摘要：针对雨雾等复杂天气下无人机图像质量下降导致目标检测效果不佳的问题,提出基于上下文引导和提示学习的目标检测算法CGP-YOLO(context-guided and prompt-based YOLOv8)。构建一个多任务联合学习的检测网络,通过双分支结构达到平衡图像检测和恢复的任务。提出基于提示学习的跨层注意力加权图像去噪分支,指导网络利用退化提示重构清晰的图像;模型主干设计基于上下文的残差采样模块,集成卷积注意力机制,综合目标的局部和全局信息;采用可分离大核多尺度特征提取模块,处理网络多尺度特征;引入小目标的专用检测头,增强小目标的检测精度。实验结果表明,在参数量仅为基线模型60%的情况下,该模型的检测精度提高了2.4个百分点,平均精度(mAP)提高了2.04个百分点,模型检测效果优于其他经典模型,具备卓越的性能。

摘要：领域知识图谱拥有不完备性和语义复杂多样性的特点,从而导致其在规则抽取和选择问题上的不足,影响了其推理的能力.针对此问题,提出了一种融合关系和结构编码的规则抽取模型.通过提取目标子图中的关系和结构信息并进行特征编码,从而实现了一种多维度的嵌入表达方法.设计了融合关系和结构信息的自注意力机制,使模型能够更好地捕捉输入序列中的依赖关系和局部结构信息,从而提升了模型对于上下文的理解和表达能力,进而解决了在语义复杂情况下规则的抽取和选择的问题.通过在真实汽车部件故障工业数据集和公共数据集的实验,表明了在链接预测与规则质量评估任务中,所提出的模型都有一定的提升(规则长度为3时, mean reciprocal rank (MRR)平均提升了7.1百分点, Hits@10平均提升了8.6百分点;规则长度为2时, MRR平均提升了7.4百分点, Hits@10平均提升了3.9百分点),证实了关系和结构信息对于规则抽取与推理的有效性.

摘要：蛋白质–蛋白质相互作用对于理解细胞生命活动至关重要.预测链间残基距离为分析蛋白质–蛋白质相互作用以及柔性、动态和超大规模蛋白质复合物结构建模提供了关键信息.现有的链间残基距离预测方法主要关注于链间信息,忽略了结构域间信息.本文基于自构建的链间结构域–结构域相互作用数据集,提出了一种蛋白质复合物链间残基距离深度学习预测方法(distances prediction of inter-chain,DPIC).首先,针对输入的单体序列,分别构建单体序列的多序列比对和复合物序列的配对多序列比对,并使用AlphaFold2预测单体结构;其次,构建序列特征、多序列比对特征和结构特征,设计了一个集成多列卷积神经网络模块和三角相互作用模块的深度学习网络,实现对蛋白质复合物链间残基距离的高精度预测;最后,CASP13-15二聚体测试集上的实验结果表明,DPIC的链间残基接触预测精度优于主流方法DeepInter和CDPred,其中Top L/10精度分别提升了7.87%和13.74%.大型蛋白质复合物结构建模实验结果表明,DPIC预测的链间残基距离有助于大型蛋白质复合物结构组装.DPIC在线服务器网址:http://***/DPIC.

摘要：本文首先介绍《名词句法语义信息词典》的内容结构与理论背景,然后介绍其所区分的5种名词小类的定义及其跟7种量词的选择限制,其为名词所设置的10种物性角色及其定义,由目标名词跟这些物性角色的不同配置而造成的10来种句法格式及其例句,其所考察的名词的8种主要的语法功能及其对于该词类的隶属度;最后给出《名词句法语义信息词典》中检索系统的界面截图。

摘要：本文开发了一种用于测量CCD和EMCCD(电子倍增CCD)芯片光电参数的测试系统。该测试系统通过自动模式或手动模式间的切换,测量器件的暗电流、读出放大器的响应度、电荷转移效率、电荷容量和其他参数。该测试系统可以针对不同规格和结构的CCD/EMCCD器件,实现CCD晶圆或封装好的成品的参数测试,实现576×288、640×512、768×576、1024×1024、1280×1024 CCD/EMCCD的测试和筛选。

