摘要：针对当前实体对齐方法无法充分利用知识图谱实体的多种信息和缺乏先验对齐种子对限制实体对齐效果的问题,提出一种基于多信息图注意力网络的双向迭代实体对齐模型。使用具有高速公路网络机制的图注意力网络,充分利用实体的多种信息获得实体的嵌入表示,提出一种双向迭代策略,设置阈值筛选高置信度实体对加入训练集中,达到扩展先验对齐种子对的目的。在3个跨语言实体对齐数据集上进行的实验结果表明,该模型有效提高了评估指标Hits@1,Hits@10的性能。

摘要：异麦芽酮糖是一种多功能的新型甜味剂,同时也是国际上公认安全的蔗糖替代品,在医药、食品等行业中具有广阔的应用前景。蔗糖异构酶(sucrose isomerase,SIase)是生物转化生产异麦芽酮糖最有效的生物酶制剂。作者简要论述了异麦芽酮糖的生理特性及其在生产中现存的问题,详细阐述了SIase的来源、三维结构、催化机制、高效酶分子理性改造及其异源高效表达等。随后介绍了细胞及酶固定化在异麦芽酮糖生产中的广泛应用,并展望了蔗糖异构酶在生产异麦芽酮糖中的应用。

摘要：目的设计并合成一种功能化免疫磁性微球,结合超高效液相色谱-串联质谱法(ultraperformance liquidchromatography-tandemmassspectrometry,UPLC-MS/MS)快速提取和检测花生和花生油中黄曲霉毒素B1(aflatoxin B1,AFB1)。方法样品经过甲醇-水溶液(70:30,V:V)提取,1.6 mg免疫磁性微球富集净化,用1.00 mL甲醇洗脱,采用Waters ACQUITY UPLC BEH C18色谱柱(50 mm×2.1 mm,1.7μm)分离,电喷雾离子源在正离子模式下分析AFB1的含量。结果该材料能够在15 min实现AFB1的快速提取净化。与UPLC-MS/MS联用,本方法的线性范围在0.1~50.0μg/L,检出限为0.04μg/kg,定量限为0.14μg/kg,相对标准偏差(relativestandard deviation,RSD)为2.2%。将本研究建立的方法用于检测花生及花生油中AFB1,方法回收率大于80%,重复性数据满足实验要求。与基于免疫亲和柱的国家标准方法进行了性能比较,结果与国家标准方法基本一致。结论该方法操作简单、用时短,可用于花生和花生油中AFB1的检测。

摘要：卷积神经网络(convolutional neural network, CNN)模型量化可有效压缩模型尺寸并提升CNN计算效率.然而,CNN模型量化算法的加速器设计,通常面临算法各异、代码模块复用性差、数据交换效率低、资源利用不充分等问题.对此,提出一种面向量化CNN的嵌入式FPGA加速框架FAQ-CNN,从计算、通信和存储3方面进行联合优化,FAQ-CNN以软件工具的形式支持快速部署量化CNN模型.首先,设计面向量化算法的组件,将量化算法自身的运算操作和数值映射过程进行分离;综合运用算子融合、双缓冲和流水线等优化技术,提升CNN推理任务内部的并行执行效率.然后,提出分级编码与位宽无关编码规则和并行解码方法,支持低位宽数据的高效批量传输和并行计算.最后,建立资源配置优化模型并转为整数非线性规划问题,在求解时采用启发式剪枝策略缩小设计空间规模.实验结果表明,FAQ-CNN能够高效灵活地实现各类量化CNN加速器.在激活值和权值为16 b时,FAQ-CNN的加速器计算性能是Caffeine的1.4倍;在激活值和权值为8 b时,FAQ-CNN可获得高达1.23TOPS的优越性能.

摘要：将间接边界元方法拓展到近断层复杂场地地震动模拟求解,通过建立有限断层二维运动学模型,量化分析了走滑型断层逐次破裂错动下近场沉积谷地地震动放大效应。首先,将断层上、下盘以及沉积谷地分为不同的计算域;其次,在频域内通过利用不同交界面的应力、位移边界条件来建立边界积分方程,离散求解得到虚拟荷载密度,进而得到频域内场地的地震反应,时域结果由傅里叶变换得到;然后,通过与解析解对比验证了该方法的准确性;最后,分析了近断层沉积谷地地震动放大规律;研究了断层上界埋深、断层倾角、沉积谷地断层距以及断层单元的破裂速度等参数变化对场地地震反应的影响。结果表明:沉积谷地对近断层地震动幅值具有明显的放大效应,所分析模型加速度反应谱峰值可放大4.64倍;在沉积谷地内部,地震动持时明显延长,同时会出现幅值更大的长周期速度大脉冲;近断层地震动震害具有典型的集中效应,断层距增大10 km,半空间地表位移衰减大于50%。为近断层复杂场地地震动模拟提供了一种新的有效方法,对近断层复杂场地地震区划和工程结构抗震设计具有重要意义。

