固体碱催化合成9-芴甲醇

以安全价廉的固体碱为催化剂,采用“一锅法”工艺合成芴甲醇。芴甲醇产率为36．7％,同时可获得高纯度的副产物9,9-二羟甲基芴,未反应的芴可循环利用。该方法尚未见国内外文献报道。     

抗年龄干扰的人脸识别

本文将人脸图像特征分解为身份特征部分和年龄干扰特征部分,并分别投影到两个独立的子空间.为了提高由字典张成的特征子空间的表征能力和区分能力,字典学习过程中同时引入了人脸图像的重构误差约束项和类别约束项.因此,任意的人脸特征都可以由学习到的身份字典和年龄字典投影到对应的身份子空间和年龄子空间,然后再基于身份子空间进行人脸识别,从而使年龄的干扰得到了有效的抑制.通过在MORPH和FGNET数据库上的实验,证实了基于年龄不变的身份特征子空间学习方法能提升人脸识别性能.     

9-芴甲醇的高效液相色谱分析

9-芴甲醇可用于制取氯代甲酸-9-芴甲酯（Fmoc-Cl）、9-芴甲基-N-琥珀酰亚胺基碳酸酯（Fmoc-Osu）[1]等。Fmoc-Cl、Fmoc-Osu是多肽合成中的氨基保护剂[2-3],在多肽合成中有独特的作用。因此,随着生物制药领域的不断发展,9-芴甲醇的需求量将大幅增加。目前,国内外已有多家研究单位进行9-芴甲醇合成方法的研究,在简化合成步骤,降低合成成本方面取得很大进展,但对其含量的测定方法尚未见文献报道。本文采用高效液相色谱直接进样方法测定9-芴甲醇的含量。     

芴的深加工产品及应用

介绍了由芴合成9-芴酮、9-芴甲醇、双酚芴和聚芴等产品的性质、工艺过程,以及这些深加工产品的应用领域和前景。     

无监督多重非局部融合的图像去噪方法

非局部均值去噪(Non-local means,NLM)算法利用图像的自相似性,取得了很好的去噪效果.然而,NLM算法对图像中不相似的邻域块分配了过大的权重,此外算法的搜索窗大小和滤波参数等通常是固定的且无法根据图像内容的变化做出自适应的调整.针对上述问题,本文提出一种无监督多重非局部融合(Unsupervised m...     

从AlphaGo到BetaGo——基于任务可完成性分析的定性人工智能的定量实现

AlphaGo程序利用深度学习算法和蒙特卡洛树搜索算法在围棋领域取得了突破性进展,用定量分析技术实现了围棋这一传统定性式的任务.此次突破,实现了对定性人工智能的定量研究,这对人工智能体的研究具有重要借鉴意义.对于人工智能体而言,执行任务前需要考虑任务的可完成性,对下棋任务而言,任务目标是取得胜利,因此,本文先从任务可完成性角度出发,分别从特征完备性、表征空间构建及基于表征空间的搜索角度分析AlphaGo程序.其次,人工智能体在任务完成过程中,不可避免地受到各种扰动的影响,对AlphaGo而言,本质是对人下棋过程的建模,因此,本文从抗干扰的角度出发,分析了AlphaGo的缺陷.再者,人工智能的研究是人类用科学技术的方式模拟大脑活动的过程.AlphaGo所体现出的围棋思想与人类棋手的围棋美学之间的差异,也是定量分析与定性描述之间的差异.因此,本文从美感评价角度对AlphaGo进行了分析和展望.通过上述三个角度,本文诠释了AlphaGo程序所包含的原理以及对定量化分析定性人工智能体研究的借鉴意义.本文认为,AlphaGo虽然取得了里程碑式的进展,但在定性描述(如:美学,艺术)以及系统未知扰动方面仍存在大量问题值得研究.人工智能的跨越式发展,即从Alpha级别提升至Beta级别,应该包含对事物定性分析的能力.最后,希望人工智能算法的研究工作者通过本文能更关注于挖掘定性描述与定量分析之间的关联,并进一步将人工智能算法提升至BetaGo乃至更高.     

非学习模式下的类Haar特征快速人眼定位

本文研宄非学习模式下的快速人眼定位算法.首先,在己检出的人脸区域中,根据人脸几何特征的先验信息,设置一定的人眼候选区域,通过高斯差分滤波消除光照影响.其次,定义一种类Haar的特征作用于二值化后的图像,在人眼候选区域计算该特征的评价值获得精确的人眼位置,实现人眼的快速搜索定位.该算法的处理方法简单快速,并且对于眼镜、眉毛以及发髻的干扰都有一定的鲁棒性.算法通过人脸几何先验知识,减少了训练和学习过程.实验结果表明,该算法能够快速准确实时地完成眼睛的定位,为后续的人脸识别提供必要的前提条件.     

9-芴甲醛还原成9-芴甲醇方法的探讨

阐述了分别用金属氢化物、甲醛作还原剂将9-芴甲醛还原为9-芴甲醇的工艺,并对工艺技术进行了评价。