基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

纳米药物非临床药代动力学的研究策略及关注要点

随着纳米技术的迅速发展，纳米药物的研发已成为目前药物创新的发展方向之一。纳米药物具有基于纳米结构的尺度效应，其药代动力学特征与普通药物相比存在明显差异，其药代动力学研究与普通药物相比也有其特殊性。本文着重探讨纳米药物的非临床药代动力学的研究策略及关注要点，包括受试物、体内/外试验、生物样本分析、数据评价分析等，期望为研发者提供参考。     

直通链路技术的发展与展望

直通链路技术己广泛应用于车联网场景。对于直通链路技术的潜在技术方向给出可行的建议，包括传统直通链路技术的增强方向，如载波聚合、使用非授权频谱等；侧行链路对于中继场景的应用扩展，包括终端到终端之间的中继，以及中继的多链接场景；在高精度定位场景使用直通链路技术。并且，给出直通链路技术与各种新技术的融合应用，如智能反射面与区块链技术，从而解决直通链路技术自身的缺陷。     

Lighting the Path: Light Delivery Strategies to Activate Photoresponsive Biomaterials In Vivo

Photoresponsive biomaterials are experiencing a transition from in vitro models to in vivo demonstrations that point toward clinical translation. Dynamic hydrogels for cell encapsulation, light-responsive carriers for controlled drug delivery, and nanomaterials containing photosensitizers for photodynamic therapy are relevant examples. Nonetheless, the step to the clinic largely depends on their combination with technologies to bring light into the body. This review highlights the challenge of photoactivation in vivo, and presents strategies for light management that can be adopted for this purpose. The authors’ focus is on technologies that are materials-driven, particularly upconversion nanoparticles that assist in “direct path” light delivery through tissue, and optical waveguides that “clear the path” between external light source and in vivo target. The authors’ intention is to assist the photoresponsive biomaterials community transition toward medical technologies by presenting light delivery concepts that can be integrated with the photoresponsive targets. The authors also aim to stimulate further innovation in materials-based light delivery platforms by highlighting needs and opportunities for in vivo photoactivation of biomaterials.     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

“电工学”国家级一流课程建设与实践

根据新时代新工科人才需求特点和电工学课程特点,分析非电专业学生的电类实践需求,提出构建电工学课程为核心的电工电子实践创新能力培养新体系。通过优化教学内容、开展教学模式和考核模式改革、构建教学资源体系和进行教师队伍建设,使我校电工学课程教学质量提升、学生工程实践和创新能力提高、学生满意度增加、一流课程建设成效显著。