摘要：在进一步缩小特征尺寸的问题上,三重版图曝光技术(triplepatterninglithography,TPL)发挥着重要的作用.针对TPL中的版图分解问题,提出了一种基于TPL约束的详细布线算法.将版图分解问题转化为满足同色间距约束和最小间距约束的详细布线问题,使用网格编码的方法来满足2种间距约束;利用与2种间距约束相结合的Hannan网格来提升布线资源的利用率以及布线的速度;结合多源迪杰斯特拉算法进行多端线网的最短路径搜索;最后将布线结果进行版图分解,实现最小化冲突数量和缝合点数量的目标.算法在2.20 GHzCPU和32 GB内存的Ubuntu20.04环境下运行,使用2018年ISPD详细布线比赛的测试集.实验结果表明,与普通详细布线相比,可降低约60%的冲突数量以及70%的缝合点数量.

摘要：目标检测逐渐成为视觉研究社区的关键领域,而其挑战之一是检测器难以准确地定位不同尺度的物体.面向图像中的目标检测应用,提出了高分辨率-无锚点框(HOAR)检测策略来应对物体尺度多变的挑战.HOAR将待测图像输入多条通路(对应不同尺度)并行的高分辨率网络,并提取每条通路上的输出特征图作为图像在每种尺度下的深度特征表示;然后利用密集特征金字塔(DenseFPN)对这些特征图进行信息融合,得到重新组合的多尺度特征图;最后采用无锚点框表示的检测子网络判断这些特征图上每个点对应的物体类别和矩形框位置.为验证所提HOAR策略的有效性,在COCO数据集上进行了对比实验.消融分析的结果表明了HOAR策略各个模块的必要性;其在验证集上的检测指标mAP达到了40.5,显著超过了基线模型和部分代表性算法的mAP.此外,HOAR策略所需的参数数量也显著小于对应的基线模型.

摘要：为了应对进攻性高超声速飞行器带来的威胁与挑战,基于覆盖理论提出了一种针对高速强机动目标的分布式协同围捕策略.首先,考虑飞行器与目标的机动特性,包括速度关系、最大过载比等参数,引入阿波罗尼奥斯圆的概念对围捕区域进行分析.然后,基于重叠角概念提出冗余覆盖策略,根据目标的逃逸边界给出初始飞行器最优数量,设计围捕队形使多飞行器的围捕区域能够对目标逃逸边界完全覆盖,在此基础上考虑多种约束设计围捕高速强机动目标的分布式协同制导律,使多飞行器能够完成所设计的围捕队形,达到目标被飞行器合围后无法逃脱的效果.最后,将上述覆盖策略分别在二维平面和三维空间进行数值仿真,验证了一致性协同制导律能够实现期望的围捕队形,所设计的围捕队形在目标作最大常值机动逃逸以及随机机动两种情况下均能捕获目标,证明了围捕队形和制导律的有效性和优越性.

摘要：化工行业作为国家的支柱性产业,不断地积极响应国家号召,推动行业数字化、智能化发展。实验室和研究院作为化学工程核心技术支撑,是化工行业智能化转型中必不可少的一部分。站在智能化变革的起点,本文调研归纳了目前国内外化工实验室的智能化转型最新进展,围绕科研创新展望了化工实验室的智能化转型蓝图,提出了从信息化、数字化到智能化过渡,涵盖不同发展层级的智能研究院建设大纲,为规划智能研究院建设的具体方案提供指导,并展望了人工智能全面赋能的化工科研范式变革。

摘要：由于传统蚁群算法基于正反馈机制的单一搜索方式,导致其存在收敛速度慢、易陷入局部极值的缺点.针对该问题提出一种基于混合反馈机制的扩展蚁群算法(MF-ACO),该算法在传统蚁群算法的基础上定义一种具有较强全局搜索能力的扩展型蚂蚁,帮助算法跳出局部极值;参考蚁群劳动分工行为,设计基于刺激-响应分工模型的负反馈平衡机制,动态平衡算法的收敛能力和全局搜索能力;最后依据分工模型对蚂蚁个体的信息素更新策略进行改进,进一步加快算法收敛速度.以多个TSP实例作为测试对象进行仿真实验,实验结果验证了所提算法的优越性,并将该算法用于机器人路径规划问题,在实际应用中进一步验证了所提算法的有效性.