生物基芳香二酸2,5-呋喃二甲酸 (2,5-furandicarboxylic acid, FDCA) 有望部分替代石油基二酸对苯二甲酸 (terephthalic acid, PTA) 用于高性能高分子材料的合成. 本文综述了从5-羟甲基糠醛 (5-hydroxymethylfurfural, HMF)、糠酸、呋喃、二甘醇酸、己糖二酸、2,5-二甲基呋喃和2-甲基呋喃制备FDCA的各路线, 并详细介绍了HMF的直接氧化法、多相热催化氧化法、光电催化氧化法以及糠酸羧基化、歧化、羰基化等策略合成FDCA. 在比较了各路线优缺点的基础上, 认为HMF路线和糠酸路线是FDCA规模化生产最有希望的路线, 提出未来应在改进催化路线、简化反应工艺、提高分离效率、减少三废含量等方面进行更为深入的探索和研究.
在课堂教学中, 人工智能技术可以帮助实现学生行为分析自动化, 让教师能够高效且直观地掌握学生学习行为投入的情况, 为后续优化教学设计与实施教学干预提供数据支持. 构建了学生课堂行为数据集, 为后续研究工作提供了数据基础; 提出了一种行为检测方法及一套可行的高精度的行为识别模型, 利用OpenPose算法提取的人体姿态全局特征, 融合YOLO v3算法提取的交互物体局部特征, 对学生行为进行了识别分析, 提高了识别精度; 改进了模型结构, 压缩并优化了模型, 降低了空间与时间的消耗. 选取与学习投入状态紧密相关的4种行为: 正坐、侧身、低头和举手进行识别, 该检测与识别方法在验证集上的精度达到了95.45%, 在课堂上玩手机和书写等常见行为的识别精度较原模型有很大的提高.
命名实体识别(Named Entity Recognition, NER)作为自然语言处理的基本任务之一, 一直以来都是国内外研究的热点. 随着金融互联网的快速发展, 迄今为止, 金融领域中文NER不断进步, 并得以应用到其他金融业务中. 为了方便研究者了解金融领域中文NER方法的发展状况和未来发展趋势, 进行了一项相关方法的研究和总结. 首先, 介绍了NER的相关概念和金融领域中文NER的特点; 然后, 按照金融领域中文NER的发展历程, 将研究方法分为基于字典和规则的方法、基于统计机器学习的方法和基于深度学习的方法, 并详细介绍了每类方法的特点和典型模型; 接下来, 简要概括了金融领域中文NER的公开数据集和工具、评估方法及其应用; 最后, 向读者阐述了目前面临的挑战和未来的发展趋势.
辫子向量代数是辫子张量范畴中一类非常重要的霍普夫代数. 本文通过证明量子向量空间和辫子向量代数作为结合代数是同构的, 从而从量子包络代数 $ U_q(\mathfrak{g})$ 表示的角度详细刻画了辫子向量代数定义中的关系式, 以及定义中两个重要的 $ R$ -矩阵 $ R',R$ 满足的三个等式关系的由来.
传感器技术的普及使得时间序列数据受到人们越来越多的关注. 早期时间序列分类(Early Time Series Classification, ETSC)希望通过观测尽可能短的时序数据而对其做出尽可能准确的分类, 已在科技金融领域发挥着重要的作用. 首先概述了常见的时间序列分类器, 并综述了基于最小预测长度、基于最大区分子序列和基于模型的3类早期时间序列分类框架的最新研究进展. 然后在每类方法中, 分析了具有代表性的早期时间序列分类模型的关键技术及其优缺点; 整理了科技金融领域的公开数据集和常见的评价指标. 最后对未来的发展趋势做了展望.
文本数据中的实体和关系抽取是领域知识图谱构建和更新的来源. 针对金融科技领域中文本数据存在重叠关系、训练数据缺乏标注样本等问题, 提出一种融合主动学习思想的实体关系联合抽取方法. 首先, 基于主动学习, 以增量的方式筛选出富有信息量的样本作为训练数据; 其次, 采用面向主实体的标注策略将实体关系联合抽取问题转化为序列标注问题; 最后, 基于改进的BERT-BiGRU-CRF模型实现领域实体与关系的联合抽取, 为知识图谱构建提供支撑技术, 有助于金融从业者根据领域知识进行分析、投资、交易等操作, 从而降低投资风险. 针对金融领域文本数据进行实验测试, 实验结果表明, 本文所提出的方法有效, 验证了该方法后续可用于金融知识图谱的构建.
