基于细粒度特征融合的部分多模态哈希

多模态数据的指数级增长使得传统数据库在存储和检索方面遇到挑战,而多模态哈希通过融合多模态特征并映射成二进制哈希码,能够有效地降低数据库的存储开销并提高其检索效率.虽然目前已经有许多针对多模态哈希的工作取得了较好的效果,但是仍然存在着3个重要问题:(1)已有方法偏向于考虑所有样本都是模态完整的,然而在实际检索场景中,样本缺失部分模态的情况依然存在;(2)大多数方法都是基于浅层学习模型,这不可避免地限制了模型的学习能力,从而影响最终的检索效果;(3)针对模型学习能力弱的问题已提出了基于深度学习框架的方法,但是它们在提取各个模态的特征后直接采用了向量拼接等粗粒度特征融合方法,未能有效地捕获深层语义信息,从而弱化了哈希码的表示能力并影响最终的检索效果.针对以上问题,提出了PMH-F3模型.该模型针对样本缺失部分模态的情况,实现了部分多模态哈希.同时,基于深层网络架构,利用Transformer编码器,以自注意力方式捕获深层语义信息,并实现细粒度的多模态特征融合.基于MIRFlickr和MSCOCO数据集进行了充分实验并取得了最优的检索效果.实验结果表明:所提出的PMH-F³     

对位芳香聚酰胺纤维的性质、裁切加工及应用(1)

简介了芳香聚酰胺种类的划分和对位芳香聚酰胺及其纤维（芳纶）的研发过程；重点阐述了芳纶的理化特性，芳纶及其复合材料的裁切加工技术；并简述了芳纶在各领域的应用。     

知识赋能的新一代信息系统研究现状、发展与挑战

信息系统的发展目前正处于感知智能迈向认知智能的关键阶段,传统信息系统难以满足发展要求,数字化转型势在必行.数字线索(digitalthread)是面向全生命周期的数据处理框架,通过连接生命周期的各阶段数据,实现物理世界与数字空间的映射与分析.知识图谱(knowledgegraph)是结构化的语义知识库,以符号形式描述物理世界中的概念及其相互关系,通过知识驱动形成体系化的构建与推理流程.两者对知识赋能的信息系统研究具有重要意义.综述了知识赋能的新一代信息系统的研究现状、发展与挑战.首先,从数字线索系统出发,介绍数字线索的概念和发展,分析数字线索的六维数据构成和6个数据处理阶段;然后介绍知识图谱系统,给出普遍认同的知识图谱的定义和发展,概括知识图谱的架构与方法;最后,分析和探索数字线索与知识图谱结合的方向,列举KG4DT (knowledge graph for digital thread)和DT4KG (digital thread for knowledge graph)的受益方向,对未来知识赋能的新一代信息系统提出开放问题.     

对位芳香聚酰胺纤维的性质、裁切加工及应用(2)

芳纶的裁切和加工4 在年杜邦问世以前，尖端复材 1972 Kevlar 的补强材是碳纤、玻璃及硼纤等无机纤维，他们的破断伸长率都不高，也就是都是脆性的陶瓷物质。而结构为面状鸡笼网形的芳纶，是一种非长直链的有机物，其芳香环状结构赋与芳纶无比的强度和韧性，这种强韧特性的优点，也是裁切和加工时的最痛。当我们进行一般加工作业时，我们会发现 纤维不像脆性的玻纤、碳纤和硼纤那么好Kevlar 对付，基材是被切断了，但无任何支撑的 Kevlar仅被弄松，而不是被切断，裁切面一片毛绒绒，而非平滑的截面。相同情形，在纤维°方向裁 90切，将…