大孔吸附树脂对芳香族化合物的吸附研究

研究了不同温度下,大孔吸附树脂DA201-CⅡ对水溶液中纯组分的苯酚、苯胺、对氯苯酚、对氯苯胺,混合组分的苯酚-苯胺、对氯苯酚-对氯苯胺的静态吸附行为.结果表明,在考察温度与浓度范围内,纯组分的吸附等温线符合Freundlich方程,吸附量顺序为苯酚<苯胺<对氯苯酚<对氯苯胺;混合体系中各组分的吸附数据也可以用Freundlich模型很好地拟合.与相同平衡浓度的纯组分吸附相比,苯酚-苯胺混合溶液中两种分子共存会增加该体系的总吸附量;而对氯苯酚-对氯苯胺体系的总吸附量降低,小于纯组分对氯苯胺的量.同时,分析了吸附热力学函数和各吸附现象的原因.

广义行为正则化离线Actor-Critic

行为正则化Actor-Critic(BRAC)是一种离线强化学习算法,通过将当前策略与行为策略之间的Kullback-Leibler(KL)散度作为策略目标函数的正则化项来缓解分布偏移问题.但是,由于KL散度是一种无界的分布差异度量,在策略差异过大时,策略目标函数中的累积期望回报项将仅对策略改进发挥有限的作用,从而导致最终学到的策略性能较差.针对该问题,将当前策略与行为策略之间的斜对称Jensen-Shannon(JS)散度作为策略目标函数的正则化项,提出了一种广义行为正则化离线Actor-Critic(GOACBR)算法.理论分析表明:由于斜对称JS散度有界,将其作为正则化项有助于降低策略性能差异.进一步,针对行为策略未知导致难以直接计算当前策略和行为策略间斜对称JS散度的问题,设计了一个辅助网络来对其进行间接估计.最后,给出了GOACBR的收敛性理论证明.在D4RL基准数据集上的评估结果表明:相较于BRAC,GOACBR在所有测试任务上获得的平均累积回报总和提升了289.8%.相关代码公布在https://github.com/houge1996/GOAC.

基于秘密分享和直方图平移的多图像水印算法

针对目前图像水印算法存在的嵌入容量小和安全性弱的问题,利用秘密分享方案将一幅水印图像分解成多幅影子图像,再通过直方图平移算法把影子图像分别嵌入到多幅载体图像中,从而提出了一种基于秘密分享和直方图平移的多图像水印算法。在该算法中,若仅有一幅影子图像将无法提取出水印图像,需要有其他影子图像,从而提高了图像水印算法的安全性。同时,通过增加载体图像的数量,可扩大图像水印算法的嵌入容量。算法分析和实验结果表明该算法的可行性。