聚乙二醇-三聚氰胺甲醛和聚乙烯醇半互穿网络的构建及表征

为提高三聚氰胺甲醛(MF)树脂制品的柔韧性,以聚乙二醇接枝三聚氰胺(M-PEG)替代部分三聚氰胺,并与甲醛、聚乙烯醇(PVA)在碱性条件下合成了聚乙二醇-三聚氰胺甲醛(PEG-MF)与PVA的半互穿聚合物网络体系(SemiIPN)。采用红外光谱、拉曼光谱、热重分析、差示扫描量热法等手段对Semi-IPN的微观结构进行了剖析,并分析了PEG、PVA等柔性链段对Semi-IPN黏度、游离甲醛含量、柔韧性等性能的影响。结果表明,PVA作为线型结构贯穿于聚乙二醇-三聚氰胺甲醛树脂交联网络体系结构中,形成了半互穿网络结构;所形成的Semi-IPN的热分解温度比MF树脂降低了60℃左右;Semi-IPN的韧性比纯MF树脂提高了800%,最高可达到19.700kJ/m2。     

基于三维胞元空间的MA双向并行路由算法

针对传统移动代理(MA)在监测无线传感器网络(WSNs)的感兴趣信息时产生的延迟较大和能耗较多问题,提出了基于三维胞元空间的MA双向并行(3D-BPMA)路由算法.3D-BPMA将MA与传统的客户/服务器(c/S)模式相结合,在胞元内利用C/S模式搜集信息,在单层胞元系统和路由器与路由器之间采用MA双向并行的策略进行传输.仿真结果表明:3D-BPMA与LCF,DSG-MIP算法相比减少了平均响应时间和网络平均能耗,提高了MA发送率.     

低温固化型环氧基混凝土裂缝修复胶研究

文中选用在温度为10℃时具有较低黏度的柔性环氧树脂HC-188为研究对象,研究了活性稀释剂277、固化剂GH-05、纳米碳酸钙用量对其性能的影响,制备了低温固化型环氧基混凝土裂缝(宽度范围0.5～1.5 mm)修复胶。研究结果表明,当质量比m(环氧树脂HC-188)∶m(固化剂GH-05)∶m(稀释剂277)∶m(促进剂DMP-30)∶m(偶联剂KH-560)∶m(纳米碳酸钙)为100∶34∶10∶2∶2∶4时,所制备的修复胶的综合性能最优,且满足GB/T 50728-2011《工程结构加固材料安全性鉴定技术规范》对低温固化型环氧基混凝土裂缝修复胶的安全性鉴定标准要求。     

基于混合加密算法的通信网络密文防丢失传输系统设计

传统的通信网络传输系统性能较差,造成用户信息传输准确率较低等问题。为此,设计基于混合加密算法的通信网络密文防丢失传输系统。首先,在硬件平台搭建成功的基础上对加密终端的基带芯片进行选择,并将对称加密算法中的分组密码进行计算,建立RAS密码体制对传输系统进行混合加密,从而实现用户信息数据的防丢失传输。实验结果表明,设计的传输系统信息传输准确率与传统的通信网络传输系统相比具有明显提升,有效避免了用户重要数据信息的丢失。     

Sony Venice摄影机创作探索

本文探索Sony Venice摄影机关于"机头机身分离"以及"双原生感光度"这两项革命性的技术功能,在实际电影拍摄创作中的应用。设计了与电影拍摄要求近似的短片段落拍摄,包含日景场景、低照度场景、动作场面、情感场面等典型拍摄内容,进行实地拍摄检验。基本按预期的设计和规划完成了拍摄,拍摄样片达到较高的技术水准和艺术品质。Sony Venice摄影机的双原生感光度是非常实用的一项功能,特别是在低照度条件下提高拍摄效率;机头机身分离的功能可以创作出新的手持摄影风格,但是需要加装第三方附件配合实用。     

基于深度信念网络的列车故障音频诊断方法

铁路在交通运输行业有着举足轻重的地位，一旦列车发生故障将会导致严重的生命财产损失。由于列车发生故障的概率相对较低，因此难以捕获列车的故障样本。针对上述问题，提出了一种无监督学习的列车故障识别方法，通过检测列车音频信号来识别列车故障。该方法基于深度信念网络(DBN)，利用小波包分解提取检测信号的特征向量并将其作为DBN的输入，待网络充分训练后，由训练好的DBN识别当前列车的运行状况。现场监测实验结果表明，该方法能够在无监督的条件下有效识别列车故障，保障了列车的运行安全。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。