摘要：为了分析广州西塔模型结构振动台试验在9度罕遇地震作用后损伤较小的主要原因,研究抗侧力结构的抗震超强能力,以及验证广东省标准DBJ/T 15-92—2021《高层建筑混凝土结构技术规程》(简称“《省高规》”)抗震设计反应谱的安全可靠性,采用广州西塔原型结构(简称“GZTP结构”)以及基于《省高规》重新进行抗震设计的结构(简称“NGZT结构”),进行反应谱分析、弹性和弹塑性动力时程分析,分析基于GB 50011—2010《建筑抗震设计规范》抗震设计反应谱、《省高规》抗震设计反应谱计算的楼层剪力、倾覆力矩分布模式的差异及其主要原因,并计算抗侧力结构的超强系数。分析结果表明,GZTP结构(风荷载控制设计的抗侧力体系)实际具备了“大震不坏”的抗震能力;GZTP结构基于倾覆力矩的超强系数为7.6,弹塑性增量动力时程分析确定的基底屈服倾覆力矩超过8度罕遇地震作用的弹性抗震需求,能够解释7度抗震设防的GZTP结构在9度罕遇地震作用后刚度退化小,未出现明显损伤破坏的振动台试验结果;NGZT结构基于倾覆力矩的超强系数为10.3。

摘要：GaN HEMT在栅极与源极和漏极之间存在一段通道区域,在等效电路模型中通常等效为一电阻,称为源漏通道区电阻R_(D,S)。准确构建GaN HEMT R_(D,S)模型,对于分析GaN HEMT直流和射频特性,构建GaN HEMT大信号模型具有十分重要的意义。本研究给出考虑自热和准饱和效应的R_(D,S)模型。首先由源漏通道区温度T_(CH)与耗散功率P_(diss)的关系,推导出非线性自热效应模型。进一步基于准饱和效应和Trofimenkoff模型,给出源漏通道区电子漂移速度与电场强度的关系表达式,构建非线性R_(D,S)模型。在环境温度Tamb=300~500 K时,源漏通道区二维电子气2DEG面密度n_(S,acc)(T_(CH))和迁移率μ_(acc)(T_(CH))随T_(CH)的升高而下降,这导致低偏置条件下的源漏通道区电阻R_(D0,S0)随T_(CH)呈非线性增长。将本研究和文献报道的R_(D,S)模型与TCAD(Technology Computer Aided Design)仿真数据进行对比,结果显示:本研究与文献报道的漏通道区电阻RD模型的平均相对误差分别为0.32%和1.78%,均方根误差(RMSE)分别为0.039和0.20Ω;RS模型的平均相对误差分别为0.76%和1.73%,RMSE分别为0.023和0.047Ω。与文献报道的实验数据进行对比,结果显示:本研究与文献RD模型的平均相对误差分别为0.91%和1.59%,RMSE分别为0.012和0.015Ω;RS平均相对误差分别为1.22%和2.77%,RMSE分别为0.0015和0.0034Ω。本研究提出的R_(D,S)模型具有更低的平均相对误差和均方根误差,能够更加准确地表征GaN HEMT线性工作区R_(D,S)随漏源电流I_(DS)的变化。可将本模型用于器件的设计优化,也可作为Spice模型用于电路仿真。

摘要：人体动作识别因在公共安全方面具有重要的作用而在计算机视觉领域备受关注。然而,现有的图卷积网络在融合多尺度节点的邻域特征时,通常采用各阶邻接矩阵直接相加的方法,各项重要性一致,难以聚焦于重要特征,不利于最优节点关系的建立,同时采用对不同模型的预测结果求平均的双流融合方法,忽略了潜在数据的分布差异,融合效果欠佳。为此,文中提出了一种双流自适应注意力图卷积网络,用于对人体动作进行识别。首先,设计了能自适应平衡权重的多阶邻接矩阵,使模型聚焦于更加重要的邻域;然后,设计了多尺度的时空自注意力模块及通道注意力模块,以增强模型的特征提取能力;最后,提出了一种双流融合网络,利用双流预测结果的数据分布来决定融合系数,提高融合效果。该算法在NTU RGB+D的跨主体和跨视角两个子数据集上的识别准确率分别达92.3%和97.5%,在Kinetics-Skeleton数据集上的识别准确率达39.8%,均高于已有算法,表明了文中算法对于人体动作识别的优越性。

