基于重建误差的任务型对话未知意图检测

现有未知意图检测模型通常将语句映射到向量空间,并使用局部异常因子算法定义密度较小的特征点为未知意图,但经交叉熵损失训练的已知意图特征簇更加狭长,簇内的整体间距、密度和分散情况不均匀,进而增加了检测难度。针对上述问题,提出一种基于自动编码器重建误差的未知意图检测模型。在训练阶段,使用融入标签知识的联合损失函数训练已知意图分类器,使已知意图特征类间距离大且类内距离小,并利用这些特征训练一个仅能获取已知意图信息的自动编码器。在测试阶段,利用自动编码器将重建误差较大的样本视为未知意图,其余样本视为已知意图正常分类。在SNIPS数据集上的实验结果表明,在已知意图占比为25%、50%、75%时,该模型的Macro F1得分相比于表现最优的增强语义的高斯混合损失基线模型分别提升了16.93%、1.14%和2.37%,能够检测到更多的未知意图样本,同时在类别分布极不平衡的ATIS数据集上也有较好的性能表现。     

Tough Transient Ionic Junctions Printed with Ionic Microgels

Emerging soft ionotronics better match the human body mechanically and electrically compared to conventional rigid electronics. They hold great potential for human-machine interfaces, wearable and implantable devices, and soft machines. Among various ionotronic devices, ionic junctions play critical roles in rectifying currents as electrical p–n junctions. Existing ionic junctions, however, are limited in electrical and mechanical performance, and are difficult to fabricate and degrade. Herein, the design, fabrication, and characterization of tough transient ionic junctions fabricated via 3D ionic microgel printing is reported. The 3D printing method demonstrates excellent printability and allows one to fabricate ionic junctions of various configurations with high fidelity. By combining ionic microgels, degradable networks, and highly charged biopolymers, the ionic junctions feature high stretchability (stretch limit 27), high fracture energy (>1000 Jm⁻²), excellent electrical performance (current rectification ratio >100), and transient stability (degrade in 1 week). A variety of ionotronic devices, including ionic diodes, ionic bipolar junction transistors, ionic full-wave rectifiers, and ionic touchpads are further demonstrated. This study merges ionotronics, 3D printing, and degradable hydrogels, and will motivate the future development of high-performance transient ionotronics.     

An Intrinsically Nonflammable Electrolyte for Prominent-Safety Lithium Metal Batteries with High Energy Density and Cycling Stability

Nex-generation high-energy-density storage battery, assembled with lithium (Li)-metal anode and nickel-rich cathode, puts forward urgent demand for advanced electrolytes that simultaneously possess high security, wide electrochemical window, and good compatibility with electrode materials. Herein an intrinsically nonflammable electrolyte is designed by using 1 M lithium difluoro(oxalato)borate (LiDFOB) in triethyl phosphate (TEP) and N-methyl-N-propyl-pyrrolidinium bis(trifluoromethylsulfonyl)imide [Pyr₁₃][TFSI] ionic liquid (IL) solvents. The introduction of IL can bring plentiful organic cations and anions, which provides a cation shielding effect and regulates the Li⁺ solvation structure with plentiful Li⁺-DFOB⁻ and Li⁺-TFSI⁻ complexes. The unique Li⁺ solvation structure can induce stable anion-derived electrolyte/electrode interphases, which effectively inhibit Li dendrite growth and suppress side reactions between TEP and electrodes. Therefore, the LiNi_0.9Co_0.05Mn_0.05O₂ (NCM90)/Li coin cell with this electrolyte can deliver stable cycling even under 4.5 V and 60 °C. Moreover, a Li-metal battery with thick NCM90 cathode (≈ 15 mg cm⁻²) and thin Li-metal anode (≈ 50 µm) (N/P ≈ 3), also reveals stable cycling performance under 4.4 V. And a 2.2 Ah NCM90/Li pouch cell can simultaneously possess prominent safety with stably passing the nail penetration test, and high gravimetric energy density of 470 Wh kg⁻¹ at 4.4 V.     

