张英俊书法作品

张英俊,字逸农,江西省书法家协会副主席,江西省文联委员,中国书法家协会会员,民建中央画院艺术委员会副主任,二级美术师,河北美术学院特聘教授,曲阜师范大学书法学院客座教授,江西省百千万人才工程人才,现供职于江西省群众艺术馆。张英俊书法作品获得全国楹联书法篆记得大赛创作一等奖、书法导报首届全国手卷展一等奖、第四届"商鼎杯"全国书法大奖赛金奖、第三届"兰亭奖"全国书法大赛三等奖、全国书法艺术大赛"冼夫人奖"全国一等奖等全国级大奖几十项。

CNN-Transformer特征融合多目标跟踪算法

在卷积神经网络(CNN)中,卷积运算能高效地提取目标的局部特征,却难以捕获全局表示;而在视觉Transformer中,注意力机制可以捕获长距离的特征依赖,但会忽略局部特征细节。针对以上问题,提出一种基于CNN-Transformer双分支主干网络进行特征提取和融合的多目标跟踪算法CTMOT(CNN-transformer multi-object tracking)。使用基于CNN和Transformer双分支并行的主干网络分别提取图像的局部和全局特征。使用双向桥接模块(two-way braidge module,TBM)对两种特征进行充分融合。将融合后的特征输入两组并行的解码器进行处理。将解码器输出的检测框和跟踪框进行匹配,完成多目标跟踪任务。在多目标跟踪数据集MOT17、MOT20、KITTI以及UADETRAC上进行评估,CTMOT算法的MOTP和IDs指标在四个数据集上均达到了SOTA效果,MOTA指标分别达到了76.4%、66.3%、92.36%和88.57%,在MOT数据集上与SOTA方法效果相当,在KITTI数据集上达到SOTA效果。由于同时完成目标检测和关联,能够端到端进行目标跟踪,跟踪速度可达35 FPS,表明CTMOT算法在跟踪的实时性和准确性上达到了较好的平衡,具有较大潜力。

课程学习指导下的半监督目标检测框架

为了提高伪标签的质量,解决半监督目标检测(SSOD)中的确认偏差问题,并针对现有算法中忽视无标注数据复杂性导致错误伪标签的难点,提出一种课程学习(CL)指导下的SSOD框架,该框架主要由ICSD(IoUConfidence-Standard-Deviation)难度测量器和BP(Batch-Package)训练调度器这2个模块组成。其中,ICSD难度测量器综合考虑了伪边界框之间的交并比(IoU)、置信度、类别标签等信息,并引入C_IOU(Checkpoint_IOU)方法评估无标注数据的可靠性;BP训练调度器设计2种高效调度策略,分别从Batch和Package角度出发,优先选择可靠性指标高的无标记数据,实现以CL的方式充分利用整个无标记数据集。在Pascal VOC和MS-COCO数据集上的广泛对比实验结果表明,所提框架不仅适用于现有的SSOD算法,而且检测精度和稳定性都得到显著提升。

多视野精细分析下的弱监督目标定位算法

针对多尺度目标定位精度较差,难以捕获完整目标边界的问题,设计一种多视野精细分析模块并融入通道与空间注意力机制抑制背景噪声的干扰,获取多尺度目标的高分辨率特征。利用随机特征选取模块获取特征图随机位置的组合,聚合多个位置图获取最具辨别性的位置及其它位置的信息,融合浅层生成的类激活图与聚合类激活图获取细粒度位置信息,捕获完整的目标边界。与现有的弱监督定位方法相比,在解决多尺度目标定位效果差和局部最优问题上具有一定的优势。

大学信息技术通识课程助力青少年科普教育

高校正发挥着越来越重要的科普育人功能,大学信息技术通识课程的作用尤为显著。以北京交通大学人工智能与未来交通技术科普教育基地建设为例,介绍该科普教育基地在建设过程中逐渐形成的4个科普方向:无人驾驶、计算思维、未来交通技术和高铁轨道巡检(虚拟仿真);阐述大学信息技术通识课程体系在科普基地建设中的作用,以及围绕“智能、赋能”的实验教学发展举措。最后,以“无人驾驶系列实验”为例,介绍如何设计面向青少年的无人驾驶教育科普资源。这些资源在开展科普活动中获得了较好效果,为大学信息技术通识课程助力青少年科普教育活动提供了参考。今后,该科普教育基地将继续扎实、深入、有效、全面推进青少年科普教育工作。