为了实现碳达峰碳中和的国家战略, 利用可再生能源发电将二氧化碳电催化转化为化学品再利用, 这引起了科学界的广泛关注. 铜基催化剂可将二氧化碳电还原为高附加值的多碳产物, 但仍需研究其催化机理来提高催化产物的选择性和催化效率. 根据铜的状态可将铜基催化剂分为单原子铜基催化剂、定向晶面铜基催化剂、氧化态铜基催化剂和铜合金/复合催化剂. 本文简要介绍了以上4类铜基催化剂的常见制备方法、结构特点、电催化还原二氧化碳的效果和可能的催化机理.
制备了一种新型慢病毒载体冻干制剂. 通过冻干保护剂处方的筛选与优化, 从外观、赋形性、色泽度、溶解性方面评价冻干制剂的理化性质, 确定最优处方为海藻糖0.30 g/mL、L-组氨酸0.31 mg/mL、L-丙氨酸0.178 mg/mL、CaCl2 0.020 mg/mL、MgSO4 0.015 mg/mL. 所制备的慢病毒载体冻干制剂外观良好, 残余水分含量低, 结构保持完整, 再分散性较好; 慢病毒载体生物滴度可高达9.37 × 107 IU/mL, 滴度回收率为50.15%. 影响因素稳定性实验、高温加速实验和反复冻融稳定性实验等研究显示, 真空冷冻干燥技术可用于慢病毒载体固体制剂的制备, 并且能够有效改善慢病毒载体不同温度条件下的储存效果、反复冻融稳定性以及对高温等不良环境的耐受能力.
实例分割是计算机视觉领域中的一项重要任务, 近年来元学习和小样本学习的发展推动了小样本与计算机视觉任务的结合, 突破了对人工标注难、标注成本高的目标检测与分类瓶颈. 虽然在小样本图像分类、小样本语义分割和小样本目标检测上都取得了较大的发展, 但是基于小样本学习的实例分割近年来才成为研究热点. 从小样本实例分割的相关概念出发, 对现有小样本实例分割方法, 按照基于锚框和无锚框两类分别进行了系统性的概述, 并介绍了小样本实例分割常用的数据集及评价指标. 通过对算法性能和优缺点的分析对比, 以及研究现状的整理归纳, 对小样本实例分割未来发展方向和面临的挑战进行了展望.
近年来, 深度学习方法被广泛地应用于命名实体识别任务中, 并取得了良好的效果. 但是主流的命名实体识别都是基于序列标注的方法, 这类方法依赖于足够的高质量标注语料. 然而序列数据的标注成本高昂, 导致命名实体识别训练集规模往往较小, 这严重地限制了命名实体识别模型的最终性能. 为了在不增加人工成本的前提下扩大命名实体识别的训练集规模, 本文分别提出了基于EDA(Easy Data Augmentation)、基于远程监督、基于Bootstrap(自展法)的命名实体识别数据增强技术. 通过在本文给出的FIND-2019数据集上进行的实验表明, 这几种数据增强技术及其它们的组合能够低成本地增加训练集的规模, 从而显著地提升命名实体识别模型的性能.
查询处理是现代关系型数据库管理系统(DBMS)中最重要的功能之一, 主要包括查询优化和查询执行. 然而查询处理的复杂性导致了测试的高成本, 阻碍了开发过程中的快速迭代, 并可能在生产环境中导致严重错误. 为了更好地服务于DBMS查询处理功能的评测, 采用模糊测试的方法生成基于主键约束的随机数据和完全有效的复杂分析型查询; 构建约束优化, 对查询中算子的精确基数进行高效计算, 从而获得查询的正确结果; 最后实现了完整的工具. 通过对TiDB的不同版本进行了小规模的测试, 结果表明可以有效地检测出TiDB不同版本的一些Bug.
