基于注意力机制的自监督图卷积会话推荐

为了解决会话推荐系统中数据稀疏性问题, 提出了一种基于注意力机制的自监督图卷积会话推荐模型(self-supervised graph convolution session recommendation based on attention mechanism, ATSGCN). 该模型将会话序列构建成3个不同的视图: 超图视图、项目视图和会话视图, 显示会话的高阶和低阶连接关系; 其次, 超图视图使用超图卷积网络来捕获会话中项目之间的高阶成对关系, 项目视图和会话视图分别使用图卷积网络和注意力机制来捕获项目和会话级别局部数据中的低阶连接信息; 最后, 通过自监督学习使两个编码器学习到的会话表示之间的互信息最大化, 从而有效提升推荐性能. 在Nowplaying和Diginetica两个公开数据集上进行对比实验, 实验结果表明, 所提模型性能优于基线模型.     

超密集网络中基于多基站博弈均衡的分布式无线资源管理算法

移动边缘计算和超密集网络技术在扩大移动设备计算能力和增加网络容量方面有明显的优势.然而,在两者融合的场景下,如何有效降低基站之间的同信道干扰,减少任务传输的时延和能耗是一个重要研究课题.本文设计了一个基于多基站博弈均衡的分布式无线资源管理算法.将小基站之间的无线资源管理问题转化为博弈问题,提出一种基于奖励驱动的策略选择算法.基站通过迭代不断更新其策略的选择概率,最终优化子信道分配和发射功率的调控.仿真结果表明,我们的算法在提高信道利用率和降低任务处理的时延和能耗方面具有优势.     

改进Informer网络的风电功率短期预测

准确预测风电功率对于提高电力系统的效率和安全性具有重要意义, 而风能的间歇性和随机性特点导致风电功率难以准确预测. 因此, 提出一种改进Informer的风电功率预测模型PCI-Informer (PATCH-CNN-IRFFN-Informer). 将序列数据划分为子序列级补丁, 并进行特征提取和整合, 提高模型对序列数据的处理能力和效果; 采用多尺度因果卷积自注意力机制, 实现多尺度局部特征融合, 提高模型对局部信息的理解和建模能力; 引入反向残差前馈网络 (IRFFN), 增强模型对局部结构信息的提取和保留能力. 某风电场数据实验结果表明, 与主流预测模型相比, PCI-Informer模型在不同预测步长下均取得了更好的预测效果, 在MAE指标上相比Informer模型平均降低了11.1%, 有效提高了短期风电功率的预测精度.     

预应力混凝土柱的施工技术

偏心受压钢筋混凝土柱,采用预应力技术减小或避免钢筋混凝土柱根部裂缝,通过在钢筋混凝土柱受拉区一侧预先施加一定的力,使钢筋混凝土柱内部受力在新的条件下建立平衡.实践证明:该方法能有效地控制柱截面,解决钢筋混凝土柱偏心受压的根部裂缝问题.     

InfluenCe of Downstream Flow on Conduction Phase of Coaxial Plasma Opening Switch

Plasma behaviour and the scaling relations in a coaxial plasma opening switch （POS） using hydrogen plasma are studied self-consistently based on the two-dimensional magnetohydrodynamic （MHD） equations in conjunction with the generalized Ohm＇s law. The vacuum region on the right of POS is included in the model and the influence of downstream flow on the conduction characteristics is discussed. It is found that with the penetration of magnetic field, the pure hydrogen plasma is pushed downstream significantly; and POS still conducts current after the magnetic field arrives at the load edge of POS, which is different from the previous experimental results in a multispecies POS. It is because that the noticeable downstream plasma in the pure hydrogen POS may continue to conduct the current, while in the multispecies POS, the downstream plasma is unimportant so that the conduction phase ends soon after the magnetic field reaches the load edge. The scaling relation obtained from the simulations including the downstream region is consistent with the experimental results.     

栀子食用人群栀子苷暴露评估

目的 了解我国居民栀子食用情况,评估我国栀子食用人群栀子苷暴露水平及健康风险。方法 通过文献检索和专项监测收集我国栀子中栀子苷含量数据,结合2019—2022年我国食药物质消费量调查数据,采用简单分布方法和概率评估方法获得我国不同人群通过食用栀子的栀子苷暴露水平及健康风险。结果 我国9省栀子食用率为10.32%,每日食用量均值为0.36 g,高消费人群每日栀子食用量为1.48 g。简单分布评估显示,9省栀子食用人群的栀子苷每日平均暴露量为0.29 mg/kg·BW,高消费人群（P95）栀子苷暴露量为1.28 mg/kg·BW,9省栀子食用人群中有17.20%的居民通过食用栀子的栀子苷暴露量超过其每日可耐受摄入量（TDI,0.386 mg/kg·BW）。河南省食用人群每日平均暴露量最高,为0.54 mg/kg·BW。概率评估结果显示,我国14.70%的栀子食用人群栀子苷暴露量超过TDI,具有潜在健康风险。结论 我国栀子食用人群的栀子苷暴露风险总体较低,但部分高消费人群（P95）存在健康风险。     

