFU方法降低 6.7 次/h,服务响应时间波动较LRU方法降低 4.4 个百分点,较LFU方法降低 5.1 个百分点.该方法为高频时序数据缓存提供了稳定的解决方案.

摘要：针对信息安全课程知识推荐存在的多源行为融合不足、偏好适配针对性弱等问题,提出基于双向长短期记忆-多头注意力-学生多源行为数据融合(bidirectional long short-term memory-multi-head attention-fusion of student multi-source behavior data,BiLSTM-MA-FSBD)的知识推荐方法.首先,整合学生多源行为数据,提取核心行为特征,构建涵盖动态时序与静态关联的融合特征体系;然后,设计BiLSTM网络对行为序列依赖关系进行编码,利用MA机制自适应分配行为权重,实现学习偏好的精准推断;最后,构建 3 层级信息安全知识图谱,量化知识点依赖关系,结合偏好匹配度进行个性化推荐.结果表明,BiLSTM-MA-FSBD方法的推荐精确率比协同过滤(collaborative filtering,CF)方法提高了 26.2 个百分点.该方法可以有效适配信息安全课程的教学特性与学生个性化学习需求,为解决课程知识的精准推荐问题提供了切实可行的技术方案.

摘要：为解决篇章级多事件抽取中事件及论元角色间全局语义关联缺失、文档信息利用不足的问题,提出了基于论元关联和图神经网络的篇章级多事件抽取(document-level multi-event extraction based on argument correlation and graph neural network,DEEACG)模型.首先,使用基于变换器的双向编码器表示(bidirectional encoder representations from Transformers,BERT)模块获取实体,并引入实体共事件性预测任务,增强实体间的语义关联.接着,引入可学习的事件代理节点,构建包含实体、上下文和代理节点的异构图,通过特征线性调制图神经网络(graph neural network with feature-wise linear modulation,GNN-FiLM)与多头自注意力机制,实现多事件间的全局交互与语义融合.然后,通过多层感知机进行事件类型检测.最后,构建双投影空间建模论元关联,采用Bron-Kerbosch算法提取图中极大团作为候选论元组合,并结合多头注意力实现论元角色分类.结果表明,DEEACG模型在中文金融公告(Chinese financial announcements,ChFinAnn)数据集的多事件抽取任务中性能明显提升,与关系增强文档级事件抽取(relation-enabled document-level event extraction,ReDEE)模型相比,F1 均值提升了 2.1 个百分点.该研究证实DEEACG模型能有效捕捉多事件间语义关联,适用于篇章级多事件抽取任务.

摘要：针对音色泄漏、韵律细节丢失以及生成语音自然度不足等问题,提出了基于扩散模型的多源特征解耦语音转换模型(multi-source feature decoupling voice conversion model based on diffusion models,MFD-VC).该模型首先将语音分解为不同属性的子空间并进行独立处理,实现多属性协同控制的高保真语音转换.接着,设计了风格编码器(style encoder,SE)从参考语音中提取说话人的音色表征,同时设计了内容特征编码器(content feature encoder,CFE)和波形网络编码器(wave network encoder,WN)分别处理内容信息和基频信息.最后,设计了一维多尺度融合(multi scale fusion 1 dimension,MSF1D)模块嵌入U型网络扩散模型(U network diffusion model,UNetDiff)中来增强跳跃连接的多尺度特征表达能力,从而生成细节更加丰富的梅尔频谱.结果表明,在利贝文字转语音(Librispeech for text-to-speech,LibriTTS)数据集上MFD-VC的等错误率仅为 12.2%,相似度平均意见得分高达 4.35.此外,在语音克隆工具包(voice cloning toolkit,VCTK)数据集上 MFD-VC的等错误率也仅为 15.2%,相似度平均意见得分也高达 4.24.MFD-VC在音质、相似度与内容清晰度上均有较好的效果.

摘要：针对伪造图像检测中细粒度特征感知与跨区域依赖建模的挑战,提出解耦频率细化网络(decoupled frequency refinement network,Decoupled-FR Net)检测模型.该模型设计了空间-通道解耦注意力机制,有效避免了传统混合注意力中的特征耦合问题,提升了特征表示的独立性与判别力;引入了特征细化模块,通过层级特征校准与融合功能增强对细微篡改的感知能力;结合上下文感知机制,捕捉跨区域的长距离依赖关系,从而提升整体检测性能.结果表明,Decoupled-FR Net模型在伪造合成(forensic synthetics,ForenSynths)数据集上的准确率、平均精确率分别比块间依赖网络(inter-patch dependency network,IPD-Net)模型提高了 2.4、0.5 个百分点,在生成式对抗网络(generative adversarial network,GAN)的生成图像检测(GAN generation detection,GANGen-Detection)数据集上的平均精确率比频域网络(frequency domain network,FreqNet)模型提高了 0.1 个百分点.该模型为细粒度伪造图像检测提供了新的解决方案,在多媒体取证领域具有重要的应用价值.

