宁波莲桥街历史街区保护与改造

正项目名称:宁波莲桥街历史街区保护与改造建设地点:宁波市海曙区设计单位:波士顿国际设计BIDG上海波城建筑设计事务所有限公司用地面积:66 000 m2建筑面积:91 000 m2建筑层数:2建筑结构:砖混项目负责人:朱儁夫建筑专业:朱洁尧,刘运宝,宣正伟,等景观专业:丁红梅,等室内专业:王健,等设计时间:2009年建成时间:2014年图纸版权:波士顿国际设计BIDG上海波城建筑设计事务所有限公司摄影:宁波城建投资控股有限公司     

作为设计工具的公共空间研究

1成功的公共空间哥本哈根是一个综合了成功的城市发展和城市空间环境各主要成功要素的独特范例。首先,对于改善城市总体环境,特别是城市的公共空间,哥本哈根政府具有强烈的意愿和关注度。这个政府意愿源自     

南波士顿海港公共区域改造

波士顿海港公共区域具体规划 "海港(Seaport)"坐落于波士顿(Boston)的市中心、州际高速公路、机场、深水码头以及南波士顿社区之间,是波士顿未来发展的前沿.它通过19世纪大规模填海工程而逐步形成,目前海港已经集航运、码头、港口和铁路于一身,该地区成为城市滨海工业区的中心.     

结构的韵律与分流——江源水岸会所

江源水岸会所位于鄂尔多斯市考考什那文化旅游区南端，面向考考什那水库。五个居住单元像花蕊般向上．向光和空气生长。公共功能同花瓣在地面延伸交织，花瓣的形式决定了结构形态．功能分区，空间围合．景观朝向，光影塑形。间断的花蕊构成花瓣水平空间中的竖向韵律与分流。     

城市规划管理经验--美国波士顿房地产项目开发过程给予的某些启示

波士顿重建局(以下简称重建局)是美国马萨诸塞州波士顿市(市辖区内人口为58.9万人,面积125.4平方公里)主管城市规划与经济发展的机构,它是美国为数不多的将规划与发展合二为一的例子.这就决定了它既要设立规划法规来限制盲目的房地产开发,又要采取多种形式来鼓励发展和管理房地产项目.笔者有幸在波士顿重建局工作数年,直接或间接参与了城市规划与管理行为,切身体会到它是如何充分行使州立法赋予的权力,将看似矛盾的双重功能有效的处理和发挥.从它对房地产项目开发过程的参与、协调、审批、管理中可以给予我们很多的启示.     

微波化学在农业领域中的最新应用

叙述了微波化学在样品前处理技术方面的最新进展和最新的应用报告，特别是在农业领域的应用技术，同时综述微波化学仪器的一些最新的技术。     

基于流函数的多移动机器人Swarming控制模型

利用流函数解决单个移动机器人的避障问题，并提出了基于流函数和单一连接规则的、采用虚拟leader和二叉树结构的多移动机器人swarming控制模型．基于单一连接规则的二叉树结构使得整个机器人群的控制更简单，更灵活；而虚拟leader的引入，使机器人群在避障过程中不会发生分离，并能够很好地解决类似于机器人掉队的问题，提高了系统的稳定性，增强了系统的应变能力．仿真结果验证了该模型的有效性．     

基于自然接触传感器的智能控制手柄

研究开发了一种用于控制手柄的自然接触传感器组.该传感器组能够实时地测量皮肤血流容积、皮肤导电性、皮肤温度和握力等人体生理信号,同时不会改变和打扰人原来的工作状态.传感器的设计是基于自然接触理念,通过包覆的方式安置到控制手柄上,以保证人和传感器的自然接触,包覆有此类传感器的手柄称为智能控制手柄,实验结果显示智能控制手柄具...     

用异质迁移学习构建跨被试脑电情感模型

由于脑电信号的个体差异性和非平稳特性对情感模型性能产生影响,如何构建跨被试脑电情感模型是情感脑-机接口领域的一个重要研究方向.本文提出一种新的从眼睛的扫视轨迹进行知识迁移的异质迁移学习方法,以提升跨被试脑电情感模型的性能.该方法的主要神经生理学依据是,被试的视觉注视诱发了大脑特定的神经活动,而这些神经活动产生的脑电信号可以为情绪识别提供重要的情境线索.为了量化不同被试之间的域差异,我们引入了基于扫视轨迹和基于脑电信号的核矩阵,并提出了改进的直推式参数迁移学习算法,以实现跨被试脑电情感模型的构建.该方法与传统方法相比,具有两个优点:一是利用了目标被试容易获取的眼动追踪数据进行被试迁移,二是在目标被试只有眼动追踪数据的情况下,仍然能够从其他被试的历史数据中学到脑电信号的情绪类别判别信息.为了验证所提方法的有效性,我们对本文提出的方法与已有的迁移方法在三类情绪识别的脑电和眼动数据集上进行了系统的对比实验研究.实验结果表明,基于眼动轨迹的迁移模型取得了与基于脑电信号的迁移模型相当的识别性能.相对于传统的通用分类器50.46%的平均准确率,基于眼动轨迹的迁移模型的平均准确率达到了69.72%.     

应用图像块和全卷积神经网络的肩关节MRI自动分割

目的 MRI正逐步代替CT进行骨头与关节的检查,肩关节MRI中骨结构的精确自动分割对于骨损伤和疾病的度量与诊断至关重要,现有骨头分割算法无法做到不用任何先验知识进行自动分割,且通用性和精准度相对较低,为此提出一种基于图像块和全卷积神经网络（PCNN和FCN）相结合的自动分割算法。方法 首先建立4个分割模型,包括3个基于U-Net的骨头分割模型（肱骨分割模型、关节骨分割模型、肱骨头和关节骨作为整体的分割模型）和一个基于块的AlexNet分割模型;然后使用4个分割模型来获取候选的骨头区域,并通过投票的方式准确检测到肱骨和关节骨的位置区域;最后在检测到的骨头区域内进一步使用AlexNet分割模型,从而分割出精确度在像素级别的骨头边缘。结果 实验数据来自美国哈佛医学院/麻省总医院骨科的8组病人,每组扫描序列包括100片左右图像,都已经分割标注。5组病人用于训练和进行五倍的交叉验证,3组病人用于测试实际的分割效果,其中Dice Coefficient、Positive Predicted Value（PPV）和Sensitivity平均准确率分别达到0.92±0.02、0.96±0.03和0.94±0.02。结论 本文方法针对小样本的病人数据集,仅通过2维医学图像上的深度学习,可以得到非常精确的肩关节分割结果。所提算法已经集成到我们开发的医学图像度量分析平台"3DQI",通过该平台可以展示肩关节骨头3D分割效果,给骨科医生提供临床的诊断指导作用。同时,所提算法框架具有一定的通用性,适应于小样本数据下CT和MRI中特定器官和组织的精确分割。