摘要：关注根据自然语言描述生成相关代码片段的代码生成(code generation)任务.在软件开发过程中,开发人员常常会面临两种情形.一种是通用功能的实现,需要开发人员编写大量重复且技术含量较低的代码;另一种是依赖于特定任务要求,需要开发人员查询文档或使用其他工具才能完成的代码编写工作.代码生成作为最直接辅助开发人员完成编码的工作受到学术界和工业界的广泛关注.让机器理解用户需求,自行完成程序编写也一直是软件工程领域重点关注的问题之一.近年来,随着深度学习在软件工程领域任务中的不断发展,尤其是预训练模型的引入使得代码生成任务取得了十分优异的性能.系统梳理当前基于深度学习的代码生成相关工作,并将目前基于深度学习的代码生成方法分为3类:基于代码特征的方法、结合检索的方法以及结合后处理的方法.第1类是指使用深度学习算法利用代码特征进行代码生成的方法,第2类和第3类方法依托于第1类方法进行改进.依次对每一类方法的已有研究成果进行系统的梳理、分析与总结.除此之外,汇总并分析已有的代码生成工作中常用的语料库与评估方法,以便于后续研究进行实验设计.最后,对代码生成方法研究进展进行总结,并针对未来值得关注的研究方向进行展望.

摘要：情绪影响身心健康及认知功能等,因而在人们的生活中扮演着重要角色.自动情绪识别有助于预警心理疾病和探索行为机制,具有巨大的研究与应用价值.在过去十余年中,研究者们提出了各种情绪识别方法,但均存在不同方面的不足:基于脑电图(Electroencephalography,EEG)信号的方法需采用专业、昂贵且不易操作的脑电仪;基于视觉和语音的方法存在隐私泄露的风险;基于手机使用模式分析的方法其可靠性和准确性有待提高等.本文利用生理信号如呼吸音、心跳音及脉搏等与情绪的潜在关联性,创新性地提出基于低成本、普适易用可穿戴硬件的情绪识别技术,借助多模态数据融合对不同类型数据进行有效利用,既减少了数据冗余又有效提升了系统性能.此外,在保证良好识别准确率的前提下,为提升情绪识别模型对不同用户的泛化性、最大化降低新用户的使用成本,本文提出了基于多源域对抗思想的情绪识别模型,借助少量来自新用户的无标签数据实现模型的无监督迁移,再辅之以极少量有标签数据微调分类器参数可进一步提升情绪识别准确率.为验证所提情绪识别方法的有效性,本文设计并实现了一套融合麦克风与光电容积脉搏波(Photoplethysmography,PPG)传感器以测量人体心跳音、呼吸音及脉搏等生理指征的可穿戴系统.基于此系统,本文在不同设置下开展了大量实验并对不同影响因素进行了评估.实验结果表明:对于四类基本情绪,本文所提方法单被试识别准确率可达95.0%,跨被试识别准确率为62.5%,比基准方法提升了5.3%.结合有监督小样本参数微调,识别准确率可进一步提高至81.1%,比基准方法提高了12.4%.上述结果验证了本文所提方法的可行性,为泛在情绪识别研究做出了崭新的探索.

摘要：土壤风蚀是中国北方严重的环境问题,植被能够有效控制土壤风蚀。为给土壤风蚀防治方案设计提供依据,在毛乌素沙地南缘以中科1号羊草(Leymus chinensis)为对象,通过野外风洞试验,研究植被盖度(10%、20%、30%和40%)和配置方式(一行一带式、两行一带式、交叉分布式)对风沙流结构和输沙率的影响。结果表明:(1)各层输沙强度随风速增加而递增,随盖度增加而递减;输沙率与盖度符合指数函数关系。风沙流结构出现“象鼻效应”,风速和盖度的增加均使输沙强度峰值的高度层上移。(2)3种配置方式下输沙强度沿垂直高度的变化均呈指数函数分布,两行一带和交叉分布的阻沙效果大于一行一带。(3)从固沙效能最佳和经济效益角度考虑,中科1号羊草应种植盖度约为30%,风速较大的区域使用交叉分布的配置方式。

摘要：作为冷链“最先一公里”的产地预冷是影响生鲜农产品品质的关键。本文考虑多类生鲜农产品采摘后从产地→预冷站→物流中心的物流过程中的损耗,为之建立适合其预冷需求的相应类型预冷站,并考虑各类预冷站建设和运营中的规模经济效应,进行预冷站布局优化,包括同时确定预冷站的数量、位置、类型和容量。由此建立了一种混合整数线性规划模型,并根据模型特点设计了一种遗传算法进行求解,最后通过数值分析验证了所提模型和算法的有效性,并以成都市的生鲜农产品预冷站布局优化为例进行了实例验证。结果表明,生鲜农产品“最先一公里”损耗情况和预冷站建设中的规模经济效应均会显著影响预冷站布局,实践中应结合生鲜农产品特性和预冷站建设的技术经济指标进行预冷站选址优化决策。

摘要：我国工业固废与建筑拆除固废存量巨大,且固废产生量逐年增加,固废堆存造成的滑坡灾害、环境污染灾害和占用大范围场地给可持续发展带来了挑战。此外,历次大地震造成房屋倒塌也产生大量的建筑固废,如何将这些建筑固废在灾后重建中高效利用,引发国内外学者的广泛关注。目前利用这些固废制备混凝土是具有重要价值和前景的方案,采用工业固废、建筑固废、工业和建筑固废制备的混凝土被统称为固废混凝土,其中利用后两者制备的混凝土也被称为再生混凝土。固废高效利用混凝土有3层含义,即固废胶凝材料和固废骨料性能提升、高固废掺量混凝土、固废混凝土在工程结构中根据受力需求合理利用。综述了不同建筑固废和工业固废的物化特性,概述了不同固废材料对混凝土力学性能和耐久性能的影响,在归纳固废混凝土构件及结构抗震性能、抗火性能研究结果的基础上,对固废混凝土结构防灾技术研究的发展进行了展望。