CG-DRR:数字重建放射影像循环一致性生成对抗算法

目的 当前数字重建放射影像（digitally reconstructed radiograph,DRR）生成算法难以同时保证影像生成效率和质量。为此,提出一种基于循环一致性生成对抗网络（generative adversarial network, GAN）的新型DRR生成算法（cycle-GAN-DRR, CG-DRR）,在保证生成效率的同时,兼顾生成影像与真实X射线影像的灰度和结构一致性。方法CG-DRR算法包含数据预处理、网络训练和网络应用3个阶段。数据预处理阶段准备后续网络训练需要的图像数据;网络训练阶段使用预处理后的数据训练循环一致性生成对抗网络;在应用阶段,训练后网络输入光线跟踪法生成的DRR图像实现DRR图像灰度校正。结果 使用4个常用图像相似性指标和2个梯度相似性指标分别评估原始DRR图像与灰度校正后的DRR图像的灰度和几何结构一致性。与传统光线跟踪法相比,盆腔和胸腔数据平均峰值信噪比分别提高18.22 dB和8.82 dB,平均绝对误差分别减少0.18和0.07,归一化均方根误差分别减少0.23和0.10,结构相似度指数分别提高23.5%和13.5%,与当前最新Re...     

遥感图像全色锐化的卷积神经网络方法研究进展

随着计算机科学、遥感科学和大数据科学等领域的迅速发展,基于卷积神经网络的方法在图像处理、计算机视觉等任务上发挥着越来越重要的作用。而在遥感图像全色锐化领域,卷积神经网络由于其优秀的融合效果,已得到研究学者的广泛关注并有大量的研究成果产生。尽管如此,依然有一些亟待解决的问题,例如缺乏全色锐化数据集的仿真细节描述、公平公开的训练—测试数据集、简单易懂的统一代码编写框架等。对此,本文主要从以下几方面回顾当前遥感图像全色锐化问题在卷积神经网络方面的一些进展,并针对前述问题发布相关数据集和代码编写框架。1)详细介绍7种典型的基于卷积神经网络的全色锐化方法,并在统一数据集上进行公平比较(包括与典型传统方法的比较);2)详细介绍训练—测试数据集的仿真细节,并发布相关卫星(如WorldView-3, QuickBird, GaoFen2,WorldView-2)的全色锐化训练—测试数据集;3)针对本文介绍的7种基于卷积神经网络的方法,发布基于Pytorch深度学习库的Python代码统一编写框架,便于后来初学者入门、开展研究以及公平比较;4)发布统一的全色锐化传统—深度学习方法MATLAB测试软件包,...     

基于可控负荷响应性能差异的虚拟电厂分类聚合方法及辅助服务市场投标策略研究

在辅助服务市场中,不同辅助服务产品对投标资源的时域响应性能有差异化需求。因此,虚拟电厂在对数目较多且响应性能差异明显的可控负荷进行聚合管理时,不仅需要考虑可控负荷的功率特性,也应考虑可控负荷的时域响应性能与不同辅助服务需求的契合度。首先,提出了一组反映可控负荷响应性能差异的指标——可控负荷调峰性能指标、可控负荷调频性能指标,并基于上述指标设计了两种分类方法,即指标排序位次分类法、指标权重分类法,将它们分别与NJW(Ng-Jordan-Weiss)谱聚类算法结合,实现了可控负荷的分类聚合。其次,以聚合所形成的虚拟机组作为最小单元,构建了考虑投标资源性能差异的辅助服务优化投标策略。最后,通过算例证明了指标排序位次分类法能够形成更好的投标策略,并验证了本文构建的考虑可控负荷响应性能差异的虚拟电厂优化投标策略的可行性和合理性。     

基于强化学习的电动汽车换电站实时调度策略优化

随着电动汽车的应用推广,换电站的调度优化逐渐成为研究热点。传统的基于换电需求预测值的调度策略在实际应用中面临着难以适应动态干扰因素、预测误差累积等问题。为了解决这些问题,提出了一种基于带基线的蒙特卡罗策略梯度法的换电站实时调度策略,用于优化换电站的充放电策略以及响应电池数量。提出了带基线的蒙特卡罗策略梯度强化学习,并为换电站实时调度问题选取合适的状态空间和动作空间;设计了奖励函数对智能体进行离线训练,从电池状态数据、分时电价和排队电动汽车数量中学习得到最优策略网络;在离线训练好的模型基础上进行实时调度策略测试。基于换电站的服务可用率和经济效益验证了所提调度策略的有效性和经济性,算例结果表明所提策略能对电网负荷起到一定的削峰填谷作用。     

An SPH-based mass transfer model for simulating hydraulic characteristics and mass transfer process of dammed rivers

Engineering with Computers - Aerated flow characterized by complex mass transfer processes with multiple hydraulic properties is a common enviro-hydraulics phenomenon, which have a variety of...