利用菊池衍射花样鉴定晶体结构的方法研究

电子背散射衍射(Electron Backscatter Diffraction, EBSD)是研究材料显微结构的重要手段之一, 通过EBSD获取的菊池衍射花样是材料内部微观晶体结构的直观反映。本研究通过识别菊池花样中的对称轴, 结合晶体对称定律, 提出了一种利用菊池花样进行晶体对称性分析和晶体结构鉴定的方法。通过该方法成功对三个未知样品的对称性和晶体结构进行了判断。其中一个样品确定到所属晶系, 另两个样品锁定到部分点群, 通过确定晶系和点群排除了部分不符合对称性的相鉴定结果。研究结果表明, 利用菊池花样进行对称性分析是判断晶体结构的有效方法。同现有方法相比, 菊池衍射花样法大大缩小了相鉴定的检索范围, 显著提高了相鉴定的准确性和可靠性, 是一种有望用于新一代EBSD设备的标定技术。     

Sequential alignment attention model for scene text recognition

Scene text recognition has been a hot research topic in computer vision due to its various applications. The state-of-the-art solutions usually depend on the attention-based encoder-decoder framework that learns the mapping between input images and output sequences in a purely data-driven way. Unfortunately, there often exists severe misalignment between feature areas and text labels in real-world scenarios. To address this problem, this paper proposes a sequential alignment attention model to enhance the alignment between input images and output character sequences. In this model, an attention gated recurrent unit (AGRU) is first devised to distinguish the text and background regions, and further extract the localized features focusing on sequential text regions. Furthermore, CTC guided decoding strategy is integrated into the popular attention-based decoder, which not only helps to boost the convergence of the training but also enhances the well-aligned sequence recognition. Extensive experiments on various benchmarks, including the IIIT5k, SVT, and ICDAR datasets, show that our method substantially outperforms the state-of-the-art methods.     

基于Shearlet变换的自适应地震资料随机噪声压制

传统的阈值选取方法是对所有变换域系数使用统一阈值，但对Shearlet变换而言，各尺度、各方向的有效信号和噪声均存在差异，因此全局硬阈值存在一定局限性；局部阈值可根据一定范围内的系数分布情况确定。针对地震数据去噪过程中传统阈值选取方法的局限性，通过改进自适应阈值函数压制随机噪声，在局部阈值的基础上改进贝叶斯阈值，形成一种适用于Shearlet变换的自适应阈值函数。具体做法为：将信噪比与阈值函数有机关联，并将信噪比作为阈值设定的因素，即不同的信噪比的权值系数不同，可以自适应求取不同尺度阈值，从而最大限度地改善去噪效果，避免有效信号损失，实现自适应去噪。模型试算与实际资料去噪效果表明，在保证有效信号不受损失的情况下，所提方法可恢复被噪声掩盖的弱信号，有效改善去噪效果。     

ATSP:时态网络可视化的自适应时间片划分方法

现有的时态网络可视化方法大多采用等量时间片来可视化网络的演变，不利于时态模式的快速挖掘和发现。为此，根据时态网络固有的特征提出自适应时间片划分方法（Adaptive Time Slice Partition method，ATSP）。在时态网络的两种表示方式（基于事件的表示方式和基于快照的表示方式）的基础上，构建了ATSP的基础模型，同时提出了一种改进模型用来描述事件间隔时间服从长尾分布的时态网络。为了实现时间片的不等量划分，针对探索任务的不同提出了基于时态模式的ATSP规则和基于中心节点的ATSP规则，并提出了实现算法--层次划分算法（Hierarchical Partition algorithm，HP）和增量划分算法（Incremental Partition algorithm，IP）。实验结果表明，ATSP方法比传统的时间片划分方法更能准确地表示网络的时态特征，且该方法应用于可视化时，能有效归纳并展示网络的特征，明显提高了视觉分析的效率。     

A Novel Strategy for Preparing Stretchable and Reliable Biphasic Liquid Metal

Low‐melting liquid metal is a hugely promising material for flexible conductive patterns due to its excellent conductivity and supercompliance, especially low‐cost and environmental liquid processing technology. However, the ever‐present fluidity characteristic greatly limits the stable shape and reliability of prepared liquid metal conductive electronics. Herein, a novel solidification strategy of liquid GaIn alloys by Ni doping and heat treatment is first reported, which can efficiently create a solid phase in the liquid metal and provide an effective solution for practical applications. Particularly, the liquid characteristic is preserved for conveniently fabricating different flexible electronic circuits, and then the solidification is carried out on prepared conductive patterns by heat treatment. The solidification mechanism is revealed by the interface chemical reaction between Ni and GaIn, creating the solid phase of intermetallic compound (Ga₄Ni₃ and InNi₃) during heat treatment. Moreover, a biphasic GaInNi can be obtained by regulating the atomic ratio of gallium, indium, and nickel. As a result, the obtained GaInNi possesses extremely low sheet resistance (15 ± 4.5 to 135 ± 2.5 mΩ sq^?1) and the variation of ΔR/R₀ exhibits low level (0–2) when strained up to 100%, which offers a promising strategy to prepare stretchable and reliable liquid metal electronics.     