摘要：极地船舶冰区航行时,冰阻力的准确预报在保障船舶航行安全方面起着重要作用.近年来,机器学习在船舶方面的应用越来越广泛,其中,人工神经网络(ANN)是机器学习领域中一种常用的方法.本文的重点是设计一个用于预报极地船舶冰阻力的ANN模型.参考传统的经验和半经验公式,选择合适的输入特征参数,通过大量的船舶模型试验数据来训练神经网络,搭建径向基(RBF)神经网络模型,并选用遗传算法(GA)进行模型优化.研究表明,基于7个特征参数输入的遗传算法优化径向基(RBF-GA)神经网络模型具有良好的泛化效果,与模型试验和实船试验数据对比,平均误差在8%左右,具有较高的精度,可作为冰阻力预报工具.

摘要：为进一步研究波纹钢衬砌法兰接头受弯力学性能及其影响因素,建立波纹钢衬砌法兰接头的四点弯曲计算模型并验证其准确性。以波纹钢型号、法兰板厚度和螺栓型号为变量设计正交试验,通过变形云图总结破坏模式,对M-θ曲线的原点刚度与极限弯矩进行方差、极差分析,再结合法兰板与螺栓的应力-弯矩曲线揭示结构破坏时构件的相互作用机理,最后提出弯矩系数α以定量区分法兰接头类型。研究结果表明:结构原点刚度受波纹钢型号影响最大;正弯矩荷载下极限弯矩由法兰板起主导作用,其破坏模式为法兰板面外屈曲破坏,螺栓对其影响不大但应力已达极限;负弯矩荷载下极限弯矩受螺栓与法兰板共同影响,破坏模式可根据变形特征分为法兰板控制型、螺栓控制型和综合控制型,所提出的相对弯矩系数α可准确定量区分其破坏模式;在纯弯荷载下法兰板与螺栓最大Mises应力均呈现四阶段增长特征,负弯矩荷载下的法兰板最大Mises应力随螺栓型号变化不显著。

摘要：近年来以京东为首的大型网上超市零售电商蓬勃发展,其“一地多仓”的仓储布局和大量“一单多品”的订单特性使得订单拆分履行成为普遍现象,进而引发了配送高扰动、履行高成本等一系列难题,该问题的复杂性在于随着订单规模及其所含品项数的增加,导致订单拆分方案数呈指数增长。本文针对订单拆分优化难题,综合运用组合优化和聚类分析理论,以最小化订单拆分履行成本为目标,从缩减求解空间的视角出发,设计了高效的基于商品相关性的PLBH-LNS(product link-based hybrid heuristic large neighborhood search algorithm)算法。通过对小规模的构造算例进行分析,与CPLEX结果比较,验证了算法的科学性和有效性;并采用国内某零售电商大规模实际数据进行实验分析,验证了算法的实用性。实验结果表明,与实际操作中运用简单规则的订单拆分策略相比,PLBH-LNS方法平均能缩减22.48%的订单拆分履行成本,为大型网上超市的订单拆分问题提供了新思路和有效的辅助决策支持。

摘要：为高效利用码头资源,提高集装箱码头作业效率,以大型转运港为背景,针对码头资源分配的战术决策问题,考虑到船期表稳定性、船舶间集装箱转运流量、泊位调度和堆场分配的相互影响,基于码头主动管理策略,建立了以所有集装箱转运任务完成时间最小化为目标的码头多资源协同优化模型。在此基础上,设计了一种基于禁忌搜索的人工免疫算法对模型进行求解,通过六种不同规模的数值实验,以及与遗传算法和人工免疫算法的比较实验,验证了模型和算法的有效性。通过多情景案例分析,检验了协同调度模型的全面性和优越性,情景分析结果表明,综合决策模型最小可缩短4.33%的转运作业时间,最大可缩短20.19%,为集装箱码头多资源分配提供了有效的解决方法。

摘要：得益于联邦学习的发展,多个参与方得以越来越方便地在保护隐私的前提下协同训练多种机器学习模型.随着联邦学习训练方案的逐渐成熟,在这些模型上进行高效联邦预测任务的需求也日益受到关注.目前对联邦学习得到模型的应用的研究大都处于复用训练范式的范畴,而实际上这一做法造成了额外的开销,联邦预测任务存在着极大的效率提升空间.本文对基于树模型的外包预测服务进行研究.首先明确阐述了“联邦预测”任务,并指出设计高效解决方案面临着数据异构分布和用户数据动态变化的挑战.针对这些挑战,本文提出了新颖的安全比较协议***通过一个不可信的第三方的协助,使得两个参与方得以秘密地比较他们的私密值.所设计的协议基于揭序加密,其通过公开函数可以揭示出密文之间的顺序关系.为了增强其隐私性,我们进一步设计了一次一密机制并引入了混淆密码序列技巧.我们对协议进行了全面的安全性分析,并证明了其面对恶意第三方的鲁棒性.此外,我们还通过大量实验验证了所提出协议的高效性和可扩展性.