变分自编码器模型综述

变分自编码器（VAE）作为深度隐空间生成模型的一种，近年来其表现性能取得了极大的成功，尤其是在图像生成方面。变分自编码器模型作为无监督式特征学习的重要工具之一，可以通过学习隐编码空间与数据生成空间的特征映射，进而在输出端重构生成输入数据。梳理了传统变分自编码器模型及其衍生变体模型的发展与研究现状，并就此做了总结和对比，最后分析了变分自编码器模型存在的问题与挑战，并就可能的发展趋势做了展望。     

应用深度学习加速石墨烯导电剂的研发

石墨烯作为电极材料的导电剂能极大改善锂电池的性能,传统的制备方法只能依赖过往的经验合理地推测材料的合成和加工流程。本文基于深度学习的方法训练实验中的数据集,通过K折交叉验证对比实验,选择优化算法及调节超参数,实现测试数据集电阻率的预测,构建了材料电学性能和工艺参数之间的关系。结果表明,深度学习模型能根据不同的工艺参数预测材料的电学性能,运用深度学习的方法可以加速石墨烯导电剂的研发,为石墨烯导电剂的产业化推广提供指导。