张英俊

张英俊，字逸农，号龙岗居士，斋号两忘轩、一苇居，河南尉氏人．河南省隶书创作委员会委员．河南省耔法院特聘书法家河北美术学院特聘教授。

张英俊作品

张英俊，字逸农，号龙岗居士，斋号两忘轩、一苇居，河南尉氏人，河南省隶书创作委员会委员，河南省书法院特聘书法家，河北美术学院特聘教授，东京蓬池书画院院长，北京国之清韵书画院副院长。

张英俊

字逸农，号龙岗居士．斋号两忘轩．一苇居．河南尉氏人，河南省隶书创作委员会委员．河南省书法院特聘书法家，河北美术学院特聘教授，东京蓬池书画院院长．中国书法家协会会员，中国艺术研究院书法硕士，中国书协考级培训总部考官。

模糊认知图学习算法及应用综述

模糊认知图(Fuzzy cognitive map, FCM)是建立在认知图和模糊集理论上的一类代表性的软计算理论,兼具神经网络和模糊决策两者的优势,已成功地应用于复杂系统建模和时间序列分析等众多领域.学习权重矩阵是基于模糊认知图建模的首要任务,是模糊认知图研究领域的焦点.针对这一核心问题,首先,全面综述模糊认知图的基本理论框架,系统地总结近年来模糊认知图的拓展模型.其次,归纳、总结和分析模糊认知图学习算法的最新研究进展,对学习算法进行重新定义和划分,深度阐述各类学习算法的时间复杂度和优缺点.然后,对比分析各类学习算法在不同科学领域的应用特点以及现有的模糊认知图建模软件工具.最后,讨论学习算法未来潜在的研究方向和发展趋势.

补播苜蓿对退化草地植物群落结构和生产力的影响途径

近年来,紫花苜蓿(Medicago sativa L.)和黄花苜蓿(Medicago falcata L.)被广泛选作补播材料,用于修复退化草地。尽管研究表明二者的植物学特征存在差异,但鲜有人关注它们是否会通过不同的方式影响退化草地的生产力。为了探究二者对退化草地的修复效果是否存在差异,并确定影响补播地生产力的限制因素,本研究选取黄花苜蓿和紫花苜蓿作为补播种对退化草甸草原进行了补播,并在隔年对草地植被、土壤理化性质和微生物量进行监测。结果表明,两种苜蓿都可以显著增加退化草地生产力并改善土壤健康状况。然而,紫花苜蓿通过增加土壤铵态氮改变植被群落结构,其补播样地生产力也由土壤速效养分影响;黄花苜蓿通过增加土壤速效磷含量改变植被群落结构,其补播样地生产力由植被群落结构和土壤微生物量共同影响。初步结果表明,黄花苜蓿更适宜在养分贫瘠的退化草地进行补播。此外在选择紫花苜蓿补播时,可以适当施肥以提高补播成功率。

基于RFRM-有限云模型的智能船舶航行风险预警

为了对L3级别智能船舶的远洋航行风险进行预警,提出1种基于RFRM-有限云模型理论的智能船舶航行风险预警模型,全面识别出恶劣气象海况下影响智能船舶远洋航行安全的28个风险指标,对识别出的风险指标进行双重标准过滤和多重标准评估,运用有限云模型理论结合风险指标动态权重对11个关键风险指标进行定量化评级。研究结果表明:采用定性与定量相结合的方式能实现对航行风险的动态预警,研究结果可为船舶航行风险管理提供参考。

草业科学的发展历程、学科体系及新时期的使命任务

草业科学,是研究草类植物与草地属性、功能及其合理利用的学科。草业科学是一门年轻的学科,整合了国际上草原学、饲草学、草地农业科学的学科特点,在任继周草地农业生态系统理论的基础上发展起来的。我国已经建立了具有中国特色的草业科学学科体系,根据学科的内涵和发展,目前设置了草原学、饲草学、草坪学、草地保护学和草业经营学5个二级学科。本文在简要总结草业科学发展历程的基础上,结合本世纪在草地农业生态系统多功能性、多服务性、以及多功能管理方面的新进展,建议增列草地农业系统学二级学科。新时期草业面临重大的国家需求:确保饲草安全,才能实现粮食安全;树立大食物观,大力发展草地农业,在多元化食物供给体系中发挥作用;立足国家生态屏障建设,在草地保护和修复事业中发挥支撑作用。本文进一步总结了这些需求背后的科技难题。国家的重大需求,对草业科学和草业人,既是机遇,也是挑战,更是使命。