红茶发酵影响因素及品质调控技术研究进展

红茶是我国主要的消费茶类之一,其加工步骤为萎凋、揉捻、发酵和干燥,其中发酵是红茶品质特征形成的关键环节。关于红茶发酵过程中影响因素及品质调控技术,已有文献表明,多酚类物质含量及组成比例、酶种类及其活性、温度、湿度、pH,以及发酵过程中微生物等内部及环境因素均会影响红茶品质特征化合物的形成,从而影响其品质。目前常用的品质调控技术主要包括新发酵技术、冷冻萎凋技术、外源酶技术以及光质。未来研究重点将是优化红茶适制品种培育、环境因子间的交互作用机制、微生物对红茶发酵品质的影响机制和加工设备智能化等方面,因此本文通过对红茶发酵影响因素及品质调控技术的研究进展进行综述,以期为提升红茶的滋味品质和推进红茶新研究进展提供借鉴与参考。     

相变微胶囊材料导热增强研究进展

相变微胶囊将相变材料包封在壳材中,有效解决了相变材料的泄漏等问题,是一种性能良好的相变储能材料,在热能储存领域具有广泛的应用。但因其壳材的存在削弱了内部相变材料与外部环境间的热传导,降低了相变微胶囊的热导率,制约了其实际应用范围。因此,对相变微胶囊进行改性是增强导热的有效途径。本文介绍相变微胶囊的组成与结构,并从声子-声子与电子-声子相互作用的角度,概述微观尺度下的导热机理。在此基础上,分别从芯材和壳材2个方面对相变微胶囊导热增强改性进行阐述,通过定量数据和导热机理对改性相变微胶囊的导热增强效果进行分析论述,同时,概括了改性相变微胶囊在纺织调温、浆料和建筑领域的应用。最后,对相变微胶囊导热性能增强的研究前景和挑战以及实际应用方向进行了展望。     

不同菌材培养料对茶树菇生长特性及营养品质的影响

目的 研究不同菌材培养料对茶树菇(Agrocybe chaxingu)生长特性和营养品质影响。方法 以贵州常见菌材构树(Broussonetia papyrifera)、刺槐(Robinia pseudoacacia)、光皮桦(Betula luminifera)、青冈(Quercus glauca)为栽培料,测定比较木材理化特性对茶树菇农艺性状及粗蛋白、多糖、粗脂肪、矿质元素和氨基酸含量的影响。结果 4种菌材对茶树菇菌丝生长速率影响不显著;构树培养茶树菇农艺性状最佳,其次为光皮桦;刺槐培养茶树菇粗脂肪和多糖含量最丰富。青冈培养茶树菇常量元素K、Mg、Ca、Na含量最高,构树培养茶树菇微量元素Fe、Zn、Cu含量最高;光皮桦培养茶树菇总氨基酸、必需氨基酸和限制性氨基酸含量最高。粗蛋白、Cu、Fe、Zn、苯丙氨酸、缬氨酸、Ca、Mg、苏氨酸、多糖、粗脂肪、K依次为区分4种菌材培养茶树菇主要指标。菌丝生长速率与全氮含量呈负相关性,培养基中菌丝生长速率与菌材半纤维素含量呈显著正相关性;子实体重量与木质素含量呈显著正相关性。结论 菌材理化性质对茶树菇生长及营养品质具有显著影响。构树和青冈培育茶...     

基于RFID和LSTM的固定资产智能感知方法

针对传统基于射频识别的固定资产感知方法存在射频信号易受环境影响、多个标签互干扰、感知识别精度低等问题,提出一种基于射频识别（RFID）和长短期记忆（LSTM）神经网络的固定资产状态智能感知方法。为克服RFID信号接收时间非连续性导致的识别精度低问题,引入序列分析思想,使用LSTM对一段时间内接收到的RFID信号序列进行模式学习,构建基于RFID和LSTM的固定资产感知模型,实现固定资产位置的二分类辨识。所提方法在高校实验室条件下开展实测实验进行性能验证。结果表明,使用序列分析的固定资产状态感知模型辨识准确率可达 99.26%,比传统基于离散时刻点的 RFID 感知模型辨识准确率高 11.05%,且对多标签的识别准确率可达93.0%。