Hand Cooling Enhances the Proprioceptive Drift during Rubber Hand Illusion

Background: The neural representation of the body is easily altered by integrating multiple sensory signals in the brain. The “Rubber Hand Illusion” (RHI) is one of the most popular experimental paradigms to investigate this phenomenon. During this illusion, ownership of a rubber hand is temporarily induced. It was shown that external and continuous cooling of the palm enhanced the RHI, suggesting an association between altered the autonomic nervous system regulation and altered the sense of ownership of a specific limb. Purpose: To investigate whether artificially cooling the entire hand for a short period affects the magnitude of the illusion. Methods: Participants immersed their entire hand in cool, cold, or warm water for 1 min before the RHI procedure. Results: We found that cooling the entire hand enhanced the proprioceptive drift during the RHI but not the subjective feeling of ownership. In contrast, warming and intense cooling of the entire hand did not affect the RHI strength. Conclusion: Our results suggest that transient and moderate cooling of the entire hand was sufficient in enhancing the illusory disembodiment of one’s own hand.

面向不同类型概念漂移的两阶段自适应集成学习方法

大数据时代,流数据大量涌现.概念漂移作为流数据挖掘中最典型且困难的问题,受到了越来越广泛的关注.集成学习是处理流数据中概念漂移的常用方法,然而在漂移发生后,学习模型往往无法对流数据的分布变化做出及时响应,且不能有效处理不同类型概念漂移,导致模型泛化性能下降.针对这个问题,提出一种面向不同类型概念漂移的两阶段自适应集成学习方法(two-stage adaptive ensemble learning method for different types of concept drift,TAEL).该方法首先通过检测漂移跨度来判断概念漂移类型,然后根据不同漂移类型,提出“过滤-扩充”两阶段样本处理机制动态选择合适的样本处理策略.具体地,在过滤阶段,针对不同漂移类型,创建不同的非关键样本过滤器,提取历史样本块中的关键样本,使历史数据分布更接近最新数据分布,提高基学习器有效性;在扩充阶段,提出一种分块优先抽样方法,针对不同漂移类型设置合适的抽取规模,并根据历史关键样本所属类别在当前样本块上的规模占比设置抽样优先级,再由抽样优先级确定抽样概率,依据抽样概率从历史关键样本块中抽取关键样本子集扩充当前样本块,缓解样本扩充后的类别不平衡现象,解决当前基学习器欠拟合问题的同时增强其稳定性.实验结果表明,所提方法能够对不同类型的概念漂移做出及时响应,加快漂移发生后在线集成模型的收敛速度,提高模型的整体泛化性能.

从陆缘伸展探讨新生代南海构造演化

南海的形成和演化是地学界长期争论的问题,前人给出了多种成因模式,目前较流行的模式是海底扩张,但它难以合理解释南海海底扩张中的洋中脊跳跃现象及南海大洋中的大陆残片。基于欧亚东缘的陆缘伸展,从地幔上涌和陆壳沿莫霍面的重力滑移的新大陆漂移模型出发,通过横跨南海的几条地震勘探剖面的地质新解释,研究了南海的形成和演化过程。结果说明,南海的形成是一种“构造被动挤出+微陆块主动漂移”模式。构造被动挤出是指印度-欧亚碰撞造成的欧亚大陆东南缘的微陆块被大规模挤出,而由陆缘伸展形成的微陆块在被挤出后发生了主动裂解漂移,南海的海底扩张现象是诸多微陆块主动漂移的结果。这个新的模式能够合理地解释南海形成过程中的洋中脊跳跃现象及南海中大陆残片的成因机制。进一步恢复了南海演化过程中周边陆块的运动演化历史,说明欧亚东缘在中生代晚期发生的大规模伸展构造运动是南海形成的基础,新生代印度-欧亚碰撞是南海形成的直接动力,微陆块的裂解漂移是南海形成的主要参与者。

