摘要：双光子成像技术已被广泛应用于活体肿瘤成像、神经功能成像以及大脑疾病研究等领域,但双光子成像视场较小(视场直径一般在1 mm以内),限制了其进一步应用。虽然通过特殊的光学设计或者自适应光学技术能够有效增大视场,但复杂的光路设计、高昂的器件成本以及繁琐的操作过程限制了这些技术的推广。提出了一种利用深度学习技术替代自适应光学技术扩展双光子成像视场的新思路,在低成本(无须特殊物镜,无须相位补偿装置)、易操作的前提下实现了大视场双光子成像。设计了一种适用于光学显微系统中扩展双光子成像视场的nBRAnet网络框架,为使该网络框架可以更好地利用特征图信息,在该框架中引入残差模块和空间注意力机制,同时去除了数据归一化处理,以增加图像对比度信息。实验结果表明:所提深度学习方法可以有效地代替自适应光学技术,增强扩展视场中的精细结构特征,并恢复扩展视场的成像分辨率和信噪比,使双光子成像视场直径扩展到3.46 mm,峰值信噪比超过27 dB。深度学习方法具有成本低、操作简单、图像增强效果显著等特点,有望为跨区域脑成像或全脑成像提供一种经济实用的方案。

摘要：近年来出现了多种新型的非线性降维方法,且在一些应用中体现出良好的效果.然而,当面对球体、柱体等环状流形产生的非线性流形数据时,这些方法往往会失效.针对这一问题,提出了针对环状流形数据的环结构检测算法与非线性降维方法.理论上,基于目前极受关注的Isomap降维方法的运行原理,给出了一个判断环状流形的充要条件;算法上利用所得的判断定理,制订了基于数据的环状流形检测算法:最后基于所找到的环结构,利用极坐标展开的思想设计了针对环状流形数据的非线性降维策略.针对一系列典型环状流形数据集的仿真实验结果表明,与其他流形学习降维方法相比,该方法对环状流形数据进行降维具有显著优势.

摘要：龙是瑞兽,几千年来,一直是中国的政治—文化符号。作为艺术形象,龙在传世文物和出土文物中极为常见,成为学者反覆讨论的对象,特别是它的早期形象,海内外争论很多。龙是想象的动物,它的艺术形象,有所依仿,又充满艺术变形。本文参考古代文献的有关记载,以桃花庄龙纹觥、浉河港龙首觥和海家村铜爬龙等商代、西周的青铜器为主要线索,并与古文字中龙字的构形和演变相印证,讨论了龙在中国早期艺术中的基本特点:棒槌形双角、菱形额饰、垂花形鼻饰、锯齿状牙口,以及菱形和三角形搭配的身尾花纹,指出龙是模仿鳄鱼、蜥蜴、蛇等爬行动物,并对围绕饕餮纹的争论重新梳理,指出饕餮纹的主体是龙首纹的面部特写,牛角兽面、羊角兽面都是它的变形。

摘要：比较了感应发电机和感应电动机的暂态电压稳定特性;对应于感应电动机的暂态电压稳定判据,提出了感应发电机的暂态电压稳定判据及相应的稳定裕度定义。其中综合考虑了节点电压和转子转速的影响,合理设计了多判据的执行流程,以保证远离临界条件时的快速性及接近临界条件时的准确性。用反复仿真试探到的暂态电压稳定的故障临界切除时间作为标准,考核基于上述稳定裕度的灵敏度分析算法。仿真结果证实,上述判据及裕度指标可以准确反映感应发电机的电压稳定程度。