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。     

关于两个图的一类新连接图的谱

给定2个图G1和G2，设G1的边集E(G1)={e1,e2,?,em1}，则图G1⊙G2可由一个G1，m1个G2通过在G1对应的每条边外加一个孤立点，新增加的点记为U={u1,u2,?,um1}，将ui分别与第i个G2的所有点以及G1中的边ei的端点相连得到，其中i=?1,2,?,m1。得到：（i）当G1是正则图，G2是正则图或完全二部图时，确定了G1⊙G2的邻接谱（A-谱）。（ii）当G1是正则图，G2是任意图时，给出了G1⊙G2的拉普拉斯谱（L-谱）。（iii）当G1和G2都是正则图时，给出了G1⊙G2的无符号拉普拉斯谱（Q-谱）。作为以上结论的应用，构建了无限多对A-同谱图、L-同谱图和Q-同谱图；同时当G1是正则图时，确定了G1⊙G2支撑树的数量和Kirchhoff指数。     

Delannoy数与Schröder数的一些和式公式

研究了Delannoy数与Schr?der数.利用分析方法和组合技巧,建立了任意多个Delannoy数乘积的一些和式公式,并对Schroder数的和式公式进行了类似的研究.     

Soliton interactions and asymptotic state analysis in a discrete nonlocal nonlinear self-dual network equation of reverse-space type

We propose a reverse-space nonlocal nonlinear self-dual network equation under special symmetry reduction,which may have potential applications in electric circuits.Nonlocal infinitely many conservation laws are constructed based on its Lax pair.Nonlocal discrete generalized(m,N?m)-fold Darboux transformation is extended and applied to solve this system.As an application of the method,we obtain multi-soliton solutions in zero seed background via the nonlocal discrete N-fold Darboux transformation and rational solutions from nonzero-seed background via the nonlocal discrete generalized(1,N?1)-fold Darboux transformation,respectively.By using the asymptotic and graphic analysis,structures of one-,two-,three-and four-soliton solutions are shown and discussed graphically.We find that single component field in this nonlocal system displays unstable soliton structure whereas the combined potential terms exhibit stable soliton structures.It is shown that the soliton structures are quite different between discrete local and nonlocal systems.Results given in this paper may be helpful for understanding the electrical signals propagation.     

基于PI法的门源MS6.4地震前震中附近地震热点图像异常变化研究

基于1980年以来青海省和甘肃省区域地震台网的定位地震目录，分析了研究区最小完备震级，选取空间网格尺度为0.2°×0.2°、地震活动异常学习时间段和预测时间段均为3 a，应用图像信息（PI）法，分析了门源M_S6.4地震发生前震中附近地震热点图像的异常变化过程。结果表明，在2013年1月1日至2016年1月1日的预测时间窗内，冷龙岭断裂和祁连山北缘断裂附近存在明显的地震热点，且地震热点图像颜色偏深，发震概率较高，向前滑动至2014年1月1日至2017年1月1日，2015年1月1日至2018年1月1日和2016年1月1日至2019年1月1日3个预测时间窗，此两断裂附近仍存在地震热点，地震热点图像颜色逐渐由深变浅，而门源M_S6.4地震就落在PI法得到的地震热点内。门源M_S6.4地震前存在明显的地震热点，且地震热点相对集中，地震热点图像颜色由深变浅，震后消失；在祁连山北缘断裂附近，地震热点持续存在，分布较集中，地震热点图像颜色也呈由深变浅的过程。未来需关注祁连山北缘断裂，附近有发生强震的可能。     

非晶态固体的结构可以决定性能吗?

