联合遮挡约束与残差补偿的特征金字塔光流计算方法

针对现有深度学习光流计算模型在运动遮挡和大位移等场景下光流计算的准确性与鲁棒性问题，本文提出一种联合遮挡约束与残差补偿的特征金字塔光流计算方法 .首先，构造基于遮挡掩模的光流约束模块，通过预测遮挡掩模特征图抑制变形特征的边缘伪影，克服运动遮挡区域的图像边缘模糊问题.然后，采用特征图变形策略构建基于特征变形的光流残差补偿模块，利用该模块学习到的残差光流细化原始光流场，改善大位移运动区域的光流计算效果.最后，采用特征金字塔框架构建联合遮挡约束与残差补偿的光流计算网络模型，提升大位移和运动遮挡场景下的光流计算精度.分别采用MPI-Sintel (Max-Planck Institute and Sintel)和KITTI (Karlsruhe Institute of Technology and Toyota Technological Institute)数据集对本文方法和代表性传统光流计算方法、深度学习光流计算方法进行综合对比分析，实验结果表明本文方法相对于其他方法能够有效提升大位移和运动遮挡场景下的光流计算精度与鲁棒性.     

基于分布式拍卖机制的多移动机器人动态任务分配算法

任务分配是多移动机器人调度系统的关键问题之一,为了提高任务整体完成效率,提出了一种基于分布式拍卖机制的多移动机器人动态任务分配算法.该方法对机器人群体采用分布式控制方法,彼此共享且动态更新任务集,采用分布式的拍卖机制竞拍任务,增加了调整任务执行顺序环节,考虑任务整体完成效率,最后在Linux系统下搭建了多机器人和障碍物的仿真环境.结果表明,该算法分配效率高于线性(CLP)算法和混合整数求解(CBC)算法,且具有稳定性,相比执行效率高的深度强化学习(DQN)算法和空缺链(VC)算法,执行效率稳定,移动代价降低了55%,实现了较高执行效率和低移动代价之间的平衡,可应用于实际仿真环境,具有可行性.     

DNA编码分子库液相筛选方法的新进展

目前, DNA编码分子库技术(DNA-encoded library, DEL)已经成为新药研发中不可或缺的重要技术平台.过去30年DEL技术不断发展成熟, DEL兼容化学反应也发展迅速,极大地改善了DEL的化学多样性,并推动了其在药物发现中的应用.通常, DEL的筛选主要是基于亲和力的固相筛选,将纯化后的靶点蛋白固载在基质上,然后通过物理洗脱的方式将结合分子与背景分子分离开来.近年来,一系列在液相中进行DEL筛选的新方法被研发出来,使得适用于DEL筛选的靶点范围被进一步扩大,揭示了DEL作为有效工具探索基础生物学的潜力.本文综合评述了DEL技术的液相筛选方法及应用,并对DEL技术应用于复杂生物靶点以及功能性筛选进行了展望.