摘要：针对现行设计规程中钢管混凝土叠合柱-混凝土梁连接方法中的不足,提出一种柱内设置钢管外环形钢筋的新型梁柱节点。梁端纵筋以卡扣(■型)、弯折(L■型以及型)的形式连接柱中环筋,利用柱中环筋平衡混凝土框架梁端纵筋传来拉力。制作5个钢管混凝土叠合柱-混凝土梁中间节点试件,进行梁端单调静力加载试验,研究节点试件的裂缝发展及分布、破坏形态、承载力、延性与钢筋应变发展规律;利用ABAQUS软件进行仿真模拟分析。结果表明:不同节点构造形式的试件最终破坏形态相同,均为梁根部弯曲破坏,试件均具有良好的延性和变形能力;梁受拉纵筋均能在试件达到屈服前屈服;试验过程中未出现梁纵筋和柱中环筋发生滑移脱落的现象。仿真模拟分析结果与试验结果基本吻合。

摘要：基于深度学习的人脸身份认证由于使用便捷和用户体验好,成为我国当今最受欢迎的人工智能技术应用之一.人脸识别和认证系统必须确保所比对的人脸是真实人脸,否则输出的结果没有任何商业价值.位于系统前端的人脸欺诈检测也称活体检测是保障人脸识别和认证系统有效输出的关键.现有人脸欺诈检测算法虽然库内性能尚佳,但由于实验室训练环境无法完全模拟真实应用场景,造成源域和目标域的数据在分布上存在差异,导致跨库检测性能明显下降.尽管通过增加检测特征的种类和个数可以改善算法性能,但会导致检测网络构造复杂,模型变大,计算复杂度增加.为了改善算法的跨库检测性能并降低计算的复杂度,本文提出一种基于三维(3D)深度点云监督和置信度修正机制的人脸欺诈检测算法.主要贡献包括:设计了DenseBlockNet,仅用较浅层的DenseBlockNet网络即可提取真假人脸之间具有很好区分度的深度信息特征,模型小;将DenseBlockNet输出的二维深度图与采样点位置进行关联,构造三维深度点云,采用倒角损失函数监督预测的深度点云与实际点云标签之间的三维空间距离,同时还采用图二元交叉熵损失监督预测的深度图与深度图标签之间的差异;在3D深度点云预测模块中引入置信度修正机制,修正二分类误差,同时避免库内过拟合,提高算法的泛化能力.所提出方法与包括2种最新文献的8种典型算法在Replay-attack、CASIA-FASD、MSU-MFSD、Rose-Youtu、OULU-NPU等5个主流人脸欺诈检测数据库上进行了充分的对比实验,实验结果表明,所提出的算法在库内和跨库检测中均能保持半总错误率最低或次低,且模型最小,参数量最少,计算复杂度最低.

摘要：目的针对现有深度学习视频隐写分析网络准确率不够高的问题,本文从视频压缩编码的原理出发,发掘嵌密编码参数与其他参数之间的关系,通过拓展检测空间,构造新的检测通道,改善现有深度学习视频隐写分析网络的检测性能。方法以H.265/HEVC(high efficiency video coding)压缩视频为例,首先通过分析运动向量的嵌密修改对运动向量差值的影响,指出可将运动向量差值作为新增的采样对象(或称检测对象);接着,提出一个构造运动向量差值检测矩阵的方法,解决了空域上采样样本稀疏、时域上样本空间位置无法对齐的问题;最后,将运动向量差值矩阵直接用于改善现有的VSRNet(video steganalysis residual network)、SCA-VSRNet(selection-channel-aware VSRNet)以及Q-VSRNet(quantitative VSRNet)等3个H.265/HEVC深度学习视频隐写分析网络,分别得到IVSRNet(improved VSRNet)、SCA-IVSRNet(selection-channel-aware improved VSRNet)以及Q-IVSRNet(quantitative improved VSRNet)。结果在5种隐写方法上进行了测试。与4种隐写分析方法进行了比较,包括移植到H.265/HEVC视频的经典手工特征视频隐写分析方法AoSO(adding or subtracting one)、MVRB(motion vector reversion-based)、NPEFLO(near-perfect estimation for local optimality)以及直接针对H.265/HEVC视频的新型隐写分析方法LOCL(local optimality in candidate list)。在定性隐写分析测试中,以0.2 bpmv嵌入率为例,在不同码率下,IVSRNet和SCA-IVSRNet的准确率分别全面超越了VSRNet和SCA-VRSNet;SCA-IVSRNet的准确率不全面超越AoSO和MVRB,且在部分情况下好于较新的LOCL方法。在定量隐写分析的测试中,Q-IVSRNet对于6种不同嵌入率样本的检测性能全面超越Q-VSRNet。结论本文提出的拓展检测空间改进策略原理清晰,构造输入矩阵的方法简便、普适性好,能方便地拓展到其他深度学习视频隐写分析网络中,为设计更有效的视频隐写分析网络指明了一条道路。