原位DRIFTS在SCR过渡金属催化剂研究中的应用进展

概述了4类选择性催化还原(SCR)过渡金属催化剂的研发现状,归纳了原位漫反射红外傅里叶变换光谱(DRIFTS)在NH3和NO吸附转化过程研究中的应用进展,总结了SCR的反应机理及路径,并对原位DRIFTS在SCR研究中的应用前景进行了展望。指出,基于原位DRIFTS技术可遴选出影响催化剂SCR活性的要素,这些要素包括NH3和NO在催化剂上的吸附方式、物种间的活化转化、中间体及(副)产物的生消过程等,这对针对性合成具有特殊结构和形貌的高活性催化剂具有重要指导作用。

A Review on the Study of Continental Drift and Numerical Simulation Associated with the Early Earth Core-Magma Angular Momentum Exchange

According to the drive of planetary-scale upper magma fluid motions associated with the core-magma angular momentum exchange in the early Earth’s interior, this paper reviewed the results of continental drift studied over the last three decades. The theoretical speculation is in good fit to the traces of geological events left on the Earth’s surface. A northeastward drift directionality of the Australian, African, and South American continents relative to the Antarctica Continent in the Southern Hemisphere is reanalyzed according to the slowing down of the early Earth’s rotation. Six traces of significant back-and-forth drifts of the Australian and Asian continents left respectively on the Southwest and Northwest Pacific seafloors are reidentified according to the gradually decreasing amplitude of core-magma angular momentum exchange during early geological evolution. Finally, the thickening and shortening of different continents during the early drift processes are re-simulated by using a simple magma fluid dynamical model.

海温异常对长江流域夏季典型旱涝的影响研究

为研究长江流域夏季旱涝特征及其与海温异常之间的关联性,基于中国326个气象站降水量、NCEP/NCAR再分析资料等,采用合成分析、EOF分解等方法,分析了长江流域夏季典型旱涝年的降水分布、同期大气环流及前期海温特征,并以2018年为例,初步揭示了2018年前期海温异常对大气环流的可能影响。结果表明:①长江流域夏季典型旱年,仅嘉陵江和岷沱江会表现出局部偏涝,全国为典型的Ⅰ类雨型,多雨区位于黄河流域及以北地区。前期冬季赤道太平洋表现出类拉尼娜的东冷西暖分布,同时黑潮区海温偏低,西风漂流区海温偏暖。受多海域协同作用,同期欧亚环流场上自西北向东南呈现出“+-+”三极型分布,东亚地区为自北向南“-+-”的EAP负位相。长江流域典型涝年,全国多为典型的Ⅱ类和Ⅲ类雨型,环流及海温呈现出相反特征。②2018年为典型的长江中下游偏旱年,仅在岷沱江降水偏多近3成,为历史第4多,与长江流域夏季降水的主模态正位相类似,解释方差达24%。③2018年前冬出现弱拉尼娜、春末夏初西风漂流区异常偏暖、NAT异常正位相,三者共同作用,使得东亚副热带西风急流偏北,东亚沿岸出现EAP负位相,大陆热低压明显偏强,东亚夏季风为1961年以来最强,同时副高脊线最北,造成夏季降水主雨带北推至华北、西北地区,岷沱江、嘉陵江异常多,而长江中下游异常少,为典型的Ⅰ类雨型。研究成果可为长江流域旱涝预测、水资源调度提供参考。

国家建构视角下基层负担过重的结构性困境:理论与个案分析

基层政府负担过重问题近年来引发了政策界和学界的高度关注,现有文献从科层体制、形式主义、基层治理能力等方面展开研究。我们需在此基础上进一步将基层政府负担问题置于历史变迁背景之下,从国家权力下沉及其背后的国家建构策略的变迁视角出发,重新反思这一问题。通过对L镇机构改革及其实际效果的深度个案分析,本文发现这一旨在强化乡镇政府能力、减轻其负担的改革却未能有效强化乡镇政府能力反而加重了其负担。究其原因,在于机构改革本身存在放责多于放权、乡镇无力承接放权以及运动式治理削弱专业化治理,以及村两委自治能力不足等。本文结合制度漂移理论进一步分析了其背后机理,并探讨了其对国家建构微观策略的理论意涵。

