活化胶粉/纳米碳酸钙复合改性沥青性能影响及机理研究

目前日益增长的交通轴载量给沥青路面带来了更大的压力。本文选用不同活化程度的废旧胶粉(CR)和表面改性后的纳米碳酸钙(Nano⁃CaCO_(3))作为改性剂,制备活化胶粉/Nano⁃CaCO_(3)复合改性沥青样品,并通过针入度、软化点、延度的比较提出了3种最优的改性体系。在此基础上,通过动态剪切流变仪(DSR)研究改性沥青的高温性能。通过薄膜烘箱试验(TFOT)研究改性沥青的抗老化性能。通过离析试验研究改性沥青的贮存稳定性。通过荧光显微镜(FM)和傅里叶变换红外光谱(FTIR)观测改性沥青的微观形貌和官能团变化。结果表明,活化处理可以改善胶粉与沥青的相容性,提高改性沥青的贮存稳定性。3种最优改性体系的改性沥青具有良好的高低温性能、抗老化性能、施工和易性和贮存稳定性。对于活化胶粉和活化胶粉/Nano⁃CaCO_(3)复合改性沥青,改性过程中既发生物理反应,也发生化学反应。其中5#改性沥青为3种复合改性体系中综合性能最优的改性体系。

元强化学习研究综述

近年来,深度强化学习(deep reinforcement learning,DRL)已经在诸多序贯决策任务中取得瞩目成功,但当前,深度强化学习的成功很大程度依赖于海量的学习数据与计算资源,低劣的样本效率和策略通用性是制约其进一步发展的关键因素.元强化学习(meta-reinforcementlearning,Meta-RL)致力于以更小的样本量适应更广泛的任务,其研究有望缓解上述限制从而推进强化学习领域发展.以元强化学习工作的研究对象与适用场景为脉络,对元强化学习领域的研究进展进行了全面梳理:首先,对深度强化学习、元学习背景做基本介绍;然后,对元强化学习作形式化定义及常见的场景设置总结,并从元强化学习研究成果的适用范围角度展开介绍元强化学习的现有研究进展;最后,分析了元强化学习领域的研究挑战与发展前景.

基于邻域相似性的图像码字快速搜索算法

有序平均距离部分码书搜索算法(MPS)是一种针对于图像矢量量化过程的码字快速搜索算法,为寻找初始匹配码字,MPS算法需要计算所有矢量与码书中所有码字之间的均值平方距离,对于n个矢量与长度为k的码书来说,此部分的计算量为O (nk+k log k),这限制了MPS的加速效果。针对此问题,本文提出了基于邻域相似性的图像码字快速搜索算法。首先,对原始码书根据码字分量和值按照从小至大排序获得排序码书;然后,在当前图像矢量的邻居矢量中确定候选初始匹配码字,再通过距离比较确定最终初始匹配码字;最后,以初始匹配码字为起始搜索点进行基于排序码书的码字搜索。算法将MPS算法中初始匹配码字选择计算量降低至O (n+k log k),并且具有与全搜索算法以及MPS算法一样的结果。不同算法的对比实验结果表明,FSNS算法具有最高的加速比,平均时间加速比为4.38~11.24,而MPS算法与ITIE算法分别为3.19~6.01与1.49~2.99。