Engineering the spectra of photon triplets generated from micro/nanofiber

Quantum light sources are the core resources for photonics-based quantum information processing.We investigate the spectral engineering of photon triplets generated by third-order spontaneous parametric down-conversion in micro/nanofiber.The phase mismatching at one-third pump frequency gives rise to non-degenerate photon triplets,the joint spectral intensity of which has an elliptical locus with a fixed eccentricity of√6/3.Therefore,we propose a frequency-division scheme to separate non-degenerate photon triplets into three channels with high heralding efficiency for the first time.Choosing an appropriate pump wavelength can compensate for the fabrication errors of micro/nanofiber and also generate narrowband,non-degenerate photon triplet sources with a high signal-to-noise ratio.Furthermore,the long-period micro/nanofiber grating introduces a new controllable degree of freedom to tailor phase matching,resulting from the periodic oscillation of dispersion.In this scheme,the wavelength of photon triplets can be flexibly tuned using quasi-phase matching.We study the generation of photon triplets from this novel perspective of spectrum engineering,and we believe that this work will accelerate the practical implementation of photon triplets in quantum information processing.

宫颈环扎术治疗三胎妊娠合并宫颈机能不全二例

三胎妊娠围产期并发症和合并症较单胎和双胎妊娠明显升高,其中最值得关注的是早产和早产儿发病及死亡,如果三胎妊娠合并宫颈机能不全则流产或早产的风险更高。报道2例通过辅助生殖技术受孕的三胎妊娠(双绒毛膜三羊膜囊)合并宫颈机能不全患者,1例孕前行腹腔镜宫颈环扎术,另1例在孕15+5周行经阴道宫颈环扎术,孕期均定期产检阴道超声监测宫颈长度并及时治疗预防早产,分别在孕33+2周和孕33+3周成功剖宫产分娩三活婴。对于不愿意采用减胎术的三胎妊娠合并宫颈机能不全患者,宫颈环扎术是一个可靠的治疗方案,定期随访对防治早产、指导临床用药及适时拆除宫颈环扎线并改善母儿预后至关重要。

基于维度交互和跨层尺度级联的雾天目标检测算法

针对雾天场景下目标检测过程中由于图像模糊导致模型检测精度低、鲁棒性不佳等问题,结合数据增强对YOLOv5算法进行了优化改进,提出一种基于维度交互和跨层尺度级联的目标检测方法。首先,将三重注意力嵌入特征提取结构,捕捉不同维度间的依赖关系,增强空间和通道间信息的融合交互,提高对重要特征的关注能力。其次,提出多尺度感受野增强模块(MREM)。采用多次重复池化采样融合残差连接思想,有效扩大目标感受野获取多尺度特征,增强模型对细节信息的提取能力。再次,提出跨层级联路径聚合网络(CLC-PAN)结构。采用跨层连接的方式促进不同尺度特征信息融合,提高浅层细节信息和深层语义信息的交互,并通过加深特征金字塔采样层数捕获更丰富的语义特征,使各种锚框的铺设间隔更加合理,提高模型检测能力。最后,使用SIoU损失函数作为目标边界框回归损失函数,提高目标框定位准确度和样本训练速度。实验结果表明,改进后检测方法模型大小为15.8 MB,mAP达到71.3%,相较于YOLOv5s提升了7%,能够满足雾天场景下的快速准确地实时目标检测。

结合多层注意力和GCN的方面情感三元组抽取

针对传统两阶段管道方法忽略情感三元组元素之间的相互联系,以及存在误差传播等问题,提出一种结合多层注意力机制和图卷积网络的端到端方面情感三元组抽取模型AGGTS.首先,利用依赖关系树构造方面项、观点项与其他词之间的相对距离和依存关系;其次,图卷积网络通过依赖关系树构造的依存关系来建模句子的结构,捕获句子中词之间的语义信息和句法依赖关系,并且引入位置注意力机制和多头注意力机制,对每个方面项、观点项与其上下文词之间进行建模;最终从词对关系标签结果中抽取三元组.实验结果表明,本文方法在4个数据集上的评价指标均取得显著提升,验证了本文方法的有效性.