创新赋能与资本市场定价效率

新质生产力是经济高质量发展的推动力和支撑力,而创新作为新质生产力的首要特征,是否以及如何赋能资本市场的高质量发展,是一个值得思考的问题。以2011—2020年中国A股上市公司为研究样本,从盈余公告后的漂移视角,可探究创新产出与资本市场定价效率之间的关系,并尝试厘清创新产出对资本市场定价效率影响的作用机制。研究发现,创新产出能够显著缓解盈余公告后漂移,提高资本市场定价效率;而且创新产出的突破性程度越高,其影响作用越强。机制检验发现,企业创新对资本市场定价效率的提升主要缘于:创新水平高的企业具有高的盈余持续性以及较低的信息不确定性。异质性检验发现:创新产出对盈余公告后漂移的抑制作用主要发生在分析师跟踪人数较多、媒体报道较多以及机构投资者持股较高的企业;而且,相对于非“四大”审计的公司,“四大”审计的公司的创新产出对盈余公告后漂移的作用更为突出。

非平衡概念漂移数据流主动学习方法

数据流分类研究在开放、动态环境中如何提供更可靠的数据驱动预测模型,关键在于从实时到达且不断变化的数据流中检测并适应概念漂移.目前,为检测概念漂移和更新分类模型,数据流分类方法通常假设所有样本的标签都是已知的,这一假设在真实场景下是不现实的.此外,真实数据流可能表现出较高且不断变化的类不平衡比率,会进一步增加数据流分类任务的复杂性.为此,提出一种非平衡概念漂移数据流主动学习方法 (Active learning method for imbalanced concept drift data stream, ALM-ICDDS).定义基于多预测概率的样本预测确定性度量,提出边缘阈值矩阵的自适应调整方法,使得标签查询策略适用于类别数较多的非平衡数据流;提出基于记忆强度的样本替换策略,将难区分、少数类样本和代表当前数据分布的样本保存在记忆窗口中,提升新基分类器的分类性能;定义基于分类精度的基分类器重要性评价及更新方法,实现漂移后的集成分类器更新.在7个合成数据流和3个真实数据流上的对比实验表明,提出的非平衡概念漂移数据流主动学习方法的分类性能优于6种概念漂移数据流学习方法.

非平衡数据流在线主动学习方法

数据流分类是数据流挖掘领域一项重要研究任务,目标是从不断变化的海量数据中捕获变化的类结构.目前,几乎没有框架可以同时处理数据流中常见的多类非平衡、概念漂移、异常点和标记样本成本高昂问题.基于此,提出一种非平衡数据流在线主动学习方法(Online active learning method for imbalanced data stream,OALM-IDS).AdaBoost是一种将多个弱分类器经过迭代生成强分类器的集成分类方法,AdaBoost.M2引入了弱分类器的置信度,此类方法常用于静态数据.定义了基于非平衡比率和自适应遗忘因子的训练样本重要性度量,从而使AdaBoost.M2方法适用于非平衡数据流,提升了非平衡数据流集成分类器的性能.提出了边际阈值矩阵的自适应调整方法,优化了标签请求策略.将概念漂移程度融入模型构建过程中,定义了基于概念漂移指数的自适应遗忘因子,实现了漂移后的模型重构.在6个人工数据流和4个真实数据流上的对比实验表明,提出的非平衡数据流在线主动学习方法的分类性能优于其他5种非平衡数据流学习方法.

粉煤灰堆积体大断面连拱隧道失稳破坏模式及施工力学研究

国内目前并无在粉煤灰堆积体中采用暗挖法修建大断面连拱隧道的先例,给隧道的设计和施工带来了巨大挑战。依托盐坪坝隧道工程,开展了室内相似模型试验,探讨了该地层下大断面连拱隧道塌落拱演化规律及开挖施工力学行为。研究结果表明:连拱隧道在粉煤灰堆积体中开挖极易发生失稳,将失稳过程划分为4个演化阶段,破坏模式具有突发性、剧烈性、对称性、同步性特征;塌落拱高度约为隧道开挖跨度的40%。采用单侧壁导坑法开挖时粉煤灰堆积体承载力严重不足,根据相似换算关系左、右洞拱顶沉降分别为16.86,14.91cm,需对地层实施注浆加固;地层沉降呈对称“双峰状”,先行洞相较于后行洞受开挖影响较大,中隔墙的承载作用能够有效降低地层位移,单洞压力拱向双洞压力拱转换过程中,中隔墙受到偏压作用容易向先行洞侧偏转,建议在先行洞开挖时中隔墙添加支撑物。

