基于多通道的ICU脑血管疾病死亡风险预测模型

死亡风险预测指根据病人临床体征监测数据来预测未来一段时间的死亡风险。对于ICU病患，通过死亡风险预测可以有针对性地对病人做出临床诊断，以及合理安排有限的医疗资源。基于临床使用的MEWS和Glasgow昏迷评分量表，针对ICU病人临床监测的17项生理参数，提出一种基于多通道的ICU脑血管疾病死亡风险预测模型。引入多通道概念应用于BiLSTM模型，用于突出每个生理参数对死亡风险预测的作用。采用Attention机制用于提高模型预测精度。实验数据来自MIMIC [Ⅲ]数据库，从中提取3?080位脑血管疾病患者的16?260条记录用于此次研究，除了六组超参数实验之外，将所提模型与LSTM、Multichannel-BiLSTM、逻辑回归（logistic regression）和支持向量机（support vector machine, SVM）四种模型进行了对比分析，准确率Accuracy、灵敏度Sensitive、特异性Specificity、AUC-ROC和AUC-PRC作为评价指标，实验结果表明，所提模型性能优于其他模型，AUC值达到94.3%。     

针对细微特征进行K-means聚类的电台分选识别技术

现代战场中的无线通信设备日益增多，精准获取个体信息已成为研究热点，但也是难点。针对通信电台，提出了一种分选识别技术。该技术从电台物理层特性出发，对其辐射信号的细微特征进行K-means聚类以实现分选，分选的同时提取各个个体的特征属性值，未知信号通过与特征属性值相关运算实现个体识别。该技术无需先验知识，无需训练运算，通过实验验证，其可行、高效，易于工程实现。     

基于推理注意力机制的二阶段网络图像修复

现有的图像修复方法在处理大面积缺失或高度纹理化的图像时，通常会产生扭曲的结构或与周围区域不一致的模糊纹理，无法重建合理的图像结构。为此，提出了一种基于推理注意力机制的二阶段网络图像修复方法。首先通过边缘生成网络生成合理的幻觉边缘信息，然后在图像补全网络完成图像的重建工作。为了进一步生成视觉效果更逼真的图像，提高图像修复的精确度，在图像补全网络采用推理注意力机制，有效控制了生成特征的不一致性，从而生成更有效的信息。所提方法在多个数据集上进行了实验验证，结果表明该图像修复方法的结构相似性指数达到了88.9%，峰值信噪比达到了25.56 dB，与现有的图像修复方法相比，该方法具有更高的图像修复精确度，生成的图像更逼真。     

乌鲁木齐机场GNSS地基增强I类精密进近研究与实现

2019 年民航局发布《中国民航北斗卫星导航系统应用实施路线图》，推动北斗卫星导航系统民航应用。为研究融合北斗卫星的地基增强系统(GBAS)新技术在乌鲁木齐“智慧机场”的应用，对 GBAS 的发展研究现状进行了说明，论证了乌鲁木齐机场 GBAS 建设的必要性和可行性，在此基础上完成了 GBAS 技术方案，满足 GNSS 地基增强 I 类精密进近的技术需求，为后续乌鲁木齐机场 GBAS 的相关建设提供了重要的理论依据。     

综合医院洁净手术部电气设计要点剖析

结合三级医院洁净手术部的设计实践,重点从供电电源、供电方案、配电设计、照明设计、安全接地、电气用房设计等方面,剖析洁净手术部的电气设计要点,为满足医院常态化疫情防控提供技术保障.     

黄淮平原“环城湖”景观的空间发展与生成机制研究 — —以淮阳为例

地缘环境造就了不同城市景观的独 特性。环城湖就是受黄河泛滥影响，河流中下 游平原产生的特殊城市景观。但在发展过程 中，这些城市出现了不同程度的水域面积缩减 的现象，城市风景的独特性也随之消失。淮阳 作为此类环城湖景观保存较为完好的城市， 环城湖的发展历程具有很强的代表性，研究 环城湖的生成机制能为保护和发展城市整体 格局提供明晰的理论支撑。论文在史料研究 基础上，梳理了淮阳的城市景观发展特征以 及此特征下城湖空间格局的形成过程；整理了 在地势低下、极端降雨、河泛频繁、政治经济 转移影响下的淮阳环城湖的形成机制，以期为 淮阳城市的发展研究提供参考与借鉴。     

《岩石力学与工程学报》征稿简则

本刊系中国科协主管、中国岩石力学与工程学会主办的力学类和土木工程类总被引频次和影响因子均居前列的期刊,为建筑科学与水利工程类国家核心期刊,获评"中国百强报刊"、"湖北十大名刊"、"中国百种杰出学术期刊"和"中国最具国际影响力学术期刊"等荣誉称号;被美国EI COMPENDEX、《剑桥科学文摘》(CSA)、《日本科学技术社数据库》和国内许多权威数据库确定为核心收录期刊。凡在本刊上发表的论文,即认为作者默认并同意其论文被以上数据库收录。     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

用于社交推荐的增强影响扩散模型

随着网络上创建连接、协作、共享的全新变革方式的出现,互联网上丰富的社交行为现象引起了研究者和实践者的关注.近年来,随着社交网络平台的普及与推广,基于社交网络的推荐系统也成为了个性化推荐领域的研究热点之一,社交推荐系统可以利用社交网络来缓解传统的推荐算法中数据稀疏性问题.在社交网络中,社交关系影响起着重要作用,而用户信任是社交关系形成的基础,每一个用户会受到其信任的用户影响,这些被信任的用户也会被自己的社交关系所影响,这就表明了联系在一起的用户会相互影响,导致社交联系之间的用户偏好具有相似性.用户的信任关系影响着用户偏好的推断,同时用户受到其信任用户的社交关系影响,而这些社交关系影响在社交网络中递归传播和扩散.因此,基于社交推荐算法研究的关键就在于信任信息的挖掘和利用.在基于社交网络的推荐领域中,比较有代表性的模型为Diff Net,该模型未充分考虑到信任问题,同时,在递归计算长距离的社交关系时,有额外的噪声,影响推荐预测的质量.本文提出了基于Diff Net改进的社交推荐模型-EIDNet.首先,该模型在模拟社交关系影响扩散过程时,通过用户对物品的历史交互记录建立用户间的信任关系,并融...