接种丛枝菌根真菌对不同生育期牧草生长的影响

为探究接种丛枝菌根真菌(Arbuscular mycorrhizal fungi,AMF)对不同生育期牧草生长的影响,本研究选取无芒雀麦(Bromus inermis)、冰草(Agropyron cristatum)、羊草(Leymus chinensis)和草地早熟禾(Poa pratensis)4种牧草进行盆栽试验,分别在苗期、拔节期和刈割后拔节期进行取样,测定植物生物量、菌根侵染率和菌丝密度等指标。结果表明:与不接种AMF相比,接种AMF显著提高了无芒雀麦和羊草的地上与地下生物量,但对刈割后拔节期冰草和草地早熟禾的地上和地下生物量无显著影响;4种牧草在不同生育期下菌根响应均为正效应,但是刈割后拔节期冰草、羊草和早熟禾菌根生长响应显著降低;4种牧草根系的菌根侵染率随生育期均呈增加趋势;刈割后拔节期土壤菌丝密度达到最高。因此,AMF与植物的共生关系具有物种特异性,共生作用随着生育期发生改变,随着生育期根内和根外AMF丰度增加,但菌根生长响应下降,说明AMF对植物幼苗有更强的促生作用,而这种促生作用与AMF丰度无关。

基于时空多图融合的交通流量预测

交通预测是智能交通系统(ITS)的核心任务,准确的交通流量预测(TFF)可以大幅提高公共资源的利用效率。针对现有多图神经网络模型对上下文信息使用不足、图融合方法不平衡和只考虑静态空间关系等问题,提出基于时空多图融合(STMGF)的TFF模型。首先,通过融合空间图、语义图和空间语义图提取不同区域的不同空间相关性,并利用空间注意力机制和图注意力机制融合不同的图结构以动态学习不同邻居的重要性;然后,使用多核时间注意力机制同时捕获局部时间依赖性和全局时间依赖性;最后,使用多层感知机预测交通流量,得到最终预测值。在NYCTaxi和NYCBike数据集验证模型的有效性。实验结果表明,在NYCBike数据集的36步预测任务中,与时空图卷积神经网络(STGCN)、基于时空注意力的图神经网络(ASTGNN)、元图卷积递归网络(MegaCRN)相比,所提模型的均方根误差(RMSE)分别降低了8.46%、2.70%和2.20%。

基于粪便DNA宏条形码的人工草地放牧绵羊采食组分研究

准确获取食草动物食性数据有助于了解草地放牧家畜的营养状况,同时也对掌握草地植物群落的动态变化具有重要意义。本研究通过从滩羊粪便样本中提取DNA,利用ITS2条形码和粪便DNA宏条形码技术(fDNA metabarcoding),基于出现频率(Frequency of occurrence,FO)和相对序列丰度(Relative read abundance,RRA)两个指标快速分析获得粪便中的物种组成。分析获得的滩羊食物组成包含28个植物类群,主要有藜属(Chenopodium sp.)、苜蓿属(Medicago sp.)、蒿属(Artemisia sp.)等隶属于13科23属,其中27个鉴定到种水平,物种鉴定分辨率高达96%。藜属FO和RRA均最高,分别为100.0%和31.5%,其次为紫花苜蓿(Medicago sativa),分别为100.0%和26.9%。基于两种算法分析得到的食物比例具有差异性和一致性,其中紫花苜蓿是放牧滩羊的主要采食来源,但摄入比例需要校正。研究证明了基于ITS2片段的粪便DNA宏条形码技术在食草家畜快速准确食性分析中的可行性,为此类研究提供了有力借鉴。建议采用该技术时应完善潜在摄食植物DNA条形码数据库,准确分析目标家畜在特定区域内的采食种类。