HL-2A装置低频漂移波模数据库与机器学习初步研究

本文探索建立了HL-2A/3装置实验漂移波模数据库,并以此作为样本数据库,通过机器学习方法,利用人工神经网络预测托卡马克放电中漂移波模不稳定性的发生及其强度,为实现HL-2A/3等离子体实时参数控制提供参考。首先基于电子/离子温度梯度(η)、俘获电子份额(ε)、局域安全因子q和磁剪切s等4个基本参数构成的参数数据组(η,ε,q,s)作为变量,其他参数取有效的常数值,利用HD7代码计算相应模特征值数据,构建了一个低频漂移波模基本数据库。然后,基于BP神经网络与支持向量机(SVM)模型,分别进行了机器学习建模与编程实验,验证了对HL-2A装置离子温度梯度(ITG)\俘获电子模(TEM)不稳定性进行智能预测的可行性。研究结果表明,通过将参数集与数据集进一步扩充成完备数据库、并加快BP神经网络训练速度、或采用深度学习等更复杂模型,可以最终实现前述漂移波模预测目标。

不同性能水平下600 MPa级高强钢筋混凝土柱位移角限值研究

基于性能抗震设计思想的600 MPa级高强钢筋混凝土柱位移角限值研究,对于推广高强钢筋混凝土柱的应用至关重要。通过17根HTRB630高强钢筋混凝土柱试件和3根HRB400钢筋混凝土柱试件的拟静力试验研究了其抗震性能。与HRB400钢筋混凝土柱相比,HTRB630高强钢筋混凝土柱的滞回曲线的形状没有发生明显改变,试件具有较好的承载能力和延性。将基于Kunnath损伤模型计算的损伤指数与试验中测量的损伤指数范围进行了比较,结果表明,Kunnath损伤模型可以准确计算HTRB630高强钢筋混凝土柱的损伤指标。根据HTRB630高强钢筋混凝土柱的破坏特点,以屈服点、峰值点和极限点作为高强钢筋混凝土柱的性能水平控制点。基于性能抗震设计的思想,将600 MPa级高强钢筋混凝土柱的性能水平划分为5个性能水平,即正常使用、暂时使用、修复后使用、生命安全和接近倒塌性能水平。结合参考文献中600 MPa级高强钢筋混凝土柱的试验数据,对65个600 MPa级高强钢筋混凝土柱各特征点的位移角进行了相对频率统计分析,得到了600 MPa级高强钢筋混凝土柱在暂时使用、修复后使用和接近倒塌3个性能水平下具有超过90%安全保证率的位移角限值分别为1/150、1/80和1/60。

一种应用于TDMA无线传感网的低能耗同步机制

为了降低时分多址网络中时钟同步所导致的节点能耗,根据节点晶振器件的潜在漂移,提出了一种应用于星型无线传感网的低能耗同步机制。该机制中整个时间轴由长帧组成,每个长帧包含一个同步帧与多个子帧,每个子帧由所有子节点绑定的子时隙构成。根节点在长帧开始时发送同步帧,使得所有子节点时钟同步。每个子时隙增加了相应的保护间隔,有效地避免子节点之间因时钟漂移导致时隙间相互影响,从而最大限度地增加长帧中的子帧数量,降低子节点唤醒进行同步的频率。与传统的TDMA每个子帧均需同步相比,从接收同步帧角度来讲,大幅度减少了子节点能耗。最后,假定晶振频率误差为正态分布的情况下,利用MATLAB进行仿真,验证了该低能耗同步模型公式的正确性,并将仿真情况在CC1310器件构建的星型网上进行了应用验证。

