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。     

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。     

LaCoO3对H2S选择氧化性能的影响

使用溶胶-凝胶法制备了LaCoO₃催化剂，采用XRD、BET和XPS等方式对催化剂进行了表征，考察了该催化剂制备过程中煅烧温度、表面活性剂PEG-6000和PEG-20000含量对其H₂S选择氧化制硫磺反应催化活性的影响。结果表明，表面活性剂PEG-6000及PEG-20000的添加能明显提高LaCoO₃的催化活性。0.02 mol La（NO₃）₃+0.02mol Co（NO₃）₂溶液中添加0.30 g PEG-20000、煅烧温度为650℃时所制备的LaCoO₃催化活性最好；在最佳反应温度260℃下，H₂S的转化率达到96.10%，硫选择性为93.77%。     

Microstructure evolution and passivation quality of hydrogenated amorphous silicon oxide(a-SiOx:H) on〈100〉- and 〈111〉-orientated c-Si wafers

Hydrogenated amorphous silicon oxide(a-SiOx:H) is an attractive passivation material to suppress epitaxial growth and reduce the parasitic absorption loss in silicon heterojunction(SHJ) solar cells. In this paper, a-SiOx:H layers on different orientated c-Si substrates are fabricated. An optimal effective lifetime(τ(eff)) of 4743 μs and corresponding implied opencircuit voltage(iV(oc)) of 724 mV are obtained on〈100〉-orientated c-Si wafers. While τ(eff) of 2429 μs and iV_oc of 699 mV are achieved on 111-orientated substrate. The FTIR and XPS results indicate that the a-SiOx:H network consists of SiOx(Si-rich), Si–OH, Si–O–SiHx, SiO2 ≡ Si–Si, and O3 ≡ Si–Si. A passivation evolution mechanism is proposed to explain the different passivation results on different c-Si wafers. By modulating the a-SiOx:H layer, the planar silicon heterojunction solar cell can achieve an efficiency of 18.15%.     

密度泛函理论研究MN@H_2O (M=Ga,Ge, In,Sn, Sb; N=M,Al)团簇的特性

采用密度泛函理论的B3LYP, B3P86, B1B95, P3PW91和PBE1PBE方法结合SDD, LANL2DZ和CEP-121G基组计算了d~(10)组态二聚物MN(M=Ga, Ge, In, Sn和Sb; N=M和Al)的几何结构.采用B3P86/SDD进一步研究了MN@H_2O团簇的几何结构及吸附能.结果表明,水分子结合在二聚物M_2上时,对二聚物影响较大,对水分子自身影响较小.将M_2中Ga, Ge, In, Sn或Sb替换一个原子为Al时,水分子在GeAl和SnAl上的吸附能变化较大,而在GaAl, InAl和SbAl上吸附能变化较小.另外, H_2O吸附在Ga, Ge, In, Sn和Sb上时,与吸附在Al上时,吸附能的变化不大.     

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。     

丹酚酸A 对H2O2 所致大鼠脑微血管内皮细胞氧化损伤保护的实验研究

目的 观察丹酚酸A 对H2O2所致大鼠脑微血管内皮细胞（RCMECs）氧化损伤的保护作用，并探讨其可能的作用机 制。方法 分离并培养大鼠脑微血管内皮细胞，用H2 O2 损伤的方法建立氧自由基损伤模型。采用丹酚酸A 进行干预后，分别测定细胞培养液中乳酸脱氢酶（LDH）活性、血栓素B2（TXB2）水平、6- 酮基前列腺素1α（6-keto-PGF1α）的含量，以及细胞内和培养液中脂质过氧化产物丙二醛（MDA）含量和超氧化物歧化酶（SOD）的活性。结果 H2O2致RCMECs 氧化损伤后，细胞LDH 释放水平、TXB2和MDA 的含量均明显增加，同时6-keto-PGF1α 含量和SOD 活性显著下降；而丹酚酸A 预处理后能呈浓度依赖性的降低RCMECs 氧化损伤后LDH 水平、TXB2含量和细胞内外的MDA 含量，提高受损细胞6-keto-PGF1α 的表达和细胞内外SOD 活性。结论 丹酚酸A 对H2O2所致RCMECs 氧化损伤具有保护作用，其机制可能与其抗氧化作用有关。