摘要：现有的深度神经网络隐写检测技术主要针对数字图像隐写,但视频隐写与图像隐写存在很大差异,因此无法将用于图像隐写分析的深度神经网络直接用于视频隐写分析。为此,文中以修改运动向量的视频隐写为检测对象,在新型图像隐写分析网络SRNet基础上,设计了一种用于视频隐写检测的深度神经网络,构造了能准确反映运动向量隐写修改的输入矩阵。实验结果表明,文中提出的方法对中低码率的视频检测准确率明显高于两种传统的视频隐写分析方法,且对不同码率的视频检测性能平稳。

摘要：对抗样本攻击揭示了人脸识别系统可能存在不安全性和被攻击的方式。现有针对人脸识别系统的对抗样本攻击大多在数字域进行,然而从最近文献检索的结果来看,越来越多的研究开始关注如何能把带有对抗扰动的实物添加到人脸及其周边区域上,如眼镜、贴纸、帽子等,以实现物理域的对抗攻击。这类新型的对抗样本攻击能够轻易突破市面上现有绝大部分人脸活体检测方法的拦截,直接影响人脸识别系统的结果。尽管已有不少文献提出数字域的对抗攻击方法,但在物理域中复现对抗样本的生成并不容易且成本高昂。本文提出一种可从数字域方便地推广到物理域的对抗样本生成方法,通过在原始人脸样本中添加特定形状的对抗扰动来攻击人脸识别系统,达到误导或扮演攻击的目的。主要贡献包括:利用人脸关键点根据脸型构建特定形状掩膜来生成对抗扰动;设计对抗损失函数,通过训练生成器实现在数字域的对抗样本生成;设计打印分数损失函数,减小打印色差,在物理域复现对抗样本的生成,并通过模拟眼镜佩戴、真实场景光照变化等方式增强样本,改善质量。实验结果表明,所生成的对抗样本不仅能在数字域以高成功率攻破典型人脸识别系统VGGFace10,且可方便、大量地在物理域复现。本文方法揭示了人脸识别系统的潜在安全风险,为设计人脸识别系统的防御体系提供了很好的帮助。

摘要：以金琴快线基坑工程为依托,利用有限单元法对基坑在不同坑深下的受力特性进行数值分析,并结合实际监测结果对比验证。结果表明:随着基坑深度的增加,桩最大水平位移逐渐增加并趋于平缓;桩最大负轴力绝对值先近似线性增加,再逐渐缓慢增加,最终趋于平稳;桩弯矩大小、正负和形状也随之改变。随基坑深度的增加,地表最大正水平位移呈逐渐增加趋势,地表最大沉降逐渐增加。除基坑深度为0.5 m、1.0 m和1.3 m外,坑底竖向位移均为单峰形状。随基坑深度的增加,坑底竖向位移、坑底最大隆起均呈现出先增加、再减小的变化规律。揭示了考虑深度效应的基坑受力变形规律,可为软土区基坑工程的设计施工提供参考。

摘要：目前地铁施工缝设计普遍采用橡胶止水带,实际效果很不理想,有材料的原因,其不是为地铁施工缝而发明生产的,并不适应地铁施工工艺,;另外橡胶止水带的耐久性、适应变形能力、施工性能往往达不到预期,经常出现被撕裂或拉裂而产生渗水通道的问题。本文建议按照规范在变形缝设置一道中埋式钢板橡胶止水带的基础上,再设置新型后埋式变形缝止水带作为第二道防水屏障,既满足规范要求,又易于对渗漏水现象进行二次补救,可靠度高,综合价格比橡胶止水带低,更能有效的减少地铁施工缝渗水漏水的现象产生。除此之外钢板止水带的线膨胀系数与混凝土的线膨胀系数接近,在后期养护的过程基本不会产生钢板止水带与混凝土因温度变化错位而产生新的狭小裂缝,从而达到永久防渗漏的效果。