摘要：为解决网络货运平台价格预测不准确导致的成交率下降问题,提出基于Shingling检索的表格先验数据拟合网络(tabular prior-data fitted network,TabPFN)的局部上下文学习(local context learning with TabPFN based on shingling retrieval,ShinglingPFN)模型.首先,该模型运用w-Shingling检索算法,从历史订单数据中匹配出与预测订单最相似的订单,构建局部关联的上下文数据.然后,加载并初始化预训练的TabPFN模型实例,将筛选出的订单数据输入模型,让TabPFN基于这些上下文信息学习货运特征与运费的关联模式.最后,输出该货运样本的运费预测结果.结果表明,ShinglingPFN模型相比随机森林(random forest,RF)模型减少了30.98%的平均绝对误差(mean absolute error,MAE).通过全局敏感性分析,进一步增强了模型的可解释性.ShinglingPFN模型可为平台优化定价策略提供决策支撑.

摘要：为破解高职教师数字素养提升中多平台割裂、资源重复建设、培训针对性不足等难题,并助力教育数字化转型,基于层次任务网络(hierarchical task network,HTN)理论,结合"智课"平台实践,构建"诊断-适配-重构-进化"闭环分层赋能模型.该模型将教师数字素养划分为新人型、胜任型、专家型 3 个层级,对应设计基础层、进阶层、创新层3 级任务链,整合人工智能(artificial intelligence,AI)大模型与多源资源,形成"技术-资源-场景-评价"4 维联动机制.以 1256 名高职教师为对象开展对照实验,结果显示,依托平台的实验组教师数字素养提升 22.1%,高于对照组10.1 个百分点,其中,"数字化教学应用"维度进步最明显.85%的教师认可任务与教学需求高度契合.该研究提供了可操作、可复制的高职教师数字素养规模化、精准化提升路径,为教育数字化转型中教师能力发展提供有力支撑.

摘要：为探究不同情景下土地利用变化对生态系统服务的影响,以长江中游城市群为例,基于斑块生成土地利用变化模拟(patch-generating land use simulation,PLUS)模型模拟了2030 年4 种情景下的土地利用格局;同时采用生态系统服务与权衡综合评估(integrated valuation of ecosystem services and tradeoffs,InVEST)模型,评估了该区域现状及未来碳储存、生境质量、产水量与土壤保持 4 项关键服务的时空变化.结果表明,生态系统服务呈现明显空间异质性,不同生态系统服务功能空间分布随着时间变化基本不变;多情景对比显示,仅生态保护情景可实现碳储存与生境质量的提升,其余情景中产水量虽普遍增加,却伴随碳储存与生境质量下降,而土壤保持在各情景中波动较小;土地利用变化是影响生态系统服务的关键因素,在不同情景模拟下生态系统服务呈现不同变化.研究表明,科学的土地配置是统筹城市发展与生态保护的重要途径.

摘要：为提高绿豆草(Rorippa indica(L.)Hiern)资源的利用率,以绿豆草为原料,运用响应面法对超声波辅助离子液体提取绿豆草多糖的工艺及其抗氧化活性进行了深入研究.首先,以单因素实验为前提,运用Box-Behnken实验设计与响应面法,对超声温度、液料比、超声时间以及离子液体质量分数 4 个关键因素进行优化,分析其对绿豆草多糖提取率与抗氧化活性的影响.结果显示,最优工艺条件为超声温度为70℃、液料比为26∶1、超声时间为30 min以及离子液体质量分数为 2.9%.在这些优化条件下,进行了 3 次重复实验以验证模型的预测准确性,实测绿豆草多糖提取率达到了 76.44mg/g,与模型预测值相比,偏差仅为 0.12%,证明了回归模型的高可靠性和实用性.绿豆草多糖对DPPH、OH自由基的清除能力表现出显著效果,半数抑制浓度(half-inhibitory concentration,IC50)值分别为 61.91、134.98mg/L,表明在优化工艺条件下所提取的绿豆草多糖具备良好的抗氧化活性.该研究为绿豆草的深度开发利用提供了科学依据,还为其在功能性食品和医药领域的应用提供了潜在可能.

