否定非对合剩余格上基于正规模糊理想的一致拓扑空间

拓扑结构是逻辑代数研究领域的重要研究内容之一,为了揭示否定非对合剩余格上的拓扑结构,基于正规模糊理想诱导的同余关系在否定非对合剩余格上构造一致拓扑空间并讨论其拓扑性质.证明了:(1)一致拓扑空间是第一可数,零维,非连通,局部紧的完全正则空间;(2)一致拓扑空间是T_1空间当且仅当是T_2空间;(3)否定非对合剩余格中格运算和伴随运算关于一致拓扑都是连续的,从而构成拓扑否定非对合剩余格.同时,获得了一致拓扑空间是紧空间和离散空间的充分必要条件.最后,讨论了拓扑否定非对合剩余格中代数同构与拓扑同胚间的关系.对从拓扑层面进一步揭示否定非对合剩余格的内部特征具有一定的促进作用.     

C-ADS注入器Ⅰ联锁保护系统设计

联锁保护系统是加速器驱动次临界系统（ADS）先导专项（C-ADS）核心系统之一，用于对加速器控制及人身和设备保护。为此设计搭建了基于可编程逻辑控制器（PLC）和PROFINET协议的联锁控制系统，对加速器各个关键部件的信号进行采集和控制。为满足加速器对可靠性的严格要求，该联锁系统选用最新型的PLC和I/O模块，并采用高可靠性容错和冗余技术的硬件设计。本文还对该联锁系统的冗余状态和非冗余状态做了可靠性分析对比。基于该系统的实验物理和工业控制系统（EPICS）的控制接口也已成功开发，并在线应用。     

红外动态场景生成装置空间分辨率的测试

建立了一套基于刀口灰度图红外探测的实验装置,对红外场景生成器的空间分辨率进行了测试。首先通过被测红外场景生成器产生带有刀口标志的红外图像,然后利用红外热像仪采集红外场景生成器所成的红外图像,通过对采集到的红外热图的数据处理,实现了对红外场景生成器空间分辨率的测量。测得的红外场景生成器的空间分辨率为5lp/mm,标准误差为0.04。     

直觉模糊模型检测在工程决策上的应用

将直觉模糊Kripke结构扩展到加权直觉模糊Kripke结构,将直觉模糊计算树逻辑诱导到加权直觉模糊计算树逻辑;研究在此之上的直觉模糊期望测度和多属性工程决策问题。用加权直觉模糊Kripke结构的权值自然地刻画了工程问题中的成本和收益,直觉模糊测度量化工程进展的不确定性,用加权直觉模糊计算树逻辑描述不确定性工程属性约束。给出了基于直觉模糊模型检测的多属性工程寻优算法,并讨论了算法的复杂度。     

基于卷积神经网络的焊缝缺陷图像分类研究

为有效地对焊缝缺陷进行分类，从而判断焊接质量的等级，对传统卷积神经网络进行改进，提出一种多尺度压缩激励网络模型（SINet）。将4组两两串联的3×3卷积模块与Inception模块、压缩激励模块（SE block）相结合。通过多尺度压缩激励模块（SI module）将卷积层中的特征进行多尺度融合和特征重标定以提高分类准确率，并用全局平均池化层代替全连接层减少模型参数。此外考虑到焊接缺陷数量不平衡对准确率的影响，采用深度卷积对抗生成网络（DCGAN）进行数据集的平衡处理，并在该数据集上验证模型的有效性。与传统卷积神经网络相比，该模型具有良好的性能，在测试集上准确率达到96.77%，同时模型的参数个数也明显减少。结果表明该方法对焊缝缺陷图像能进行有效地分类。     

基于伪模态转换的红外目标融合检测算法

为提高红外图像目标检测的精度和实时性,提出一种基于伪模态转换的红外目标融合检测算法.首先,利用双循环的生成对抗网络无需训练图像场景匹配的优势,获取红外图像所对应的伪可见光图像;然后,构建残差网络对双模态图像进行特征提取,并采取add叠加方式对特征向量进行融合,利用可见光图像丰富的语义信息来弥补红外图像目标信息的缺失,从而提高检测精度;最后,考虑到目标检测效率问题,采用YOLOv3单阶段检测网络对双模态目标进行三个尺度的预测,并利用逻辑回归模型对目标进行分类.实验结果表明,该算法能够有效地提高目标检测准确率.     

二元向量值调制框架的特征刻画

研究希尔伯特空间中向量值调制框架的特征.给出函数族{E_(mb)S_(na)h}_(m,n∈Z~2)构成空间L~2(R~2,C~s)的向量值调制框架的充分条件和{E_(mb)S_(na)h}_(m,n∈Z~2)成为向量值调制紧框架的等价条件.     

基于通用生成函数的惯导部件可靠性建模

惯性导航系统是飞机、导弹等复杂装备的重要部件。准确评估其可靠性是装备使用、保障和遂行作战任务的基础。在分析基于通用生成函数方法构建多状态可靠性模型研究的基础上,设计了一种基于通用生成函数方法的性能相依多状态系统可靠性建模的仿真算法,以某型飞机的惯性导航计算部件为研究对象对模型的正确性进行了验证,并且和基于贝叶斯网络可靠性建模方法进行了比较,结果表明:①设计方法可行与贝叶斯方法可靠性结果一致且计算速度快,其中贝叶斯算法过程约需3.72e-02 s,而基于UGF的算法需要1.8810e-03 s左右;②所建模型可以获得多状态系统性能状态的分布特性。     

基于Deep-IndRNN的DGA域名检测方法

恶意服务常利用域名生成算法（DGA）逃避域名检测,针对DGA域名隐蔽性强、现有检测方法检测速度较慢、实用性不强等问题,采用深度学习技术,提出了一种基于Deep-IndRNN的DGA域名检测方法。方法运用词袋模型（BoW）将域名向量化,然后通过Deep-IndRNN提取域名字符间特征,并使用Sigmoid函数对域名分类检测。其主要特点在于:通过将Deep-IndRNN的多序列输入拼接为单向量输入,以单步处理代替循环处理,同时结合Deep-IndRNN能保存更长时间记忆的特点,可有效释放深度学习时占用的GPU、CPU等系统资源,且在保证高准确率和精确度的前提下提高训练、检测速度。实验结果表明,基于Deep-IndRNN的DGA域名检测方法在检测任务中具有较高的准确率和精确度,相比于DNN、CNN、LSTM、BiLSTM、CNN-LSTM-Concat等同类检测方法,能显著提高训练、检测速度,是有效可行的。     

设计核酸适配体智能逻辑开关平台用于肿瘤细胞多参数识别及智能给药

与正常细胞相比,癌细胞通常在其表面表达与肿瘤相关的特异性标志物。通过细胞膜表面多个特异性肿瘤标志物来确定癌症细胞及其分型以达到准确诊断并治疗癌症,一直是科学家们追求的目的。最近,湖南大学化学化工学院和生物学院教授,化学生物传感与计量学国家重点实验室主任谭蔚泓领导的分子科学和分子医学实验室(MBL)利用核酸适配体作为基本的分子元件,在细胞表面构建了一种智能逻辑开关平台,依据细胞