摘要：本文从艺术技术学视角出发,对古代壁画的材质体系、制作技艺进行整体分析,通过将古代壁画本体嵌入“艺术技术学”框架之中,打造传承古代壁画非遗技艺的特设交叉学科与人才培养体系,以期达成将古代壁画中蕴含的大国工匠、非遗技艺因素提取挖掘并予以传承创新的目标,并落实国家倡导的“学以致用”“产教融合”大政方针。

摘要：生理学研究发现,大鼠进行空间定位依赖内嗅—海马CA3结构中的网格细胞与位置细胞,而内嗅—海马结构与前额叶皮层之间的动态联系是导航的关键。基于此,本文提出一种仿鼠脑内嗅—海马—前额叶信息传递回路的空间导航方法,旨在为移动机器人赋予强大的空间导航能力。在海马CA3—前额叶空间导航模型的基础上,本文构建以海马CA1区位置细胞为基本单元的动态自组织模型优化导航路径。随后通过海马CA3区位置细胞与前额叶皮层动作神经元将优化后的路径回馈至脉冲神经网络,提高模型收敛速度的同时还有助于建立导航习惯的长期记忆。为验证方法的有效性,本文分别设计了二维仿真实验和三维仿真平台的机器人实验。实验结果表明:本文方法不仅能够在导航效率、收敛速度等方面超越其他算法,而且对动态变化的导航任务具有较好的适应性。同时,本文方法还能够很好地应用在移动机器人平台上。

摘要：节点用水量的动态估计是供水管网水力模型动态更新的主要工作,以扩展Kalman滤波(EKF)为代表的数据同化方法已被应用于管网水力模型参数动态校核和估计中,但现有研究未考虑用户节点24 h用水模式对节点用水量估计的影响。该文研究了节点用水模式先验信息对EKF方法节点用水量动态估计结果的影响。根据用户24 h的用水模式和t时刻用水量估计值预测t+1时刻节点用水量,并采用t+1时刻管网测量数据校正t+1时刻节点用水量预测值。案例管网的应用结果表明:与现有研究中应用的EKF方法相比,考虑用水模式的扩展Kalman滤波(IEKF)方法对应的用水量估计平均绝对百分比误差降低了15.93%,节点用水量时变曲线的Nash-Sutcliffe效率(NSE)系数值提高了0.40,且2种方法的计算时间相近;与推断测量Kalman滤波(IMKF)相比,IEKF方法对应的用水量估计平均绝对百分比误差降低了12.20%,节点用水量时变曲线的NSE系数值提高了0.35,计算时间缩短了99.8%。在节点用水量估计问题中,考虑用水模式可以显著提高EKF方法的计算精度。

摘要：为提升机器人在杂乱环境中推抓协同性能、增强网络感知物体位置和物体间的位置信息的能力,提出一种基于物体位置信息的推动与抓取协同网络来解决机器人在杂乱环境中的抓取问题。该网络使用2个全卷积网络分别从视觉观察中推断出抓取和推动操作的位置与方向。使用坐标注意力模块分别沿着二维空间的2个方向聚合特征,即在水平空间方向上捕获长距离依赖关系的同时在垂直空间方向上保持物体的位置信息。然后生成推动和抓取的位置特征的注意力图,以提升网络推断操作位置的准确性。提出物体分散度从全局角度衡量环境中物体间的分散程度,并设计基于物体分散度的推动奖励函数来提升推动动作的质量。在仿真实验中,该网络的抓取成功率和动作效率分别为75.1%和73.2%。在现实世界中,该网络的抓取成功率和动作效率分别为80.1%和76.2%。

摘要：基于实验得到的聚羧酸减水剂(PCE)共聚单体的竞聚率数据,采用控制转化率和补加活泼单体相结合的方法,结合理论计算和实际测定结果,确定了活泼单体丙烯酸(AA)补加时间及补加量,使其在共聚过程中始终与大单体异丁烯基聚乙二醇醚(MAPEG)组成保持基本不变,以保证聚合反应不同时间段生成的共聚物组成和结构与设计值一致。为系统研究控制工艺的准确性和可靠性,将其与传统投料工艺反应过程中所得产物的组成对比,考察了控制共聚物组成对分散性能的影响。结果表明,基于竞聚率的控制工艺制备PCE过程中,分段补加消耗较快的AA抑制了AA和MAPEG在共聚物瞬时组成的变化幅度,共聚物的平均酸醚比[n(AA)/n(MAPEG)]分别为2.8、3.8、4.8,基本接近设计酸醚比(3.0、4.0、5.0);其制备的PCE平均主链长度及主链上羧基含量、大单体含量较高,使PCE覆盖面积和吸附层厚度增大,从而提升了水泥净浆初始流动度和流动保持性能。

