摘要：发现和优化纳米复合材料可以通过融合从头算方法和机器学习(ML)来实现,目前的瓶颈在于缺乏原子尺度上描述单体间相互作用的ML模型.我们开发了名为双区域网络(DRN)的深度学习算法,通过训练学习原子之间的多尺度交互作用,预测了由337种不同分子组成的分子对在随机构型中的电子耦合强度,平均绝对误差低至2.8 meV.基于两种截止半径的层次化材料表象被证明对DRN模型的高迁移性和鲁棒性至关重要,这种材料表征方式不仅捕获了共轭片段的局部特征,而且在模型训练之前编码了重要的分子片段间相互作用.本研究建立的ML模型为描述单体间相互作用提供了普适的建模框架,为复杂纳米复合材料的逆向设计打下了基础.

摘要：针对目前常见的稀疏字典缺乏针对性,在合成孔径医学超声成像中的应用效果不佳,难以在低压缩率下保证重构图像质量的问题,本文设计了一种高效能的稀疏字典。根据超声回波信号是由发射脉冲信号经过不同延时衰减后叠加的特点,利用发射脉冲作为基函数构造稀疏字典,回波信号在该稀疏字典确定的变换域中具备很好的稀疏性,理论上能使其稀疏表示系数的稀疏度等于超声阵元接收到的反射回波数。通过FieldⅡ对简单点目标和复杂目标的仿真结果表明:在相同的重构算法和压缩率下该稀疏字典重构的平均绝对误差明显小于常见的稀疏字典,其值仅为DWT的几分之一,DFT和DCT的几十分之一,能让回波信号以更低的压缩率实现相同的恢复效果。本文最后使用体模的实际采集数据对算法的实际效果进行检测,实验结果也与仿真结果基本一致。基于该稀疏字典的压缩感知算法可以进一步减少合成孔径成像所需存储的数据量、降低系统的复杂度。

摘要：汽液平衡热力学模型的准确选取对CO2-C2H6共沸物分离流程的设计和操作分析至关重要。在汽液平衡实验数据的基础上,依据逸度平衡原则,评估vdW、RK、SRK和PR立方型状态方程结合vdW、Margles和CVD混合规则预测CO2纯物质、CO2-C2H6共沸物和n-C5H12-CO2-C2H6三元体系汽液平衡的可靠性,采用平均绝对误差的方法进行状态方程的选取。结果表明:SRK状态方程计算CO2纯物质汽液平衡性质的精度最高;PR状态方程结合Margles混合规则可以准确计算CO2-C2H6共沸体系汽液平衡特性;对于n-C5H12-CO2-C2H6三元体系,SRK状态方程结合Margles混合规则计算精度明显优于vdW、RK和PR状态方程。通过试差迭代法优化CO2-C2H6共沸体系和n-C5H12-CO2-C2H6三元体系的二元交互作用参数,状态方程的计算精度得到明显提高。

摘要：心冲击图(BCG)可用于无接触式地监测生命体征。在BCG的逐拍心率提取中,较低的平均绝对误差对于精确地获取用户的心率变异性(HRV)指标具有重要意义。为解决目前大多数方法在逐拍心率计算精度方面的不足,该文设计了一种基于压电陶瓷的心冲击信号采集系统。通过采用合适的传感器外壳结构和采样频率,增加传感器的灵敏度和BCG的时间分辨率;通过对比不同的BCG处理方法并找到BCG中最适合提取精准逐拍心动周期的成分;同时该文提出一种采用AP聚类的自适应模板匹配算法,以准确提取心动周期信息。对15名受试者共5741次心跳数据进行分析,结果显示逐拍心动周期的平均误差为0.48%,平均绝对误差为3.78 ms,心跳覆盖率在97%以上,优于其他同类工作。

摘要：传统的基于用户的协同过滤推荐算法只能使用用户在共同评价过的项目上的评分记录进行推荐,由于推荐系统中数据稀疏和冷启动问题的存在,用户共同评价的项目较少,导致了用户的大量评分记录中只有少部分的数据得到了利用,限制了推荐系统预测用户偏好的精度。为了利用用户的全部评分提高推荐系统的精度,定义了用于描述和区分不同项目的内部子信息,提出了将用户对项目的评分分解为对内部子信息评分的方法,该方法能够使用用户的全部评分记录分析用户的相似度,同时设计了考虑用户间共同评价项目比例的动态调节权重用于将基于全部评分的用户相似度与传统的基于共同评分的用户相似度进行混合,并将混合相似度用于预测用户对项目评分。实验结果表明:使用用户的全部评分记录能够提高推荐系统预测精度,动态调节权重比静态的混合权重更能改善推荐效果。

