摘要：绿原酸作为植物的一种重要的次生代谢产物,具有抗氧化、抗菌、抗病毒、抗肿瘤、抗炎、保肝、降糖等多种生物活性,在药物开发领域具有重要价值,因此其衍生物的设计与合成受到广泛关注。按照绿原酸生物活性的不同,本文综述了天然的和合成的绿原酸衍生物的构效关系的研究进展,展望了以绿原酸为先导化合物开发新药的发展趋势,为绿原酸的研究开发提供借鉴。

摘要：最大似然估计能够准确地估计光通信的色散,但其对高速符号传输的计算复杂度较高,云计算数据中心的光网络是一种高速光通信的情况,为了降低数据中心中光通信色散估计的计算成本,设计了一种基于深度学习的数据中心光通信均衡器。基于人工神经网络的均衡器分为两个阶段,第一阶段采用光信道的脉冲响应数据对人工神经网络进行训练,对人工神经网络的模型参数进行优化,建立人工神经网络的非线性响应模型;第二阶段采用训练的人工神经网络均衡器对光信道的传输数据进行处理,实现对光信道色散的估计与补偿。按照数据中心的光网络方案进行了仿真实验,结果显示,基于人工神经网络的均衡器提高了光通信的光信噪比,并且延长了光通信的传输距离。

摘要：针对当前深度神经网络模型在检测小缺陷目标时性能较差的问题,提出了一种基于改进U-Net的工件表面缺陷分割方法。该方法设计了一种仅下采样3次的U型网络,在保持图像特征分辨率的同时获得足够的感受野,有效解决神经网络多次下采样造成的小目标信息丢失问题;引入Dice损失和Focal损失组成的混合损失函数,通过增强分割损失权重并抑制背景信息来提高分割效果,有效解决小缺陷目标的低概率密度问题。通过在表面缺陷数据集上的大量实验和分析,结果表明该算法能够很好地细分出缺陷区域,并在分割精度与速度之间获得平衡。

摘要：本文将地理信息系统(GIS)技术和相应的评估模型应用到淮河流域气象服务效益评估中,以淮河流域气象灾害和气象服务效益评估模型为重点研究对象,用矢量图形直观地展现出流域中水系、设施、人文等的分布情况,形成了可视化图文并貌的评估界面,并且把空间分析、专题图设计、模拟分析等功能引入其中,旨在提高气象服务效益评估的信息化水平和辅助决策能力。

摘要：针对传统人工设计特征鲁棒性差、检索计算复杂等缺点,提出以深度特征表示人脸图像并采取由粗到细的人脸图像检索方法。首先,使用拥有近四百万张人脸图片的数据库训练卷积神经网络得到人脸特征提取模型;然后进行人脸特征提取、存储和聚类分析;最后,采用由粗到细地检索方式进行人脸检索。在LFW数据库上进行验证,基于深度学习的人脸特征的人脸检索准确率为99.1%,人脸检索时间约0.5s.实验结果表明,基于深度学习的人脸特征鲁棒性强、检索计算复杂度低。由粗到细的检索方法效率高,结果准确率高。

摘要：建筑业作为吸纳外来务工人员的主流产业之一,关于其外来工居住空间的研究却远远滞后于制造业和商贸服务业。因此本文以南京市为例,以房源供给模式为主线,从中遴选工棚型、宿舍型和自租型三类主导居住方式作为典型代表,展开多层面的居住空间比较研究,进而提出相应的改善策略,旨在形成对建筑业外来务工人员居住空间的系统认知。

摘要：为应对日趋凸显的环境污染问题,运动式执法已成为我国现阶段区域环境治理中频繁使用的治理工具。就规制实践而言,企业环境行为选择愈发显著的受到动态惩罚机制的刺激与激励;但在理论层面,该问题并未得到足够的关注。运用演化博弈理论深入探讨了动态监管机制下的企业环境遵从行为演化动态及其规制策略设计问题,以期为相关决策制定提供理论依据与政策建议。研究结果表明:在政府监管能力存在明显约束的条件下,精心设计的动态惩罚机制能够成为实现区域内企业环境遵从行为良好诱导与控制的有力工具;并且,相比模糊型动态惩罚机制,明确型动态惩罚机制能够取得更好的规制效果。然而,研究进一步发现,就我国现阶段国情而言,政府仍需将"如何走出‘两高一低’的困局"作为环境治理改革的关键性任务;同时,也需注重由运动式环境执法向常态式环境执法的转变。

摘要：为研究叶轮出口宽度对离心泵流动诱导振动噪声的影响,以一台单级单吸离心泵为研究对象,保持泵体和叶轮其他几何参数不变,将叶轮出口宽度b2从10mm分别改为6,8和12mm.在离心泵闭式实验台上测量了不同出口宽度模型泵在全流量范围内的振动和噪声信号,并对信号进行处理和分析.实验结果表明:模型泵流动诱导的振动对泵体的影响最大,随着叶轮出口宽度的增加,模型泵4个测点的振动强度大致呈先增加后降低的趋势,当b2=8mm时,模型泵的振动强度最大;在不同流量工况下,模型泵噪声信号随叶轮出口宽度的增加其轴频峰值变化规律复杂,b2=10mm的模型泵各工况下噪声信号的轴频峰值相对较小,且在设计工况下达到最小值.

摘要：为了保障智能网联汽车的低时延通信,利用蜂窝车联网中V2X(vehicle to everything)信道模型、边缘计算技术,研究计算卸载与边缘缓存联合优化策略。设计了一种智能网联汽车计算卸载与边缘缓存协同模型L-DDPG(least-deep deterministic policy gradient),通过对车载本地与边缘计算资源的整合,支持V2X场景下对不同计算任务的分类处理。由边缘平台对车载计算请求进行预判决,确保对连续的计算任务快速响应;结合基于最近最少使用(least recently used,LRU)的边缘缓存策略,实现对新计算任务的高效管理;基于DDPG算法对计算卸载与边缘缓存进行联合卸载决策。仿真结果表明:L-DDPG模型性能优于传统模型,能够有效提升系统的工作效能,在保障业务服务质量的同时降低时延和系统资源消耗。

摘要：针对传统的基于深度学习的遥感图像分类算法未能有效融合多种深度学习特征,且分类器性能欠佳的问题,提出一种改进的基于深度学习的高分辨率遥感图像分类算法。首先,设计并搭建一个七层卷积神经网络;其次,将高分辨率遥感图像样本输入到该网络中进行网络训练,得到最后两个全连接层输出作为遥感图像两种不同的高层特征;再次,针对该网络第五层池化层输出,采用主成分分析(PCA)进行降维,作为遥感图像的第三种高层特征;然后,将上述三种高层特征通过串联的形式进行融合,得到一种有效的基于深度学习的遥感图像特征;最后,设计了一种基于逻辑回归的遥感图像分类器,可以对遥感图像进行有效分类。与传统基于深度学习的遥感图像分类算法相比,所提算法分类准确率有较高提升。实验结果表明,该算法在分类准确率、误分类率和Kappa系数上表现优异,能实现良好的分类效果。