基于视觉认知的可持续行为设计策略研究

现代化的生活方式使传统的可持续设计落后于时代,现代化的可持续设计必须更具成效性与实践性。本文从设计的能动层面出发,分析可持续设计若能从功能境界迈向伦理境界,资本逻辑回归生活逻辑,产品设计迈向行为设计,可持续设计的拓展空间将更为广阔;以视觉认知机制与行为的产生模式为起点,解析在可持续行为设计中可执行的设计策略,运用图形、质感等视觉元素,通过视觉注意、行为限定、情感延续等设计策略可有效实现设计目的。     

深度多模态表示学习的研究综述

尽管深度学习因为强大的非线性表示能力已广泛应用于许多领域,多源异构模态数据间结构和语义上的鸿沟严重阻碍了后续深度学习模型的应用。虽然已经有许多学者提出了大量的表示学习方法以探索不同模态间的相关性和互补性,并提高深度学习预测和泛化性能。然而,多模态表示学习研究还处于初级阶段,依然存在许多科学问题尚需解决。迄今为止,多模态表示学习仍缺乏统一的认知,多模态表示学习研究的体系结构和评价指标尚不完全明确。根据不同模态的特征结构、语义信息和表示能力,从表示融合和表示对齐两个角度研究和分析了深度多模态表示学习的进展,并对现有研究工作进行了系统的总结和科学的分类。同时,解析了代表性框架和模型的基本结构、应用场景和关键问题,分析了深度多模态表示学习的理论基础和最新发展,并且指出了多模态表示学习研究当前面临的挑战和今后的发展趋势,以进一步推动深度多模态表示学习的发展和应用。     

LaNi5.5 Sn1.5-C-Si合金优异的长期吸/放氢循环性能

AB5型储氢合金在气固储氢、氢压缩、镍氢电池等领域具有广阔的应用前景,其循环稳定性是人们的一个关注点.本实验通过电弧熔炼的冶金方法,结合长时间退火的热处理工艺,制备了以CaCu5相为主相,以富Ni/Sn相为次要相,以及少量C相和Si相弥散分布的LaNi5.5 Sn1.5-C-Si合金,并结合LaNi5基础合金,研究了LaNi5.5 Sn1.5-C-Si合金在1000周吸/放氢循环过程中的储氢性能变化规律.结果表明,随着吸/放氢循环,合金的储氢容量略有降低,吸/放氢平台发生细微的倾斜,但以上变化远远小于LaNi5合金循环1000周的变化.LaNi5.5 Sn1.5-C-Si合金循环1000周的容量保持率高达98％,这可能是由于C和Si相的弥散分布对合金颗粒的粉化起到了缓冲作用.此外,LaNi5.5 Sn1.5-C-Si合金具有良好的吸氢动力学性能,在383～423 K、2 MPa氢压下200 s内即可完全吸氢,合金良好的吸氢动力学性能可能与富Ni/Sn相的催化作用有关.     

GEO SAR天线波束指向定标中的误差分析

GEO SAR因其超宽测绘带和超长的合成孔径时间,导致低轨SAR波束指向定标方法不再适用,进而采取基于多脉冲分时比幅的波束指向定标方法。本文针对该指向定标方法,结合GEO SAR星地几何关系,对卫星姿态变化、三维系统性误差以及波束指向定标方法中接收机信噪比和通道增益稳定性引入的指向误差进行了详细的推导和仿真分析。仿真结果表明,0.003°的姿态测量误差会引入0.003°的距离向指向误差和0.0033°的方位向指向误差;三维系统性误差是导致天线波束指向变化的主要误差源;当SNR≥35 dB、通道增益稳定性优于1 dB时,GEO SAR波束指向定标方法引入的指向误差小于0.001°。     

基于相位分析的散斑图像位移测量算法

通过对数字散斑图像位移测量方法和激光散斑图像特点的研究,提出了一种利用数字散斑图像进行位移测量的新方法:同频率相位比较法.该方法把移动前后的激光散斑图像像素分别在X、Y方向上叠加,对叠加后的一维序列进行频谱分析,找出同一频率的信号的存前后两幅散斑中的相位偏移,然后通过统计分析求解激光散斑图像的位移.大量实验证明,上述算法可行,不使用插值法即可求解亚像素级位移,并能大幅度提高位移测量速度.     

石墨烯改性聚苯硫醚纤维光稳定性及其增强机制

为提高聚苯硫醚纤维的光稳定性,采用熔融复合纺丝技术,制备了一系列聚苯硫醚石墨烯（PPS-G）纳米复合纤维。表征了氙灯老化处理前后纳米复合纤维的力学性能保持率和熔融行为,探索了石墨烯对纳米复合纤维紫外光稳定性的增强机制。结果表明：老化处理192 h后,随着石墨烯质量分数的提高,纳米复合纤维的力学性能保持率显著增加。当石墨烯质量分数为1.0 %时,纳米复合纤维的断裂强度和断裂伸长保持率分别为80.2 %和90.6 %,相比纯纤维分别提高了23.08 %和26.1 %;光老化对PPS-G-1.0纳米复合纤维熔点的影响明显减小,纯纤维的熔点下降幅度为7.1℃,而PPS-G-1.0 纳米复合纤维熔点仅下降3.0℃;石墨烯对聚苯硫醚纤维的光稳定性具有很好的增强效果。     

基于融合特征的LSTM评分预测

隐语义模型(LFM)能够有效地提取用户和对象的特征。本文基于LFM所提取的有效特征,提出一种基于融合特征的长短期记忆网络(LSTM)评分预测模型(F-LFM-LSTM)。首先,运用LFM模型提取用户和对象的有效特征。然后,融合用户的职业、年龄、性别标签和对象类别标签等辅助信息。最后,运用LSTM网络训练得到预测评分。通过在MovieLens100k数据集上实验表明,相比于几种得到较为广泛研究的算法,F-LFM-LSTM模型能够取得更好的评分预测效果。     

直线加速室超厚墙体施工技术

医院直线加速室对墙体和顶板具有很高的抗辐射要求,若采用常规的铅板墙面或重型混凝土手段,施工和建设成本非常高。结合工程实际,通过采用优化施工缝设计、改进墙体加固措施、超厚墙体混凝土施工自动降温等创新技术,成功地抑制了超厚混凝土墙体的裂缝发生,使普通混凝土也达到了抗辐射要求,可为类似工程提供借鉴。