无导洞法连拱隧道先行洞仰拱开裂及受力分析

研究目的:为探明无导洞法连拱隧道先行洞仰拱衬砌开裂的原因,本文首先通过现场监测得到先行洞的受力规律,然后基于该受力特征提出一种考虑后行洞开挖的先行洞荷载-结构计算模型,进而结合现场监测和数值计算分析先行洞仰拱衬砌的开裂原因,最后评价先行洞二衬的安全性并给出相应的控制措施。研究结论:(1)当后行洞开挖前,先行洞二衬对称受力且各截面的安全系数大于2.4;当后行洞开挖后,先行洞二衬处于偏压受力状态,仰拱右侧的安全系数仅为1.25,其内表面恰是最大拉应力所在位置,与现场仰拱衬砌的开裂位置吻合;(2)先行洞仰拱衬砌开裂的原因是由于后行洞开挖导致的隧道偏压受力以及仰拱不均匀沉降;(3)提高支护抗力系数有助于改善衬砌结构的安全性,但支护抗力系数高于某值后安全系数变化不大;(4)本研究成果可为相关连拱隧道的设计和施工提供参考。

往返平飘式探空在CMA-MESO三维变分中的同化及对模式预报的影响

往返平飘式探空通过一次探空气球施放实现“上升段-平飘段-下降段”三段观测,其下降段能实现在06时(世界时,下同)和18时自动垂直加密观测大气,具备提升区域高分辨率快速同化循环预报系统在06时和18时的预报技巧潜力。为了实现往返平飘式探空在区域高分辨率模式中的同化,分析其对预报的影响,初步提出了“选取模式层最接近观测”的垂直稀疏化方法来预处理资料,深入分析了稀疏化对同化效果的影响,论证了资料垂直稀疏化对于同化应用的必要性;在此基础上,开展了为期1个月的批量同化影响试验,着重分析了往返平飘式探空在长江中下游区域的组网观测对CMA-MESO模式预报技巧的影响。稀疏化敏感性试验结果表明,同化不稀疏化的往返平飘式探空相比同化传统业务探空,分析和预报误差显著增加,降水预报评分也显著降低,相反,“选取最接近模式层”数据的垂直稀疏化方案能提高模式的分析和预报技巧,表明往返平飘式探空同化前必须进行垂直稀疏化。批量同化试验结果表明,在冷启动时刻(00时和12时,为常规探空释放时刻),同化往返平飘式探空(上升段)相对同化传统业务探空,分析误差和预报误差变化较小。但在暖启动时刻(03、06、09、15、18、21时,无常规探空释放时刻),增加往返平飘式探空下降段数据,相比控制试验,分析场精度提高了约0.4%。此外,0~12 h累计降水预报的ETS评分变化较小,但12~24 h累计降水预报在0.1、1.0、5.0、10.0、25.0 mm量级降水ETS评分提高了约0.5%,在50.0 mm量级的降水ETS评分提高了约2.3%。总体而言,同化往返平飘式探空对于区域高分辨率快速同化循环预报系统在暖启动时刻的降水预报技巧有正贡献。

基于自适应深度集成网络的概念漂移收敛方法

概念漂移是流数据挖掘领域中的一个重要且具有挑战性的难题.然而,目前的方法大多仅能够处理线性或简单的非线性映射,深度神经网络虽然有较强的非线性拟合能力,但在流数据挖掘任务中,每次只能在新得到的1个或一批样本上进行训练,学习模型难以实时调整以适应动态变化的数据流.为解决上述问题,将梯度提升算法的纠错思想引入含概念漂移的流数据挖掘任务之中,提出了一种基于自适应深度集成网络的概念漂移收敛方法(concept drift convergence method based on adaptive deep ensemble networks,CD_ADEN).该模型集成多个浅层神经网络作为基学习器,后序基学习器在前序基学习器输出的基础上不断纠错,具有较高的实时泛化性能.此外,由于浅层神经网络有较快的收敛速度,因此所提出的模型能够较快地从概念漂移造成的精度下降中恢复.多个数据集上的实验结果表明,所提出的CD_ADEN方法平均实时精度有明显提高,相较于对比方法,平均实时精度有1%~5%的提升,且平均序值在7种典型的对比算法中排名第一.说明所提出的方法能够对前序输出进行纠错,且学习模型能够快速地从概念漂移造成的精度下降中恢复,提升了在线学习模型的实时泛化性能.

