上海深紫外自由电子激光装置波荡器磁场调整

 在对上海深紫外项目的波荡器建造过程中,应用亥姆霍兹线圈系统测量了全部单磁块,并使用模拟退火法对磁块进行组合排序优化,使反映磁场的成本函数下降了3个数量级。对一段波荡器进行了多次测量、调整,使积分场、峰峰值误差、位相误差等各项指标达到设计要求。     

(C)-半环范畴

建立了C—半环范畴的概念,讨论了C—半环范畴的一些基本性质,并且给出自由C—半环的一种构造方法,进而,给出了任意一族C—半环的积与上积的存在唯一性定理。     

强正则图的字典积的零度和秩

设G,H是两个强正则图。它们的字典积（lexicographic product）图的零度和秩是指它们的邻接矩阵的零度和秩．讨论了部分强正则图在二元运算下的字典积图的结构、零度及秩。得到了一些有意义的结果．     

基于高斯噪声与ST-GCN的人体骨架动作识别

针对基于ST-GCN的骨架动作识别中人工预定义的邻接矩阵结构单一、难以捕捉到非相邻关节点之间的相关性这一问题,提出了一种基于高斯噪声的扰动机制.在人工预定义的骨架图邻接矩阵上引入高斯噪声,利用该噪声扰动ST-GCN中固定的邻接矩阵,捕捉非相邻关节点之间的相关性,运用该方法在具挑战性的NTU RGB+D和Kinetics-Skeleton两个大规模数据集上进行了分类识别实验,结果表明：该方法在两大数据集上的识别精度高达95.34%和36.43%,在节约计算量的前提下有效地提高了动作识别的性能.     

基于会话的图卷积递归神经网络推荐模型

基于会话的推荐是为了解决匿名用户的推荐问题,是推荐系统中的一个重要分支.现有的采用图神经网络的研究方法尽管已经取得了不错的效果,但是它们无法捕获更准确的用户会话间的潜在信息.针对上述问题,论文提出了基于会话的图卷积递归神经网络(GCRNN)推荐模型,通过图卷积网络层捕捉用户会话图的结构信息,利用递归神经网络层来获得会话的时序信息和会话之间的依赖关系,以此捕获更丰富更准确的用户会话间潜在信息,从而提升推荐效果.模型在两个公开数据集上进行广泛的实验,结果表明GCRNN优于现有的研究方法.     

信息技术与物理课程教学的整合

1运用积件思想 寻求高层次整合方法 目前,在计算机辅助课堂教学这个领域中,市场上已有一定数量的物理教学软件,但能够真正适合教学的却不多,加上教师自制课件的水平又不是很高,很容易造成“低水平重复”的现象因而寻求计算机辅助教学软件开发和应用的新路子——积件思想应运而生．积件“是由教．师和学生根据教学需要自己组合运用多媒体信息资源的教学软件系统”,是一个完全开放的软件系统,     

Nonpolar a-plane light-emitting diode with an in-situ SiNx interlayer on r-plane sapphire grown by metal-organic chemical vapour deposition

We report on the growth and fabrication of nonpolar a-plane light emitting diodes with an in-situ SiN_x interlayer grown between the undoped a-plane GaN buffer and Si-doped GaN layer. X-ray diffraction shows that the crystalline quality of the GaN buffer layer is greatly improved with the introduction of the SiN_x interlayer. The electrical properties are also improved. For example, electron mobility and sheet resistance are reduced from high resistance to 31.6 cm²/(V·s) and 460 Ω/口 respectively. Owing to the significant effect of the SiN_x interlayer, a-plane LEDs are realized. Electroluminescence of a nonpolar a-plane light-emitting diode with a wavelength of 488nm is demonstrated. The emission peak remains constant when the injection current increases to over 20 mA.     

矩阵方程AXB+CYD＝E的对称极小范数最小二乘解

对于任意给定的矩阵A∈Rm×n,B∈Rn×s,C∈Rm×k,D∈Rk×s,E∈Rm×s,本文利用矩阵的Kmnecker积和Moore-Penrose广义逆,研究矩阵方程AXB CYD=E的对称极小范数最小二乘解,得到了解的表达式．并由此给出了矩阵方程AXB=C的双对称极小范数最小二乘解的表达式．此外,我们还给出了求矩阵方程AXB=C的双对称极小范数最小二乘解的数值算法和数值例子．     

基于无监督样本关系嵌入模型的疟疾识别算法

目的 在不依赖真实标签的情况下利用图像样本关系识别被疟疾寄生虫感染的细胞。方法 采用一种能够提取样本间关系的无监督疟疾识别方法,并提出了一个由3个模块组成的样本关系注意力嵌入(Sample Correlation Attention Embedding, SCAE)模型。特征和关系初始化模块用于将原始图像映射为特征向量,并建立疟疾细胞之间的初始相关性矩阵。图注意力编码器模块通过一个带有注意力机制和图重构技术的图卷积网络进一步学习样本间特征和他们的关系信息。深度特征聚类模块用来预测细胞是否被疟疾感染。结果 将SCAE模型与一些最新的无监督算法进行了比较,以验证其在疟原虫识别任务中的有效性。结果表明,SCAE算法可达到94.8%的准确率、86.8%的标准化互信息(NMI)指标和84.7%的调整互信息(AMI)指标。结论 通过对SCAE模型评估,证明了该方法具有强大的疟疾识别能力,是当前最优的无监督疟疾识别方法。     

非线性薛定谔模型边界场算子的形式因子

讨论了可积开边界条件下的非线性薛定谔模型，给出了其贝特本征态的内积和模长.在此基础上得到了边界场算子的形式因子. 这些结果均被表达成由谱参量的函数所构成的行列式. 关键词： 可积模型 形式因子 反散射