摘要：现有的人脸年龄识别方法大多利用深度学习框架提取人脸特征来识别年龄,但深度学习方法提取的高维人脸特征往往包含大量的冗余信息,不利于人脸年龄的识别。为了提高人脸年龄识别算法的精度和鲁棒性,提出了一种基于深度流形学习(Deep Manifold Learning, DML)的算法,采用深度学习提取人脸特征,通过流形学习选择具有判别性的人脸特征,将深度学习提取的高维人脸特征嵌入到低维的判别子空间上识别年龄。在公开的人脸数据库MORPH和FG-NET上对DML算法进行了实验,结果表明DML方案平均绝对误差(Mean Absolute Error, MAE)大幅度降低,不同误差值下识别累积评分(Cumulative Score, CS)明显提高,显著优于当前流行的人脸年龄识别方法。

摘要：介绍了临近预报系统"SWIFT"(Severe Weather Integrated Forecasting Tools)中的风暴产品的设计,包括风暴识别、风暴追踪和风暴预报。在识别风暴时,采用了多反射率因子阈值、特征核抽取和相近单体处理技术,并保留远距离上的强的2D风暴,该方法在面对成串或成簇多单体时,能够分离多个单体核,并准确定位。在风暴追踪和预报算法中,对当前时刻识别出来的风暴,利用匹配方案,将其与前1时刻的风暴建立对应关系,追寻历史轨迹,匹配方案是在空间位置相关的前提下,按照相似原则进行;风暴预报采用TREC(Tracking Radar Echoes by Correlation)技术获取的移动矢量场进行外推,提供未来1小时内的风暴移动位置。在北京奥运会天气预报示范项目(Forecast Demonstration Project,简称FDP)第二次测试期间,该风暴产品得到应用。分析表明:在预报时效为30分钟时,风暴产品在X轴和Y轴上的平均绝对误差为7.1和6.2 km,样本数为3891个;随着预报时效的增加,风暴产品的平均绝对误差增大,且在经向上的误差略大于纬向上;在径向上,风暴产品的预报出现了系统性的偏慢,而在纬向上,预报出现了系统性的偏快。

摘要：风功率预测能够为电网规划设计提供一项重要依据,因而研究如何精准进行风功率预测对保证电网的安全稳定运行具有重要意义。针对正则化系数C和核参数λ作为模型参数,对核极限学习机预测模型精度产生影响的问题,提出了运用PSO对核极限学习机进行参数优化的PSO-KELM预测方法。将正则化系数C和核参数λ作为优化对象,利用PSO方法对参数共同优化,建立PSO-KELM风功率预测模型。对3组实测数据进行了实验研究,引入均方根误差、平均绝对误差和相对标准差作为评价指标,结果显示该方法预测误差好于直接应用KELM方法,并进一步将结果与常用的SVM以及PSO-SVM方法进行了比较。结果表明,PSO-KELM方法具有更好的预测精度和稳定性,能够作为提高风功率预测准确性以及风电并网安全性方面的一种科学有效的参考。

摘要：以黑龙江省水稻单产为例,运用二次回归正交旋转组合设计模型、时间序列模型及灰色模型和DPS软件处理数据,预测出黑龙江省2009—2013未来5a水稻单产的理论潜力。并将这3种模型进行整合,得到水稻单产的整合模型,对提高粮食作物单产预测的精度提供了有效途径。

摘要：针对由于风速变化因素复杂导致的风速预测模型准确率低的问题,提出一种多特征嵌入的Seq2Seq(序列到序列)风速预测模型。以Seq2Seq为基础,将影响风速的多种因素数据进行多特征嵌入编码,实现对未来若干个小时风速的预测。通过准确率、预测评分和平均绝对误差等指标的实验评价,验证Seq2Seq模型相比当前最优模型达到了更好的预测稳定性,风速多特征嵌入编码方法的加入显著提高了Seq2Seq模型的预测准确性。实验结果验证了该模型的有效性。