长江宜宾-江津段漂流性鱼卵纵向分布特征及与环境因子关系

通过2023年4-7月对长江上游宜宾、合江和江津断面鱼类早期资源的逐日监测,了解漂流性鱼卵种类组成、鱼卵径流量、产卵高峰期及产卵场的纵向分布特征,分析逐日产卵径流量变动与水文、水温条件的关系,明晰不同断面鱼卵径流量峰值出现的流量区间,辨识影响鱼卵径流量变动的关键环境要素。结果表明:共采集到漂流性鱼卵24种,包括长江上游特有鱼类鱼卵8种,其中红唇薄鳅(Leptobotia rubrilabris)、长薄鳅(L.elongata)、长鳍吻鮈(Rhinogobio ventralis)为国家二级保护动物;流经宜宾、合江和江津断面的漂流性鱼卵总径流量分别为729.45×10^(4)、17301.92×10^(4)和76027.44×10^(4)粒,鱼卵总径流量从上游到下游呈明显增加的特征;3个断面鱼卵径流量的高峰期出现在5月下旬以后,其中宜宾断面最早,江津断面次之,合江断面最晚;金沙江一期工程蓄水后,保护区干流江段产卵场的纵向分布特征发生了明显改变,主要产卵场位置下移;流量上涨量、水位上涨量和流量日上涨率是影响3个断面鱼卵径流量变动的最重要因素。研究结果可为长江上游保护区干流鱼类早期资源保护、生态调度等提供科学依据。

基于概念漂移发现的业务过程异常检测方法

现有的业务过程异常检测方法假定业务过程固定不变,忽视因出现概念漂移而导致业务过程模型变化的情况,以致现有的异常检测方法准确率下降。提出一种使用事件日志、基于概念漂移发现的业务过程异常检测方法。构建结合概念漂移发现方法和基于循环神经网络的业务过程异常检测模型,从事件日志中提取事件序列特征数据集,使用该模型中的事件预测模块来预测事件发生的概率,根据事件发生的概率分布来计算事件日志中每个案例的异常分数。异常分数大于设定的异常评分阈值的事件所在的案例被认为是候选异常案例。使用霍夫丁不等式来判断概念漂移是否已发生,并使用双层滑动窗口机制来获取概念漂移案例的发生位置,从候选异常案例提取概念漂移案例。使用增量学习将概念漂移案例用于更新事件预测模块,使过程异常检测模型能够辨别概念漂移案例与真正异常案例,更准确地检测出真正的业务过程异常。实验结果表明,与主流的业务过程异常检测方法相比,所提异常检测方法可以较准确地发现业务过程中的概念漂移,能够更准确地检测出业务过程中发生的异常,对提高业务过程运行的平稳性有积极意义。

基于混合特征提取的流数据概念漂移处理方法

大数据时代,越来越多的数据以数据流的形式产生,由于其具有快速、无限、不稳定及动态变化等特性,使得概念漂移成为流数据挖掘中一个重要但困难的问题.目前多数概念漂移处理方法存在信息提取能力有限且未充分考虑流数据的时序特性等问题.针对这些问题,提出一种基于混合特征提取的流数据概念漂移处理方法(concept drift processing method of streaming data based on mixed feature extraction,MFECD).该方法首先采用不同尺度的卷积核对数据进行建模以构建拼接特征,采用门控机制将浅层输入和拼接特征融合,作为不同网络层次输入进行自适应集成,以获得能够兼顾细节信息和语义信息的数据特性.在此基础上,采用注意力机制和相似度计算评估流数据不同时刻的重要性,以增强数据流关键位点的时序特性.实验结果表明,该方法能有效提取流数据中包含的复杂数据特征和时序特征,提高了数据流中概念漂移的处理能力.