农药的使用是控制作物病虫害、提高农作物产量的重要手段. 天然产物及其衍生物是农药的重要来源, 在杀虫、杀菌、植物生长调节、免疫调节等领域均发挥着重要作用. 随着基因组学、蛋白组学、结构生物学和其他生物技术的发展, 基于天然产物的农药靶标确证和基于靶标结构的新农药分子创制研究也得以飞速发展, 使得“合理设计”在农药创制研究中的应用凸显. 本文将通过案例, 展示基于已知靶标的活性天然产物的发现, 或基于天然产物的新农药靶标的确证, 以及其后续新农药创制的研究进展, 以阐释活性天然产物在新农药靶标与农药创制间的桥梁作用.
近年来, 废弃塑料造成的白色污染引起了人们的广泛关注. 小于 5 mm的塑料微粒 (微塑料) 在海洋环境中广泛分布, 其表面附着生物, 既包括对海洋生物甚至人体有害的潜在致病菌, 又存在能够减少其污染的塑料分解菌. 微塑料因其难降解的特性, 可以在水环境中持久存在, 其表面附着的微生物也能够长期稳定地生存. 此外, 微塑料可能通过食物链传递给更高营养级的生物, 会被误食而影响到鱼类生长. 本文综述了微塑料在海洋环境中的分布, 微塑料表面含有或附着的有害物质对生物体的可能影响. 探讨了微塑料表面附着的致病微生物及塑料分解微生物的生态效应, 以及微塑料通过食物链向高营养级传递的可能性. 对微塑料分布和表面附着生物可能引起的生态风险进行了分析. 还指出了在塑料垃圾和微塑料对海洋生态系统的影响方面需要有更多的研究, 以全面认识海洋微塑料及其附着物的生态效应, 为海洋塑料污染治理提供科学依据.
窃电行为是导致电力企业电能与经济效益损失的重要原因. 提出了一种基于t-LeNet(Time-Series Specific Version of LeNet Model)与时间序列分类(Time Series Classification, TSC)的窃电行为检测方法: 首先, 获取用户用电量时序数据, 使用降采样方法生成训练集; 然后, 使用t-LeNet神经网络训练并预测得到分类结果, 判断用户是否存在窃电行为. 使用国家电网真实用户的用电量数据集进行了实验验证. 实验结果表明, 所提方法相较于基于Time-CNN(Time Convolutional Neural Network)、MLP(Muti-Layer Perception)的时间序列分类方法, 在综合评价指标、精确率、召回率指标上均有不同程度提高, 其对窃电行为的检测具有可行性与有效性.
针对现有施工场所下工人安全帽佩戴检测模型推理耗时长、对硬件要求高, 且复杂多变环境下的训练数据集单一、数量少导致模型鲁棒性较差等问题, 提出了一种轻量化的安全帽佩戴检测模型YOLO-S. 首先, 针对数据集类别不平衡问题, 设计混合场景数据增强方法, 使类别均衡化, 提高模型在复杂施工环境下的鲁棒性; 将原始YOLOv5s主干网络更改为MobileNetV2, 降低了网络计算复杂度. 其次, 对模型进行压缩, 通过在BN层引入缩放因子进行稀疏化训练, 判定各通道重要性, 对冗余通道剪枝, 进一步减少模型推理计算量, 提高模型检测速度. 最后, 通过知识蒸馏辅助模型进行微调得到YOLO-S. 实验结果表明, YOLO-S的召回率及mAP较YOLOv5s分别提高1.9%、1.4%, 模型参数量压缩为YOLOv5s的1/3, 模型体积压缩为YOLOv5s的1/4, FLOPs为YOLOv5s的1/3, 推理速度快于其他模型, 可移植性较高.
采用种子生长法制备了银纳米颗粒, 通过电置换反应将单金属银颗粒转变为中空金银双金属纳米颗粒. 电镜表征及吸收光谱的结果表明, 通过控制种子溶液的加入量、超声时间和离心次数等条件, 能够有效调控金属纳米颗粒的尺寸以及局域表面等离激元的共振峰位与目标分子匹配; 进而可以利用配体交换反应在金属纳米颗粒表面包裹TDBC分子薄膜, 实现表面等离激元-分子激子的强耦合.