联合归一化模块和多分支特征的行人重识别

针对行人重识别技术中存在特征挖掘不充分的问题,提出一种联合归一化模块和多分支特征的行人重识别模型。在主干网络中嵌入注意力机制引导的实例归一化模块,减轻背景等杂波信息的影响。在双级特征融合模块对局部特征进行加权后再聚合形成对行人特征的更细节表达。联合平滑交叉熵损失、三元组损失以及跨分支特征蒸馏损失对网络进行优化。所提模型在Market-1501和DukeMTMC-ReID数据集上首位准确率分别达到了95.7%和89.2%。实验结果表明,该模型增强了对图像特征的提取。

增强提示学习的少样本文本分类方法

针对少样本文本分类任务,提出提示学习增强的分类算法(EPL4FTC)。该算法将文本分类任务转换成基于自然语言推理的提示学习形式,在利用预训练语言模型先验知识的基础上实现隐式数据增强,并通过两种粒度的损失进行优化。为捕获下游任务中含有的类别信息,采用三元组损失联合优化方法,并引入掩码语言模型任务作为正则项,提升模型的泛化能力。在公开的4个中文文本和3个英文文本分类数据集上进行实验评估,结果表明EPL4FTC方法的准确度明显优于所对比的基线方法。

升格与复归:符号三联体在演示叙述中的表意路径

身体与日常物(实在物、虚拟物)是形成演示叙述的主要媒介,在进入演示框架之后,二者的意义会发生改变,呈现出符号三联体的滑动态势:进入演示框架的日常物,会跃出其原本携带的使用功能,或回到澄明的物质本源,呈现出日常物向实用符号、艺术符号滑动的升格趋势;进入演示框架中的身体,会转化为某种器-物或姿态物,体现出身体向物性的复归。符号三联体的横向滑动影响着身体和日常物的升格与复归,共同构成演示叙述的两条纵向表意路径,更清晰地勾勒出演示叙述的三类演示性质:以人为主导的演示形态(包含物被拟人化的情况),融合人、物的演示形态(包含表演者成为器-物、人+装置等情况),以物为主导的演示形态(包含纯物表演、身体被数字化的情况)。

基于煤矿井下不安全行为知识图谱构建方法

虽然知识图谱已广泛应用于各个领域,但在煤矿安全方面,尤其在煤矿井下不安全行为方面的研究较少。构建了一种自底向上的煤矿井下不安全行为知识图谱。首先,采用传统机器学习和深度学习算法相结合的方法进行命名实体识别,采用RoBERTa进行词语向量化,采用双向长短时记忆网络(BiLSTM)对向量进行标注,提高网络模型对上下文特征的捕捉能力,通过多层感知机(MLP)解决煤矿井下不安全行为数据集数据量不足的问题,采用条件随机场(CRF)模型解决前面存在的单词关系不识别问题,并捕获全文信息和预测结果。其次,根据语句的结构特点,设计了基于知识“实体-关系-实体”三元组的依存句法树结构,对井下不安全行为领域的知识资源进行知识抽取与表示。最后,构建面向井下不安全行为的知识图谱。实验结果表明:(1) RoBERTaBiLSTM-MLP-CRF模型对于导致结果、违反性行为、错误性行为及粗心性行为4类实体类别具有较好的识别效果,其准确率分别为86.7%,80.3%,80.7%,77.4%。(2)在相同的数据集下,RoBERTa-BiLSTM-MLP-CRF模型训练的准确率、召回率、F1值较RoBERTa-BiLSTM-CRF模型分别提高了1.6%,1.5%,1.6%。

