摘要：能源储存系统是电动汽车、电子设备等高新技术的重要基础。近年来基于机器学习的电池设计能够快速连结材料微观结构-材料微观性能-电池宏观性能的复杂关系,成为了热点研究。本文从能源电池的微观材料设计和宏观状态预测两方面系统性地综述了电池设计中机器学习的应用现状和前景,概括综述了机器学习电池设计的研究数据来源、算法的优缺点及其在电池领域的应用场景以及近年来的相关创新性工作及其展望,以期为机器学习在能源储存系统的宏微观设计提供了参考。

摘要：现有电子鼻存在体积偏大、价格昂贵等问题,阻碍了其普及应用。为解决这一问题,该文提出了一种用于白酒检测的手持式电子鼻设计方案,传感器阵列由6种贴片式气体传感器和1个温湿度传感器组成,并置于一个微型仿生气室中。基于所设计的手持式电子鼻对6种白酒的识别问题进行了研究。首先,从电子鼻传感器响应中提取特征,并采用主成分分析法(principal component analysis, PCA)、核主成分分析法(kernel principal component analysis,KPCA)和核熵成分分析法(kernel entropy component analysis,KECA)进行特征降维;然后,通过支持向量机(support vector machine,SVM)、K近邻(k-nearest neighbor,KNN)和反向传播人工神经网络(back-propagation artificial neural network,BP-ANN)对白酒进行识别。结果表明,所设计的手持式电子鼻可以对不同种类的白酒进行在线检测与准确识别。

摘要：用于野外地物偏振光谱测量的偏振光谱仪,其偏振探测精度直接影响到地物偏振光谱信息获取的准确性,进而影响到目标偏振特性的解译水平。设计了适用于光栅光谱仪的偏振测量组件,将两种型号的光栅光谱仪改装成偏振光谱仪。基于可调偏振度光源验证偏振光谱仪的偏振光谱测量精度,首先分析了偏振光谱仪的偏振敏感性,然后给出了偏振光谱仪对可调偏振度光源输出不同偏振度谱的实验测量结果。实验结果表明:在460~920 nm波长范围之间,偏振光谱仪具有一定的偏振敏感性,加装退偏器之后,偏振光谱仪对输出光的测量偏振度与可调偏振度光源输入的标准偏振度具有很好的一致性,实测值与理论值的绝对误差均在2%以内,从而验证了两种型号的偏振光谱仪偏振测量组件设计的可行性,能够满足实验测量的要求。

摘要：预测模型是有效应对突发水污染事件的前提与基础。为了提高预测模型的准确性,提出了一种新的参数识别方法。首先从反问题与贝叶斯估计的视角构建突发水污染事件预测模型;然后在Metropolis-Hastings抽样方法的基础上,引入混沌理论、粒子群算法、微分进化算法等的思想,设计了一种新的参数识别方法,即IPSO-DE-MH算法;最后通过数值分析验证所设计方法的有效性和准确性。结果表明:新方法能较好地识别模型参数,为突发事件应急预测模型的快速构建提供了新思路。

摘要：在认知学习过程中,学习者可能学习并掌握某些技能,但知识状态却无法发生改变.在此情形下,根据学习者知识状态的改变不足以对其技能进行准确评估,因此,文中基于技能函数,运用形式概念分析的方法寻找学习路径并进行技能评估.首先,介绍后继状态、有效技能和良好技能函数的概念.然后,基于形式背景,在两种情形下讨论技能函数满足良好性的条件,得到满足良好性条件下可进行逐步有效学习和有效评估的结果,并设计获取良好技能背景、良好技能函数及寻找学习路径的算法.最后,在两个数据集上进行实验分析,验证文中算法的有效性,并且得出如下结论:基于良好技能函数得到的学习路径图,不仅可有效指导学习者进行学习,还可根据学习者知识状态的变化评估其是否掌握相应的有效技能.

