基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题，提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性，提出基于快速神经网络架构搜索（neural architecture search，NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法，在预设的搜索空间中搜索最优网络结构，进行图像水印的高效嵌入与鲁棒提取。首先，将子网络中线性连接的全卷积层设置为独立的神经单元结构，并参数化表示结构单元内节点的连接，预先设定结构单元内每个神经元操作的搜索空间；其次，在完成一个批次的数据集训练后，依据神经元操作中的被采样次数和平均损失函数值动态更新概率；最后，重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上，大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑，本文算法具有较高的时间性能和较好的实验效果，在隐藏图像时，对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验，对比发现，本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著；在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著，特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

对初中数学深度学习的理解与探究

初中生在数学学习过程中,往往更多地将注意力集中在数学知识的习得,以及数学习题的解答上.这样的认识实际上限制了学生学习主动性的发挥,再加上初中生受身心发展局限性的影响,他们的学习行为有时停留在浅层学习(Surface Learning)的层面,存在碎片化、浅表化、浮躁化的现象,学生很难深度加工知识信息、深度理解复杂概念、深度掌握内在含义,进而建构个人化和情境化的知识体系以解决复杂问题.要化解这些难题,关键之一就是要优化学生的学习方式,要将学生从浅层学习中解放出来,要让学生真正经历深度学习的过程.     

具身学习视角下的教学环节再思考——以“全等三角形判定”第1课时为例

《义务教育数学课程标准(2011年版)》(以下简称《课标》)指出,数学教学活动,特别是课堂教学应激发学生兴趣,调动学生积极性,引发学生的数学思考,鼓励学生的创造性思维.这就要求教师在设计教学环节时,以学生经验为逻辑起点,以学生经验生长为目的,重视学生的多感官参与,拒绝单一的听中学,创设环节帮助学生体悟学习过程,关注学生的学习过程,具身学习正是通过身体的感觉运动系统与周围环境的互动,促使学习者的认知、心理和情感水平发生变化,为我们提供了一个引导学生学习方式转型的新视角。     

游客情感计算的文本大数据挖掘方法比较研究

旅游文本大数据以其方便、快捷和低门槛的特点为游客情感计算提供了极大便利，已经成为旅游大数据的主要来源之一。基于大数据理论和情感理论，以文本大数据为数据源，在全面梳理国内外情感计算相关成果的基础上，利用人工智能中的逻辑/算法编程方法、机器学习方法、深度学习方法对旅游文本大数据进行挖掘，探索最佳的基于文本大数据的游客情感计算方法。研究发现：（1）基于情感词典的游客情感计算模型，其核心是构建情感词典和设计情感计算规则，方法简单，容易实现，适用语料范围广。（2）机器学习，用统计学方法抽取文本中的特征项，具有非线性特征，可靠性较线性特征的情感词典方法高。（3）基于深度学习技术的游客情感计算，效果良好，准确率在85%以上。训练多领域的文本语料易于移植，实用性强，且泛化能力好，较适合大数据时代游客情感计算研究。     

介绍一个与材料相关的研究型综合化学实验——壳聚糖的制备与表征

在中国科学技术大学夏季学期的研究型实验课程"化学科研基础训练"中开设"壳聚糖的制备与表征"综合实验,以龙虾壳为原料,通过除蛋白、脱盐、脱色、脱乙酰等一系列反应,制备得到目标产物壳聚糖。运用红外光谱、核磁共振仪、黏度法、滴定等对产品的结构及性能进行表征。     

基于群论的晶格扰动介质纳米孔阵列多重Fano共振机理及演变

基于全介质超构材料独特的电磁属性,提出了一种晶格扰动介质纳米孔阵列超构表面来激发近红外区域的多重Fano共振.结合群论深入探究了该超构表面在其原胞为方形晶格构型与方形晶格对称性被破坏两情况下多重Fano共振的形成机理及演变规律.研究表明,在方形晶格超构表面中,外部辐射连续体分别与由正入射平面波直接激发的双重简并模式共振干涉形成双重Fano共振,且该共振与原胞中是否含孔及孔的形状无关,在晶格扰动超构表面中,原本不耦合的非简并模式由正入射平面波激发出来并与外部辐射连续体干涉形成Q值更高的三重Fano共振.进一步探讨了正入射平面波的xy极化方向对上述五重Fano共振的影响,结果表明,双重简并模式Fano共振偏振无关,三重非简并模式Fano共振偏振依赖.本文将为利用方形晶格构型的超构表面实现多重Fano共振的激发及演变提供有效的理论参考.     

基于深度学习的ELM实时识别研究

基于深度学习的方法，在HL-2A装置上开发出了一套边缘局域模(ELM)实时识别算法。算法使用5200次放电数据(约24.19万数据切片)进行学习，得到一个深度为22层的卷积神经网络。为衡量算法的识别能力，识别了HL-2A装置自2009年实现稳定ELMy H模放电以来所有历史数据(约26000次放电数据)，共识别出1665次H模放电，其中误识别35次，误报率为2.10%。在实际的1634次H模放电中，漏识别4次，漏识别率为0.24%。该误报率和漏报率可以满足ELM实时识别的精度要求。识别算法在实时控制环境下，对单个时间点的平均计算时间为0.46ms，可以满足实时控制的计算速度要求。     

基于“结构化教学”的小学数学深度学习

1问题提出南京市雨花台区小学数学项目研究——“落实课标精神、关注核心素养、践行结构教学”活动在我校拉开帷幕,本人有幸观察了两位数学教师执教的三年级同课异构的课例《认识几分之一》,聆听了省特级教师戴厚祥老师的《小学数学生态结构化教学》的讲座,感受颇深,之后引发思考,我们“怎样才能把学习压力和内在需求、数学思考和人的天性、情感与态度有机地统一起来,让小学数学教育既能使学生获得基础知识、智慧技能、认知策略、健全人格,又能使学生的情感态度价值观健康地发展?”带着这个思考,本人认为“小学数学深度学习的课堂”与“结构化教学”有着紧密的联系,是当前我们提高学生数学素养需要解决的问题.     

原位液相透射电子显微镜及其在 纳米粒子表征方面的应用

近年来,基于透射电子显微技术、微纳加工技术和薄膜制造技术的发展,原位液相透射电子显微技术产生,为构建多种纳米级分辨率尺度下的微实验平台,发展新型纳米表征技术和众多领域的相关研究提供了途径.本文首先介绍了应用于原位液相透射电子显微技术的液体腔设计要求,然后介绍了液体腔的发展和典型的制备工艺,最后综述了近年来液体腔透射电子显微镜在纳米粒子成核和生长方面的应用研究,并探讨了该技术前沿发展面临的机遇和挑战.本文将为提高我国先进纳米表征技术和原子精准构筑技术提供相关讨论和支持.