多层特征融合与语义增强的盲图像质量评价

针对现有盲图像质量评价算法在面对真实失真图像时性能较差的问题,本文提出多层特征融合和语义信息增强相结合的无参考图像质量评价算法。提取图像的局部和全局失真特征,利用特征融合模块对特征进行多层融合;利用多层扩张卷积增强语义信息,进而指导失真图像到质量分数的映射过程;考虑预测分数和主观分数之间的相对排名关系,对L_(1)损失函数和三元组排名损失函数进行融合,构建新的损失函数L_(mix)。为了验证本文方法的有效性,在野生图像质量挑战数据集上进行了验证和对比实验,该算法的斯皮尔曼等级相关系数与皮尔逊线性相关系数指标相比原算法分别提升2.3%和2.3%;在康斯坦茨真实图像质量数据数据集和野生图像质量挑战数据集上进行了跨数据集实验,该算法在面对真实失真图像时表现出了良好的泛化性能。

基于上下文语义联合YOLOv7的分心驾驶检测算法

针对分心驾驶检测方法存在实时性差、精度低、可部署性差的问题,提出了一种基于上下文语义增强联合YOLOv7的分心驾驶检测算法。首先将模型backbone和head部分的ELAN模块替换成语义上下文增强模块(contextual transformer,CoT),提高上下文语义信息的捕获能力。其次,将语义关联增强机制(triplet attention)融入卷积块中,插入backbone和head的连接头之间以及融合MP2模块,强化目标间的关联关系以及提升目标特征提取能力。最后,将自注意力双向Transformer模块(Biformer)模块融合SPPCSPC模块,提升模型对分心驾驶中的复杂场景和遮挡目标的处理能力。改进的YOLOv7算法在分心驾驶数据集下平均精度均值(mean average precision,mAP)达到了87.3%,比原算法提高了4.3%,模型参数量减少了4.7%,每秒传输帧数达到了90 fps,具有较好的检测精度与速度。

国医大师王庆国应用角药治疗肝硬化经验

本文对国医大师王庆国运用角药治疗肝硬化经验进行总结。王教授认为,肝硬化病因病机总体以肝、脾、肾功能失调为本,湿热内蕴是致病的重要因素,久病入络,瘀血贯穿疾病发展始终,气、血、水既是病理产物又是致病因素,故扶正祛邪、标本同治是肝硬化的重要治则。王教授以整体为纲,在疾病发展的不同阶段选用符合病机的角药,疏肝利湿、化瘀利水、扶正祛邪三法并重,灵活施治,临床疗效显著。

基于双三元组网络的易混淆文本情感分类方法

预训练模型的快速发展使得情感分类任务得到了突破性进展,然而互联网提供的海量数据中存在着大量语义模糊、易混淆的文本,制约了当前多数模型的分类效果。针对易混淆文本对情感分类的负面影响,该文提出了一种基于双三元组网络的易混淆文本情感分类方法。该方法有效解决了传统三元组网络中同类文本特征之间仍存在明显差异的问题,改进了三元样本组合的构建方式,分别从易分类文本和普通文本中构建出两对三元样本组合,并以不同权重进行特征相似度比对,让模型深入挖掘易混淆文本和易分类文本的特征编码差异,充分学习同类别文本间的相似性和混淆类别文本间的差异性,提高了文本特征的聚类效果;同时,在训练过程中将本批次的易混淆文本加入到下一批次进一步训练,更有效地利用了易混淆文本的语义信息,以此提升模型整体的分类效果。在nlpcc2014、waimai_10k和ChnSentiCorp数据集上进行对比实验,实验结果表明,与现有的易混淆文本情感分类方法相比,该方法在准确度和F1值上具有更好的表现,其中F1值相较于基准模型提升了3.16%、2.35%和2.5%,验证了所提方法的有效性和合理性。