摘要：液态金属限流器(LMCL)具有独特的优势,在电力系统的限流方面有良好的应用前景。为了减小LMCL烧蚀,提高使用寿命,该文设计了一种阻性隔板液态金属限流器(RWLMCL)。首先,从腔体内部的电流分布角度,分析了RWLMCL减少烧蚀的原因。然后,通过实验与仿真探究了RWLMCL中液态金属自收缩效应的动态变化过程。结果表明,仿真与实验结果具有很好的一致,证明了理论模型的合理性。将LMCL的隔板由绝缘替换为阻性,液态金属自收缩效应仍然有效。最后,比较了RWLMCL与现有绝缘隔板LMCL的限流特性与烧蚀情况,发现与绝缘隔板LMCL对比,铁钴镍隔板LMCL的电流峰值减小了2.68%,电弧电压峰值减小了95.0%,弧前时间减少了23.9%,燃弧时间减少了68.8%,阻性隔板的氧化锌隔板LMCL与铁钴镍隔板LMCL的液态金属烧蚀明显减弱。结果证明,RWLMCL可以限制液态金属电弧剧烈燃烧,减少腔体的烧蚀,从而有效地延长LMCL的使用寿命。

摘要：属性重要度和属性约简都是形式概念分析研究中的关注重点.通过信息粒的角度,文中提出基于信息熵研究形式背景的属性约简的一些方法.首先,给出形式背景的信息熵、条件熵及互信息等定义,通过条件熵对协调的决策形式背景进行属性约简,得到形式背景的粒协调和熵协调是等价的.然后,在熵不协调的决策形式背景中定义有限信息熵、有限条件熵和有限互信息,利用有限条件熵对不协调的决策形式背景进行属性约简.最后,基于属性重要度分别设计熵协调和熵不协调的决策形式背景的属性约简算法,通过数值实验验证文中算法的有效性.

摘要：形式概念分析的属性约简是知识表达和数据处理的一种有力的工具。对于不协调决策形式背景,已有多种属性约简的方法。从布尔矩阵运算的角度研究不协调决策形式背景的属性约简问题,提出属性约简的新的刻画。首先,借助矩阵的运算给出广义矩阵协调集的定义,并研究属性之间相似性的度量。接着,针对在属性约简过程中起不同作用的属性,将条件属性区分为核心属性和非核心属性,提出一个属性是否是核心属性的充要判断条件,以及得出属性约简的判别方法。最后,在此框架上设计出不协调决策形式背景属性约简的一种启发式算法,通过例题说明此算法的可行性和合理性。通过属性约简,该形式背景下的概念格计算更为简便。上述结果有助于进一步的应用及为研究形式概念分析的矩阵方法提供理论基础。

摘要：This study presents an innovative approach to improving the performance of YOLO-v8 model for small object detection in radar ***,a local histogram equalization technique was applied to the original images,resulting in a notable enhancement in both contrast and detail ***,the YOLO-v8 backbone network was augmented by incorporating convolutional kernels based on a multidimensional attention mechanism and a parallel processing strategy,which facilitated more effective feature information *** the model’s head,an upsampling layer was added,along with the fusion of outputs from the shallow network,and a detection head specifically tailored for small object detection,thereby further improving ***,the loss function was modified to incorporate focal-intersection over union(IoU)in conjunction with scaled-IoU,which enhanced the model’s performance.A weighting strategy was also introduced,effectively improving detection accuracy for small *** results demonstrate that the customized model outperforms traditional approaches across various evaluation metrics,including recall,precision,F1-score,and the receiver operating characteristic(ROC)curve,validating its efficacy and innovation in small object detection within radar *** results indicate a substantial improvement in accuracy compared to conventional methods such as image segmentation and standard convolutional neural networks.

摘要：针对最优尺度约简问题,从对象与决策类的关系出发,提出一种基于可分离性的多尺度决策信息系统的约简方法。首先,分别给出类内对象紧性和类间对象分散度的定义并探究其性质。其次,在多尺度决策信息系统中通过类内对象紧性和类间对象分散度定义属性子集的可分离性,并给出可分离性与约简之间的关系,在此基础上,结合属性权重与尺度权重给出了基于可分离性的重要度。最后,设计了一种基于重要度的启发式最优尺度约简算法。实验结果表明,所提方法在分类精度和约简集基数上具有较大的优势。