渤海湾盆地A油田沙一、沙二段混合沉积模式

从岩石学特征入手,结合古地貌及沉积动力学分析,对渤海湾盆地A油田沙一、沙二段混合沉积模式进行分析,结果表明,A油田沙一、沙二段主要发育扇三角洲沉积,同时发育鲕粒滩、生物碎屑滩、碎屑滩和混积滩,同时期存在的多种沉积相类型是形成混合沉积的环境条件。根据岩性组合特点及空间分布规律,对研究区混合沉积类型细分为四类:相突变混合沉积、相过渡带混合沉积、以碎屑岩相为主的混合沉积和以碳酸盐岩相混合沉积四种类型,其中以碎屑岩相为主的混合沉积和以碳酸盐岩相为主的混合沉积是研究区主要的混合沉积类型。     

时态神经网络模型及其在股票分类预测上应用

对具有时间属性的数据进行数据挖掘称为时态数据挖掘，用以发现数据在时间上的知识，当数据变化不规律时，如股票交易数据,就很难发现有价值的规律与规则。而神经网络具有并行、容错、可以硬件实现以及自我学习的优点,可作为股票分类预测应用的一种方法。通过将股票数据与时态型相结合，将股票数据转换成时态型股票数据，提出时态神经网络模型的分类方法，对收集的若干上市公司十年内的股票数据进行分析，构建了时态股票数据神经网络分类器对股票进行分类预测。经过实验验证，相比改进前的神经网络和支持向量机方法，该分类器具有更高的分类准确率。结果证明，这种时态数据神经网络模型对于多只股票的分类预测是非常有效的，可以很好地运用到股票市场的分类预测中。     

Cloud resource prediction model based on triple exponential smoothing method and temporal convolutional network

The container cloud represented by Docker and Kubernetes has the advantages of less additional resource overhead and shorter start-up and destruction time.However there are still resource management issues such as over-supply and under-supply.In order to allow the Kubernetes cluster to respond “in advance” to the resource usage of the applications deployed on it,and then to schedule and allocate resources in a timely,accurate and dynamic manner based on the predicted value,a cloud resource prediction model based on triple exponential smoothing method and temporal convolutional network was proposed,based on historical data to predict future demand for resources.To find the optimal combination of parameters,the parameters were optimized using TPOT thought.Experiments on the CPU and memory of the Google dataset show that the model has better prediction performance than other models.     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。     

巴马长寿饮食模式在衰老小鼠模型中的抗氧化应激效果

为了验证巴马长寿饮食模式的抗衰老作用,通过给小鼠皮下注射D-半乳糖(500 mg/(kg·d))制备衰老模型,根据本团队前期研究结果,选取巴马长寿老人饮食中具有代表性的营养特征(能量限制及VA、大豆异黄酮、膳食纤维、微量元素铁、锰、钴、硒的摄入),分别设计了能限组、胡豆组、纤维组、元素组和复合组饮食,并以自由采食的方式饲喂小鼠,连续8周。对小鼠血清、肝脏和脑组织中丙二醛(malondialdehyde,MDA)水平、血清和脑组织中总超氧化物歧化酶(total superoxide dismutase,T-SOD)活力、肝脏和脑组织中总抗氧化能力(total antioxidant capacity,T-AOC)进行测定。结果表明:与衰老组小鼠相比,5种特征饮食都能抑制小鼠体内MDA的蓄积,提高抗氧化酶活力和T-AOC;通过正向化和无量纲化处理,发现复合组饮食抗氧化应激效果最强,能显著抑制衰老小鼠血清、肝脏和脑组织中MDA蓄积(P0.05),使血清中T-SOD活力增强12.33%(P0.05),并使肝脏中T-AOC显著提高35.35%(P0.05)。5种模式综合量化评价的顺序为:复合组胡豆组能限组纤维组元素组。说明巴马长寿饮食模式对D-半乳糖致衰老小鼠有明显的抗氧化应激作用,这也预示着其具有较显著的抗衰老作用效果和良好的开发潜力。