基于改进PatchSVDD的田间异常区域检测方法

利用无人机遥感技术对农田进行监测并及时发现田间异常对保证农业生产具有重要意义。目前田间异常区域检测需要标注大量的正常与异常样本。然而,异常样本在整个农田区域中占比过小且无法充分收集。特别是农田异常的多样性和不可预知性,对检测方法的适用性提出了更高的要求。针对以上问题,本文提出基于改进PatchSVDD (Patch-level Support Vector Data Description)模型的田间异常区域检测方法,该方法仅使用田间正常区域的标注信息,即可对田间异常区域进行检测和定位。首先,改进方法引入不相邻图像块之间的边界损失函数,从而提升了正常与异常样本边界的判别性,改进了检测的鲁棒性;第二,引入外部记忆组件,通过压缩存储正常样本特征,从而在保证检测精度的基础上有效减少了测试阶段的时间和空间消耗;第三,构建了包含杂草簇、种植缺失、障碍物、双倍种植和积水共5个异常类型的田间异常数据集。本文方法在平均检测AUC(Area Under Curve)值和平均定位AUC值上分别达到了96.9%和94.6%,相比于原算法分别提升1.2%和1.6%,从而验证了方法的有效性。

基于乳腺超声视频流和自监督对比学习的肿瘤良恶性分类系统

乳腺超声广泛应用于乳腺肿瘤诊断,基于深度学习的肿瘤良恶性分类模型可以有效地辅助医生诊断,提高效率,降低误诊率,然而,由于标注数据的高成本问题,限制了此类模型的开发和应用.为此,从乳腺超声视频中构建了无标注预训练数据集,包含11805个目标样本数据和动态生成的正、负样本数据集(样本量分别为188880和1310355个).基于该数据集,搭建了三胞胎网络并进行了自监督对比学习.此外,还发展了Hard Negative Mining和Hard Positive Mining方法来选取困难的正负样本构建对比损失函数,加快模型收敛.参数迁移后,将三胞胎网络在SYU数据集上进行微调和测试.实验结果表明,与基于ImageNet预训练的若干SOTA模型以及与前人针对乳腺超声的多视图对比模型相比,提出的三胞胎网络模型具有更强的泛化能力和更好的分类性能.此外,还测试了模型对标注数据量的需求下限,发现仅使用96个标注数据,模型性能即可达到AUC=0.901,敏感度为0.835.

单线态裂分中间态的理论研究进展

单线态裂分是指有机材料在光激发后,从一个单重态激子转变为两个三重态激子的光物理过程。该过程有望提高光电转换效率,因而受到了广泛的关注。研究发现单线态裂分中存在一个关键的中间态,而如何构建中间态的波函数则是重要的挑战。本文着重介绍了双激发态波函数构建的两类理论模型,而后讨论了振动、轨道和自旋相互作用对中间态形成和解离的影响。最后总结了进一步的理论研究将面临的挑战。

彭培初运用对药及角药治疗晚期前列腺癌经验集萃

前列腺癌是男性泌尿生殖系统最常见的恶性肿瘤,以正气亏虚、阴阳失衡为病机核心,癌毒内生为发病关键。彭培初教授总结晚期前列腺癌“阴阳两虚、脾肾不足、寒湿凝滞、癌毒蕴积”的病机规律,治疗上重视调节肺、脾、肾,主张虚实兼顾、寒温并用以使阴阳平衡,正气化生,并形成了一系列对药和角药的配伍,起到了协同增效的作用。

