摘要：[目的/意义]对国外地区图书情报学专业硕士的数据与智能课程建设现状进行系统调研,为提升我国图书情报学专业的人才培养质量提供参考。[方法/过程]采用文献调研、网络调查和案例分析的方法,对北美地区31所iSchools院校进行系统而深入的调查。[结果/结论]这些院校的图书情报学专业硕士课程主要包括基础数智思维与技能、高阶数智实践能力和数智信念与伦理3个方面,且表现出课程种类丰富、内容设计多样、结构差异明显的特点。建议其他院校可以从优化数智类课群结构、拓展项目式教学模式和强化数智类伦理教育等方面提升数据与智能课程教育质量。

摘要：大豆籽粒的表型参数获取对大豆育种具有重要的作用。现有的深度学习算法获取的大豆籽粒表型性状较少,且识别表型的神经网络模型训练成本高。该研究基于OpenCV图像处理库,提出了一种提取大豆籽粒多表型参数的算法,从大豆图像中一次性获取籽粒的多种表型性状参数,同时能识别大豆的优劣品质。将每个待测大豆单株的所有籽粒拍成一张图像,首先对大豆籽粒图像进行二值化、去噪等预处理,然后采用分水岭算法和改进的目标分割算法提取图像中的大豆籽粒轮廓。根据大豆籽粒的轮廓信息,调用OpenCV图像处理函数计算大豆籽粒的个数、长轴长度、短轴长度、面积、周长等多个表型性状参数。引入圆形度识别残缺大豆籽粒,使用RGB阈值判断识别病变大豆籽粒。测试结果表明,采用该文算法计算的颗粒总数识别率为98.4%,大豆籽粒正确识别率为95.2%,破损大豆和病变大豆的识别率分别为91.25%和88.94%,籽粒的长轴长度与短轴长度的测量精度分别为96.8%、95.8%;引入多进程并行计算,该算法处理215张图片时间为248.9 s,相对于单进程计算缩短了约2/3,实现了低成本高通量的高精度大豆籽粒多表型性状参数的自动获取,为大豆籽粒自动化考种提供有效的处理方法。

摘要：序列推荐任务根据用户与项目的交互记录动态建模用户兴趣,并进行项目推荐.序列推荐模型通常将用户行为视为兴趣进行建模,仅考虑用户行为的顺序,忽略用户行为之间的时间间隔信息.文中将行为序列的时间间隔信息作为预测用户行为的重要因素,提出基于时间卷积注意力神经网络的序列推荐模型.在词嵌入层中引入序列位置信息和时间间隔信息,并设计时间卷积网络对位置信息进行建模,获取用户的长期偏好特征.使用双层自注意力机制对用户短期行为序列中项目之间的关联进行建模,并融合时间间隔信息获取用户短期兴趣特征.最后,通过预训练引入训练数据的全局信息,提升模型推荐性能.在Amazon等数据集上的实验表明,文中模型可有效提升推荐性能.

摘要：针对目前的红外成像光学系统在机器视觉工业检测领域难以同时实现成像质量好和结构紧凑设计的问题,提出了一种宽光谱可见-短波红外成像光学系统的设计方法。运用光学设计软件ZEMAX设计了一种适用于可见光和短波红外的红外成像光学系统。该系统由7组10片透镜组成,利用多组双胶合透镜来消色差,在第15个面使用非球面提高成像质量,最后对系统的成像质量进行研究。设计结果表明:该系统的的工作波长为0.4~1.7μm,全长为79.6 mm,F数为2.8,焦距为25.7 mm,畸变小于1.4%,调制传递函数值在奈奎斯特频率100 lp/mm处均大于0.4,接近衍射极限,成像质量良好。该系统可以对光滑表面的装配件进行缺陷检测,具有结构简单、易于加工装调的优点,有助于高效地完成机器视觉检测。

摘要：新型冠状病毒感染引起的新冠肺炎传播已经导致了全世界数百万人的死亡。因此,深入了解新冠病毒的生物学基础对研发控制其传播的新手段至关重要。新冠病毒的核衣壳蛋白(N蛋白)是一个重要的诊断和治疗靶点,它在病毒生命周期中具有多种重要功能。目前已有多个关于新冠病毒N蛋白的结构与功能方面的研究报道。本综述总结了这个进化上高度保守的N蛋白的最新数据,以期提供有关该蛋白的结构和多种功能特征的全面信息。