晶态固体的力学性能与塑性变形主要由结构缺陷,比如位错的运动决定.而在非晶态固体中结构如何决定性能,仍然是固体力学、材料学和凝聚态物理学共同关心但尚未解决的核心问题之一.传统材料学研究的经典范式为"结构决定性能".遵循这一信条,已经有大量的实验表征与理论、模拟研究,尝试将非晶态固体的某种结构特征与性能建立一一对应关系.但是,科学界对于非晶固体结构-性能关系成立与否,以及背后隐藏的规律知之甚少.本文针对非晶态固体的变形机制以及其微结构特征,基于分子动力学模拟,定量评估短程简单结构与中长程复杂结构在决定非晶态固体动力学性能方面的效用.通过海量抽样每种具体玻璃结构的激活能(标识激发难易程度),尝试将结构参数与激活能建立定量关系,从而揭示出非晶态固体结构-性能关系的隐藏主控因素为结构的空间关联,受限比几何结构本身更关键.只有某种结构在空间上呈现亚纳米级的空间关联长度,这种完备结构才有可能有效地决定非晶态固体的力学性能,而短程简单结构则无效.进一步,给出了评价非晶态固体结构预测性能有效性的普适定量方法,为建立广义无序物质的结构-性能关系提供了筛选准则.     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据，随着高分辨率遥感图像数据的日益增多，迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分，在特征选择上存在一定的局限性。为此，提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network，DCNN）的多尺度神经网络（multi-scale neural network，MSNet）模型，基于残差网络构建了100层编码网络，通过并行输入实现输入图像的多尺度学习，利用膨胀卷积实现特征图像的多尺度学习，设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验，总体分类精度达91.97%，并将其与传统全卷积网络（fully convolutional networks，FCN）方法和基于支持向量机（support vector machine，SVM）的面向对象方法进行了对比，结果表明，本文所提方法分类精度更高，分类结果整体性更强。     

排序支持的交互数据分类算法及其应用

交互分类是解决数据复杂分类问题的主要手段之一。在现有的大多交互分类系统中，用户能准确识别数据类别，但在有些分类场景中,类别之间的顺序关系更容易被识别，为此，提出一种排序支持的交互数据分类算法。为提升交互分类精度，引入数据的顺序信息，为降低标记难度，提出候选样本推荐策略。另外,提出一种评估分类算法性能的可视化方法，用包含基本车况、交通违法记录、交通事故记录等信息的车辆数据集进行实验验证，将相关车辆分为高危车辆、中危车辆、低危车辆3类，算法的分类结果模型一致度达近98%，验证了方法的有效性。     

固体核磁共振结合密度泛函理论计算研究SSZ-39分子筛的钠离子落位与铝分布

具有AEI结构的SSZ-39分子筛的骨架外阳离子落位和铝分布对其催化性能影响显著.AEI笼中有三个结晶学不等价位，且铝取代T位具有一定的倾向性.本文结合固体核磁共振（NMR）技术（²⁷Al/²³Na MQ MAS NMR），以及密度泛函理论（DFT）计算，研究了不同硅铝比Na-SSZ-39分子筛中的Na⁺落位和铝分布.在孤立铝分布的情况下，铝原子优先占据于T3位，Na⁺主要落位于AEI笼中的SIIa0和SIII'a0位点上，其中SIII'a0位点的优先度较高，此外少部分Na⁺还落位于六棱柱内部的SIa0.当铝对存在时，AlSiSiAl分布的铝对占据六元环的对位（T3-T3），对应的Na⁺分别落位于SIIa1和SⅢ'a1位点.随着分子筛结构的部分破坏，游离的Na⁺可能形成明显的SIII'b位点.本文可加深对SSZ-39分子筛构效关系的理解，为更好地调控催化性能奠定基础.     

高效液相色谱法测定水体中的痕量一氧化氮

基于4,5-二氨基荧光素与一氧化氮（NO）反应生成高荧光三唑荧光素的原理，建立了一种测定水体中溶解NO的高效液相色谱方法。通过不同流动相（乙腈∶磷酸盐缓冲溶液）配比实验和色谱柱温度梯度实验，确定了该方法测定水体中NO的最佳实验条件：流动相配比为乙腈∶磷酸盐缓冲溶液=8∶92(V/V)；柱温为25℃。在优化条件下，测得NO浓度与荧光强度在0.33～3.32 nmol/L和13.3～266 nmol/L范围内具有良好的线性关系，检出限为90 pmol/L，相对标准偏差为5.1%，平均加标回收率为122.4%。方法可用于测定可口可乐、植物饮料、海水和日本星杆藻藻液中的NO浓度。