融合多任务学习和实体遮掩的关系三元组抽取模型

针对流水线式三元组抽取模型中,命名实体识别任务里实体识别和实体分类两个子任务之间存在干扰,关系抽取任务中实体提及词对关系分类也存在干扰的问题,提出一种融合多任务学习和实体遮掩的关系三元组抽取模型.在命名实体识别任务中,先利用预训练模型对输入句子进行特征编码表示,然后利用首尾指针标注进行实体识别,最后利用注意力机制融入实体类型信息进行实体分类.在关系抽取任务中,提出了一种实体遮掩的方法,先利用实体类型信息替换实体提及词,并在其前后插入实体标记,之后利用预训练模型对输入句子进行特征编码表示,最后利用头尾实体的特征表示进行关系分类.在SCIERC和SKE两个数据集上进行大量实验,实验结果表明,所提模型相较于基于实体标记方法的PURE模型整体性能提升了2.5和1.5个百分点.充分验证了在三元组抽取任务中,分解命名实体识别任务以及在关系抽取中用实体类型信息替换实体提及词的有效性.

辅助生殖技术助孕后三胎合并双胎反向动脉灌注序列征一例并文献复习

双胎反向动脉灌注序列征(twin reversed arterial perfusion sequence,TRAPS)是单绒毛膜双胎妊娠(单绒双胎)的严重并发症,较为罕见,是由于双胎妊娠中胎儿胎盘间血管异常吻合所致,特征表现为其中一胎心脏缺如或心脏结构失去正常发育形态。报告南通大学附属南通妇幼保健院收治的1例发生于辅助生殖技术助孕后三胎妊娠中的TRAPS。患者移植2枚卵裂期冻融胚胎,其中1枚胚胎在分裂过程中发育为单绒双胎。患者孕8+5周早孕B超及时诊断单绒双胎为TRAPS,但因个人因素未行干预,单绒双胎TRAPS之泵血胎儿死亡。另一单胎发育正常至足月分娩。TRAPS如果需要治疗,射频消融术通常是阻断无心胎儿血流供应技术的首选方法,但干预的最佳时机仍存在争议。

融合方面语义和网格标记的多语言意见元组抽取

面向方面的细粒度意见抽取(Aspect-oriented Fine-grained Opinion Extraction,AFOE)任务的目的是以意见对的形式抽取文本评论中的方面和意见词或者再抽取情感极性,形成意见三元组。以往的研究通常以管道方式抽取意见元素,容易出现错误传播的问题,而且大多数只关注方面词和意见词的单个子任务抽取,忽略了不同意见元素之间的相互影响和指示信息,导致意见挖掘任务不完整。此外,面向中文的意见元素抽取任务的研究较少。针对以上问题,文中提出了融合方面语义和网格标记的多语言意见元组抽取模型。首先,使用向内LSTM(Inward-LSTM)和向外LSTM(Outward-LSTM)编码方面词及其对应的上下文信息建立方面和候选意见词的关联,再结合全局信息生成特定方面语义特征的上下文表示,有利于提高下游意见元素抽取的性能。其次,使用网格标记方案的推理策略,利用方面和意见词之间的依赖指示信息进行更准确的抽取,以端到端的方式处理AFOE任务。相比基线模型,对于方面意见对抽取任务,改进的模型在中英文数据集上的F1值提高了0.89%~4.11%,对于三元组抽取任务提高了1.36%~3.11%,实验结果表明,改进的模型能有效地对中英文评论的意见元素进行抽取,性能显著优于基线模型。

基于超球面三元组编码的干扰模式开集识别

干扰模式识别是现代军事通信对抗中必不可少的一环,随着复杂电磁环境当中各种新型恶意干扰样式层出不穷,对于未知型干扰的判决也变得愈发重要。因此,要求干扰模式识别算法保持对于已知型干扰高精度识别的同时,也能够完成对于未知型干扰的判决,以排除未知型恶意干扰的影响。基于此,该文将未知型干扰存在时的干扰模式识别问题建模为开集识别问题,并提出一种基于超球面3元组编码的干扰模式开集识别方法。所提方法基于超球面3元组对输入的时频图像进行降维编码以提高识别精度,然后采用元识别分类器准确地完成干扰模式开集识别任务。通过仿真试验证明该算法在干信比大于–2 dB时能够高效地完成开放空间中的干扰模式识别任务。