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。     

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。     

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.     

两维相控阵UV域测角分析及应用

本文研究了两维电扫描三坐标雷达在测角时使用的正弦空间坐标及对应的配相公式,提出了一种在工程实现时简便易行的方法,简化系统波束规划和测角曲线的测量.经仿真及工程验证,该方法可行有效.     

一种易维护变压器呼吸器的方案设计

文章阐述了现有变压器呼吸器的维护方法和维护过程中存在的弊端，提出了一种易维护的新型变压器呼吸器设计方案，并详细介绍了维护流程，最后通过模拟维护试验验证了新型呼吸器方案的有效性。