塑料因其质轻、便携、廉价而在人们的日常生活中被广泛应用. 然而, 塑料被废弃后, 因其化学性质稳定, 很难在自然环境中降解, 这使得塑料污染已成为新的全球性环境问题. 近年来, 关于塑料降解的研究与日俱增. 为了推进塑料垃圾的处理与环境保护工作, 文章论述了塑料污染的现状, 系统地阐述了塑料降解的研究方向, 并提出了未来有关光催化及生物基塑料的发展前景, 以期能为环境保护及可持续发展提供科学参考.
国际数学奥林匹克是最重要的、影响最大的全球青少年智力竞赛之一, 但在国家层面如何有效组织这项赛事使它助力于数学和科技英才培养的研究非常少. 数学奥林匹克起源于求解数学难题的竞赛, 不少卓越的数学家和科学家都曾是国际数学奥林匹克的优胜者, 他们或多或少从中受益, 数学奥林匹克有助于选拔和培养数学资优学生已经是共识. 中国参与国际数学奥林匹克所取得的优异成绩是世所瞩目的, 中国在国际数学奥林匹克中表现优异的队员后来很多都成为杰出的数学家和科技工作者. 这些成绩有必要得到宣传, 数学奥林匹克的中国经验需要总结和推广. 本文主要对国际数学奥林匹克的历史作了简单梳理, 并基于文献对国际数学奥林匹克的中国实践进行了述评. 中国通过全国高中数学联赛、全国中学生数学冬令营和国际数学奥林匹克国家集训队三级选拔, 选出参加国际数学奥林匹克选手的数学竞赛组织方式, 以校级培训为主阵地的多级培训体系, 以及相关学习资料的积累和出版, 是中国在国际数学奥林匹克中取得卓越成绩的重要保障. 新冠肺炎疫情暴发对国际数学奥林匹克的正常开展产生了影响, 但中国以成功的实践给出了有效的应对措施. 当下中国社会各界对数学奥林匹克仍存在一些误解, 适当地介绍一些参与过国际数学奥林匹克竞赛并因此在以后的工作中取得卓越贡献的代表性人物, 有助于大众更全面地认识数学奥林匹克. 同时, 国际数学奥林匹克的中国经验对于其他国家组织数学竞赛培训以及选拔和培养数学资优学生具有借鉴价值.
多层网络能更好地反映真实世界中许多系统的结构和特征, 近年来已逐渐成为人们的研究热点. 基于层间节点的度-度相关性, 提出了一种层间中间度耦合方式, 目的是在较低的层间耦合成本下提高网络传输容量. 在最短路径和有效路由这两种经典的路由策略下, 分别验证了中间度耦合方式的有效性. 与同配耦合、异配耦合和随机耦合这3种耦合方式相比, 中间度耦合方式可以使网络中流量的分布更加均匀、网络传输容量的提升更大, 并可有效降低数据包在网络中的平均传输时间. 数据包采用有效路由策略传输时, 在较低的耦合概率下, 中间度耦合方式更能明显地提高网络的传输容量; 同时, 仿真发现均匀的网络拓扑结构具备更高的承载能力.
基于特征选择的网络流量异常检测引起了人们广泛的研究兴趣. 现有的方案大多通过简单降低流量数据的维度来检测异常, 却忽略了数据特征之间的相关性, 导致异常流量检测效率低下. 为了有效识别各种类型的攻击, 首先提出了一种自注意力机制模型来学习网络流量数据多个特征之间的相关性. 然后, 设计了一种新型的多特征异常流量检测和分类模型, 该模型分析了异常流量数据中多特征之间的相关性, 达到检测与识别异常网络流量的目的. 实验结果表明, 与两种基准方法相比, 所提出的技术将异常检测和分类的准确率提高了1.65%, 并将误报率降低了1.1%.
中国综合性科技类核心期刊(北大核心)