摘要：传统的卷积神经网络加速器及推理框架在资源约束的FPGA上部署模型时,往往面临设备种类繁多且资源极端受限、数据带宽利用不充分、算子操作类型复杂难以适配且调度不合理等诸多挑战.提出一种面向嵌入式FPGA的卷积神经网络稀疏化加速框架(sparse acceleration framework of convolutional neural network, SAF-CNN),通过软硬件协同设计的方法,从硬件加速器与软件推理框架2个角度进行联合优化.首先, SAF-CNN构建并行计算阵列,并且设计并行编解码方案,实现单周期多数据的传输,有效减少通信代价.其次,设计细粒度结构化块划分剪枝算法,于输入通道维度进行块内裁剪来获得稀疏且规则的权重矩阵,借此显著降低计算规模和DSP乘法器等资源占用.然后,提出一种兼容深度可分离卷积的输入通道维度动态拓展及运行时调度策略,实现输入通道参数灵活适配与逐通道卷积和逐点卷积的资源复用.最后,提出一种计算图重构及硬件算子融合优化方法,提升硬件执行效率.实验采用2种资源受限的低端FPGA异构平台Intel CycloneV与Xilinx ZU3EG,结果表明SAF-CNN加速器可分别实现76.3GOPS与494.3GOPS的计算性能.与多核CPU相比,SAF-CNN在进行SSD_MobileNetV1目标模型检测时,可实现3.5倍与2.2倍的性能提升,模型推理速度高达26.5fps.

摘要：利用光纤光栅作为基本传感元件，设计研制了一种基于轮辐式压力盒装置的新型光纤光栅压力传感器．常温下在0～30KN的范围内，其测量线性度达到99．91％，灵敏度达到22N，且响应速度快．与其它类型的光纤光栅压力传感器相比，轮辐式光纤光栅压力传感器具有更大的测量范围、更高的抗干扰能力，并且由于光纤光栅本身的波分复用特性，可以很方便地构成压力传感网络进行多种物理量、多点的测量．实验表明；本传感系统具有结构简单、操作方便、滞后小、重复性好、结构高度小、重量轻等优点，在桥梁、大厦等超大型建筑以及大型管道等的检测与监测方面将会有更为广阔的应用前景．

摘要：本文针对小型无人直升机的姿态控制问题,考虑到现有基于模型的控制方法对系统动力学模型的依赖性,以及未建模动态对系统控制性能的影响,设计了一种新的基于数据驱动的无模型自适应鲁棒控制律.通过基于数据驱动的设计方法,降低了控制器对直升机动力学模型先验知识的依赖,补偿了未建模不确定性的影响.仅利用无人直升机的输入输出数据,即可实现对无人直升机系统的稳定姿态控制.然后本文结合离散滑模控制设计,补偿了未知外界扰动的影响,提高了系统的鲁棒性,并通过理论证明了控制误差的收敛性和闭环系统的稳定性.最后,在本研究组自主开发的无人直升机飞行控制实验平台上,进行了无人机实时控制实验.实验结果表明,本文所提出的控制算法取得了很好的姿态控制效果,并对系统不确定性和外界风扰动具有良好的鲁棒性.

摘要：基于FBMC-OQAM(filter bank multicarrier-offset quadrature amplitude modulation)的多用户频谱共享的认知无线电网络中的资源分配问题,在此提出了一种干扰抑制的功率资源分配算法(powerresource allocation algorithm,PAA).引入跨层干扰限制来保护网络中的次用户免受过多的干扰.引入虚拟队列的概念,将多用户争用信道资源导致的额外分组时延转化为在信道对应的虚拟队列中的排队时延.该算法以系统能效为目标函数、以时延和传输功率为约束条件,提出一个非线性约束下的非线性分式规划问题.设计了一种迭代算法,先通过一些变换将分式目标函数变为多项式形式,降低其实现难度后迭代求其全局最优解.此外设计了一种次优算法,以部分性能换取更低的计算复杂度.经实验仿真对比,最优算法具有高性能,次优算法在低计算复杂度的基础上具有较高性能,2种算法均具有很好的实用价值.

摘要：针对倾转式三旋翼无人机的建模及控制设计问题,本文通过对此类无人机动力学特性的分析,构造了以电机转速和尾舵倾角作为控制输入的动力学模型.为补偿动力学模型中未知的外部扰动及参数不确定性,设计了一种非线性自适应鲁棒控制策略.在此基础上,基于Lyapunov分析方法及Barbalat引理证明了所设计控制器的闭环系统稳定性,以及误差渐近收敛性.最后通过半实物仿真平台进行了实验验证.实验结果表明,本文中提出的控制策略对倾转式三旋翼无人机外部扰动及参数不确定性具有较好的鲁棒性.