摘要：针对现有研究多侧重宏观机制或单一场景分析,缺乏农村居民感知视角系统性评价的问题,以安徽省滁州市648 名乡村居民为样本,围绕政策扶持、发展要素与监管力度 3 个维度构建满意度评价指标体系,并运用重要性-绩效分析(importance-performance analysis,IPA)模型,对各指标的重要性感知与实际满意度进行对比分析.结果表明,各指标的重要程度值介于 3.98～4.11,而满意度值介于 3.84～3.97,整体呈现出重要性普遍高于满意度的特征,其中,监管力度维度的期望与实际的落差较为明显.该研究为中部农业地区提升农村数字金融服务质量、强化乡村振兴金融支撑提供了具有现实参考价值的实证依据.

摘要：针对移动群智感知(mobile crowdsensing,MCS)中预算受限与位置隐私难以兼顾的问题,提出基于本地差分隐私的预算约束工人招募算法(budget-constrained worker recruitment algorithm based on local differential privacy,LBWR).首先,设计自适应圆形扰动(adaptive circular perturbation,ACP)机制,通过动态优化圆心与半径并结合指数机制生成扰动位置,实现位置隐私保护并提升数据实用性.其次,提出质量感知招募算法(quality-aware recruitment algorithm,QARA),以加权泰森多边形描述区域特征,结合蚁群优化在预算约束下搜索工人集合,实现覆盖质量驱动的最优招募.在格瓦拉签到社交网络数据集(Gowalla location-based social network dataset,Gowalla)与北京市出租车轨迹数据集(driving directions based on taxi trajectories,T-drive)的实验结果表明,LBWR在覆盖质量、均方根误差和最小成本最大工作量等指标上均优于对比算法.其中,LBWR在覆盖质量上表现优异,ACP降低了均方根误差,QARA在覆盖质量和最小成本最大工作量上均优于对比算法,整体体现了该算法在隐私保护与高效工人招募之间的平衡能力.该算法在保障隐私的同时实现了高效覆盖分配,具备良好的鲁棒性与可扩展性.

摘要：为探究兴奋效应与动态放疗对肿瘤细胞动力学的影响,提出了具有兴奋效应的肿瘤-免疫模型,并引入动态调节因子进行研究.首先,对该模型不动点的存在性与稳定性进行了分析.然后,应用中心流形定理推导了该模型产生倍周期分岔的条件,并利用数值模拟进行了验证.结果表明,放疗过程中的兴奋效应会明显影响肿瘤细胞的数量变化,而实施动态放疗能使其数量最终稳定在阈值水平附近.该研究可为制定同时考量兴奋效应与动态调节的放疗策略提供理论参考.

摘要：为实现低成本超级电容器电极材料的制备,以废弃侧柏(Platycladus orientalis)叶为原料,利用其天然所含草酸钙为原位硬模板和内源活化剂,辅以少量KHCO3 为绿色外源活化剂,在KHCO3 与侧柏叶的质量比为 0.5∶1.0、活化温度为 650℃的温和条件下,直接一步制备了高比表面积(1001.4m2/g)、高杂原子含量(N为 2.8%、O为12.7%、S为0.4%)的N/O/S自掺杂泡沫状分级多孔碳POLC-650-0.5,并对其在物质的量浓度为 2mol/L的Na2 SO4 电解液体系中的电化学行为进行了测试.结果表明,基于侧柏叶衍生碳POLC-650-0.5 组装的对称超级电容器在0.5A/g电流密度下,比电容达 133.0 F/g;在 5A/g电流密度下循环 10000 次充放电后电容保持率达 84.6%,展现出优异的储能性能.该研究为废弃植物资源的高值化利用及高性能多孔电容碳的经济制备提供了可行路径.

摘要：针对组合零样本学习(compositional zero-shot learning,CZSL)中未见属性-对象组合泛化能力不足的问题,提出基于像素级特征调制与文本引导增强的组合零样本学习(pixel-level feature modulation and text-guided refinement for compositional zero-shot learning,PFMTR)模型,旨在提升模型对未知组合的识别性能.首先,设计像素级特征调制(pixel-level feature modulation,PLFM)模块,通过像素级与块级特征的双重注意力机制,实现图像特征的精细化重组与语义增强.其次,提出文本引导特征增强(text-guided refinement,TGR)模块,以文本特征为查询、视觉特征为键值,借助跨模态注意力机制计算语义关注权重,实现文本对视觉特征的动态语义引导与跨模态对齐.结果表明,与其他前沿模型相比,PFMTR模型在得克萨斯大学Zappos(University of Texas Zappos,UT-Zappos)数据集上表现突出,曲线下面积(area under curve,AUC)、调和均值(harmonic mean,HM)分别为 35.7%、49.7%.该研究证明通过融合像素级局部特征调制与跨模态语义引导,能够有效增强模型对未见组合的识别性能,为复杂场景下的组合零样本学习提供了可行的技术路径.