摘要：为了更加准确地预测阿尔茨海默病(Alzheimer’s Disease,AD),提出一种基于自注意力机制的预测模型。对核磁共振图像(Magnetic Resonance Imaging,MRI)进行预处理并提取人脑解剖结构的初级特征,设计基于自注意力机制的特征处理单元并基于残差结构设计模式构建可靠的网络架构,自动解析人脑解剖结构的依赖关系并生成MRI图像的有效特征表示,进而实现对AD的预测。实验结果表明,该模型对AD的分类准确率为99.36%,对轻度认知障碍(Mild Cognitive Impairment,MCI)的分类准确率为98.90%。与现有方法比较,该模型拥有更好的预测性能。

摘要：由于息肉图像的自动分割病灶区域大小不一和边界模糊,从而导致分割精度较低.针对这两个问题,本文提出先定位后逐步精细的渐进式消减网络(Progressive Reduction Network,PRNet).该网络采用Res2Net提取病灶区域特征,利用多尺度跨级融合模块将注意融合机制与跨级特征结合,有效应对病灶区域多尺度问题,提升定位准确度.在自上而下恢复图像分辨率的过程中,引入不确定区域处理模块和多尺度上下文感知模块.前者通过设定递减的阈值逐步挖掘息肉边缘信息,增强边缘细节特征的识别能力;后者则进一步探索病灶区域周围潜在的上下文语义,提升模型的整体表征能力.此外,本算法还设计了一个简单的特征过滤模块,用于筛选编码器特征中的有效信息.在Kvasir-SEG、CVC-Clinic和ETIS数据集上的实验结果表明,所提算法的Dice系数分别达到了92.09%、93.05%和74.19%,优于现有的息肉分割算法,展示出了较好的鲁棒性和泛化性.

摘要：智能网联卡车编队在减少人力成本、节省燃料消耗、提高运输效率等方面具有较大优势,是未来货物运输发展的新趋势。领航车驾驶人作为在智能化和网联化背景下出现的新兴角色,对于保障智能网联卡车编队安全平稳运行至关重要。通过对大量文献、标准规范以及企业调研结果的系统梳理,综述了智能网联卡车编队领航车驾驶人驾驶能力需求研究现状。首先,介绍了卡车编队系统架构、自动化分级标准和驾驶模式等智能网联卡车编队概况。然后,归纳了卡车编队行驶场景的组成要素种类,总结了超出车辆设计运行范围的边界场景,以此为基础分析了各边界场景下领航车驾驶人的能力需求。其次,论述了卡车编队不同功能对应领航车驾驶人的作用和职责。最后,以传统卡车驾驶人和自动驾驶卡车安全员的基本驾驶能力需求为基准,结合边界场景和编队功能对应的特殊驾驶能力需求,汇总获得卡车编队领航车驾驶人在理论知识、实操技能和生心理状态方面的需求,并对比分析了不同驾驶阶段下驾驶人能力需求差异。综述结果有助于更加科学合理地开展智能网联卡车编队领航车驾驶人的遴选、培训和考核。

摘要：基于深度学习的癫痫脑电自动检测方法,能避免人为因素的影响而倍受关注,而其有效性主要取决于深度神经网络模型。为此,本研究将根据癫痫脑电的多尺度、时空特点及导联间的信息流动特征,设计一种基于注意力的多尺度残差网络(AMSRN),并与多尺度主元分析法(MSPCA)相结合,实现癫痫的自动检测。首先,利用MSPCA对原始癫痫脑电信号进行去噪和特征增强;进而,设计AMSRN模型结构与参数。其中,注意力模块(AM)、多尺度卷积模块(MCM)、时空特征提取模块(STFEM)和分类模块(CM)相继完成基于注意力加权机制的信号重表达以及多尺度-时空特征的提取、融合与分类。基于麻省理工学院的波士顿儿童医院(CHBMIT)公共数据集进行5折交叉验证实验研究,AMSRN模型在灵敏度(98.56%)、F1分数(98.35%)、准确度(98.41%)及精确度(98.43%)等方面均取得了较好结果。结果表明,AMSRN模型能够很好地利用癫痫发作引起的脑网络信息流动强化导联间差异性,并有效捕获癫痫脑电的多尺度和时空特征,有利于改善癫痫检测性能。

摘要：中国实现碳中和目标必将引发能源利用模式的深度变革,重塑各领域生产生活方式既是一场系统性变革,也面临微观与宏观的转型风险。从系统视角阐释中国零碳转型过程中降碳风险及其风险的系统传导机制,并基于低碳/零碳/负碳技术创新及转化的“研发—应用—推广”的阶段过程,解析了零碳转型过程中风险因素的传导路径;指出技术成熟度、产品绿色溢价、资产沉没成本、技术应用及供应链保障五类主要降碳风险,评估其对中国碳中和目标实现和社会经济发展的影响。提出中国需从系统视角慎重把握目标实现过程中的降碳风险,从政策引领、监测核算、科技人才、创新环境、国际合作等多方面共同发力和协同推进,全局把控设计应对政策措施,应深入实施低碳技术领跑者政策、加强碳排放核算与碳减排风险评估、积极培育壮大低碳技术研发力量、营造有利于低碳创新的社会环境。