摘要：Si_(3)N_(4)多孔陶瓷具有轻质高强、高比表面积、低热导率及介电常数等优势,是高温结构部件、吸附过滤、催化剂载体、透波材料、生物支架等最佳候选材料。Si_(3)N_(4)多孔陶瓷的制备技术直接决定其微观结构及综合性能。从原料体系出发,概述了Si_(3)N_(4)多孔陶瓷的制备思路,进一步对常规的Si_(3)N_(4)多孔陶瓷制备工艺的基本情况进行分析,将为Si_(3)N_(4)多孔陶瓷微观结构的设计及综合性能调控提供参考。

摘要：科技人才是第一科技资源,科技人才政策是推动科技人才发展的重要制度设计,对科技发展具有重要的作用。研究政策变迁及其动因对于政策体系化建设有积极的作用。本研究通过对1978—2020年科技人才相关的法律法规、规划计划等政策文件进行系统搜集与整理,利用对年份的主题聚类和重要事件法对科技人才政策变化阶段进行划分,利用政策计量分析对政策文本主题演化和发文主体协同网络演化进行分析。本研究得出主要结论:(1)科技人才政策呈现明显的阶段性,科技人才政策的着力点与各阶段面临的形势和发展需求高度耦合;(2)科技人才政策主体之间越来越注重协同,科技人才政策朝着“体系化”方向发展。同时,我国科技人才政策还存在政策协调和整合能力不足、缺少整体规划框架、政策“碎片化”和联动弱等问题。因此,亟需建立科技人才政策整体规划,进一步促进政策主体间协同,加强政策联动和系统设计。

摘要：随着深度学习技术的快速发展,对其质量保障的研究也逐步增多.传感器等技术的迅速发展,使得收集测试数据变得不再困难,但对收集到的数据进行标记却需要花费高昂的代价.已有工作尝试从原始测试集中筛选出一个测试子集以降低标记成本,这些测试子集保证了与原始测试集具有相近的整体准确率(即待测深度学习模型在测试集全体测试输入上的准确率),但却不能保证在其他测试性质上与原始测试集相近.例如,不能充分覆盖原始测试集中各个类别的测试输入.提出了一种基于多目标优化的深度学习测试输入选择方法DMOS(deep multi-objective selection),其首先基于HDBSCAN(hierarchical density-based spatial clustering of application swith noise)聚类方法初步分析原始测试集的数据分布,然后基于聚类结果的特征设计多个优化目标,接着利用多目标优化求解出合适的选择方案.在8组经典的深度学习测试集和模型上进行了大量实验,结果表明,DMOS方法选出的最佳测试子集(性能最好的Pareto最优解对应的测试子集)不仅能够覆盖原始测试集中更多的测试输入类别,而且对各个类别测试输入的准确率估计非常接近原始测试集.同时,它还能保证在整体准确率以及测试充分性上的估计也接近于原始测试集:对整体准确率估计的平均误差仅为1.081%,比最新方法PACE(practical accuracy estimation)减小了0.845%的误差,提升幅度为43.87%;对各个类别测试输入的准确率估计的平均误差仅为5.547%,比最新方法PACE减小了2.926%的误差,提升幅度为34.53%;对5种测试充分性度量的平均估计误差仅为8.739%,比最新方法PACE减小了7.328%的误差,提升幅度为45.61%.

摘要：随着信息技术的发展,复杂系统越来越多地呈现出社会、物理、信息相融合的特征.因为这些系统涉及到了人和社会的因素,其设计、分析、管理、控制和综合等问题正面临前所未有的挑战.在这种背景下,计算实验应运而生,通过“反事实”的算法化,为量化分析复杂系统提供了一种数字化和计算化方法.对于计算实验方法的发展现状与未来挑战进行了全面梳理:首先介绍了计算实验方法的概念起源与应用特征;然后详细阐述了计算实验的方法框架与关键步骤;接着展示了计算实验方法的典型应用,包括现象解释、趋势预测与策略优化;最后给出了计算实验方法所面临的一些关键问题与挑战.旨在梳理出计算实验方法的技术框架,为其快速发展与跨学科应用提供支撑.

摘要：近场动力学(PD)方法基于键的形式处理断裂问题,对裂纹尖端可自动追踪,因而在求解三维裂纹扩展问题时具备极大的优势,但该方法中也存在数值震荡与边界误差等问题。为解决上述问题,首先应用无网格伽辽金弱形式框架对非常规态基近场动力学方法进行了探讨;随后引入近场动力学微分算子(PDDO)近似,并对比分析了该近似与重构核粒子(RKPM)近似间的差异,提出了具备更高数值精度的RKPM-PD耦合算法,并给出了该算法的隐式迭代流程。最后,通过若干数值算例验证了该算法在求解三维裂纹扩展问题上的有效性。