Monoidal Hom-unified积与monoidal Hom-Hopf代数的可裂扩张

从monoidal Hom-Hopf代数的分裂扩张的观点出发,对monoidal Hom-unified积进行等价刻画,即一个monoidal Hom-Hopf代数(E,β)同构于一个monoidal Hom-unified积(A■H,α■γ)当且仅当存在一个可裂单的monoidal Hom-Hopf代数同态i:(A,α)→(E,β).

图卷积神经网络综述

图卷积神经网络是图论与深度学习的交叉,已成为机器学习领域的研究热点。基于此,介绍了图卷积神经网络的形成,梳理了两大类经典的图卷积神经网络:谱方法和空间方法,详细介绍了这两类图卷积神经网络模型,分析了图卷积操作的核心理论基础,介绍了图卷积神经网络在各领域的应用,总结了图卷积神经网络面临的主要挑战,展望了图卷积神经网络的发展趋势,并分析了图卷积神经网络在野外环境下蝴蝶识别任务中的潜在应用。

南非奥特尼夸盆地构造沉积演化与油气成藏

南非奥特尼夸盆地油气勘探程度非常低,2019年与2020年连续的天然气大发现吸引了国内外油气公司广泛关注。基于IHS数据库、新项目评价及文献等资料,综合分析表明:奥特尼夸盆地经历了二叠纪以来的前裂谷、同裂谷、过渡期和裂谷后4个演化阶段;主要沉积了裂谷期陆相碎屑岩及过渡期–裂谷后的海相碎屑岩。盆地主力烃源岩为豪特里维阶和巴雷姆–阿普特阶海相页岩;发育了同裂谷期凡兰吟阶顶部浅海相砂岩和漂移早期阿尔比阶海相深水碎屑岩两套重要的储集层,储盖组合条件优越;共形成了巴雷姆–阿尔比阶砂岩、凡兰吟−豪特里维阶砂岩、上侏罗统−下白垩统砂岩和基底4套成藏组合。油气分布呈“西多东少”格局,目前应以Bredasdorp次盆大陆边缘深水区白垩系透镜状浊积砂岩为勘探重点。

扶金化积丸对环磷酰胺治疗Lewis肺癌荷瘤小鼠的化疗增敏作用及机制

目的探讨扶金化积丸对环磷酰胺治疗Lewis肺癌荷瘤小鼠化疗增敏的作用及机制。方法选取健康C57BL/6小鼠接种Lewis肺癌瘤株造模。小鼠随机分成正常组、荷瘤对照组、扶金化积丸组、环磷酰胺组、扶金化积丸+环磷酰胺组。各组药物干预后,检测荷瘤小鼠瘤重、瘤体体积、计算抑瘤率及器官指数。全自动血液分析仪进行血细胞计数及血红蛋白浓度检测。酶联免疫吸附试验检测血清中肿瘤坏死因子-α、白细胞介素2、γ干扰素的含量。苏木素-伊红染色观察瘤组织病理学改变。免疫组化法检测基质金属蛋白酶9、核因子κB的表达。结果与环磷酰胺组比较,扶金化积丸+环磷酰胺组瘤瘤重、瘤体体积显著减小(P<0.05);脾脏、胸腺指数显著增大(P<0.001);红细胞、白细胞、血小板数目及血红蛋白浓度均显著升高(P<0.01,P<0.001);肿瘤坏死因子-α及白细胞介素2含量均显著升高(P<0.05,P<0.001);瘤组织核固缩较多,有明显坏死及出血现象,出现细胞凋亡;基质金属蛋白酶9、核因子κB表达降低,但差异无统计学意义(P>0.05)。结论扶金化积丸可增强环磷酰胺对Lewis肺癌荷瘤小鼠的抑瘤作用,其机制与增强机体免疫有关。

压缩感知和图卷积神经网络相结合的宽频振荡扰动源定位方法

新能源并网引发的宽频振荡严重威胁电网安全,实现宽频振荡源的在线定位并及时采取抑制措施以保证系统安全稳定尤为必要。为此,提出一种压缩采样和图卷积神经网络相结合的宽频振荡源定位方法,该方法首先在子站对时序的振荡信号进行稀疏采样,获得其低维观测序列,作为节点的时序信息,然后在主站融合系统的拓扑结构捕捉各节点的邻接关系,综合考虑系统振荡的时空特性,运用图卷积神经网络实现振荡源定位。最后利用宽频振荡样本集进行仿真验证,结果表明所提方法在量测数据含有噪声、传输数据缺失以及传输数据偏差的情况下都有较高的定位准确度。

甲烷裂解双分散孔催化剂颗粒积碳行为模拟

【目的】为了更好地理解催化剂颗粒的积碳行为,分析积碳效应下催化剂颗粒界面反应传质特性,实现对催化剂颗粒的优化设计与调控。【方法】采用颗粒解析模型,考虑积碳引起的孔隙结构动态演变以及反应性能的衰减,分别探讨单分散孔和双分散孔颗粒积碳形成及所引起的孔隙结构演变规律。【结果】积碳失活从多孔颗粒表层向内部核心移动,扩散主导机制转向反应主导机制;相较于单分散孔颗粒,双分散孔颗粒具备更强的抗积碳性能;固定床反应器中催化剂颗粒分布影响积碳行为,壁面处积碳更加严重,更容易导致失活。【结论】选择双分散孔催化剂颗粒对于积碳行为具有改善作用,同时应选择合适的长径比反应器,削弱壁面效应对积碳行为的影响。

一种基于图卷积网络的分类地物简化方法

随着城市实景三维建设的全面推进,其高细节、大规模和复杂性等特点,导致了三维模型数据存储管理困难、传输速度慢、加载应用不流畅等问题。本文提出了一种基于图卷积网络对城市三维模型语义进行分类,针对各地物类别采取个性化的地物简化方法,并进行了建筑物、草地场景的三维模型轻量化试验,试验结果表明,使用本文方法,在保证模型可视化效果的前提下,可减少90%的数据量。

基于“因虚、积冷、结气”理论探讨乳腺增生病病机特点

本文以张仲景《金匮要略》妇人杂病的病因病机为切入点,从“因虚、积冷、结气”三个维度,探讨乳腺增生病的病机特点。论文通过分析“因虚、积冷、结气”的病机特点、内在关系以及与乳腺增生病的相关性后认为:妇人病之“因虚”多因肝脾肾亏虚、冲任失养,“积冷”多见于寒凝血郁(瘀)痰滞,“结气”乃情志不遂,疏泄失常;虚、积冷、结气三者密切关联,相互影响,并可互为因果;乳腺增生病的发生多以情志失和、寒凝血郁气结、冲任失养为病机特点,其与“虚、积冷、结气”同理;临床辨证应以虚实为切入点,虚则首责冲任,实以气滞痰凝血瘀(寒)为先,并以此指导临床诊疗。

基于并行图卷积网络的无砟轨道监测测点异常识别

针对在服役过程中高速铁路无砟轨道结构健康监测可能出现由结构局部损伤或者传感器故障导致的测点异常问题,建立一种并行图卷积神经网络模型,来识别高速铁路无砟轨道监测测点的异常。采用结构早期初始状态的监测数据训练并行图卷积神经网络,获得结构初始状态下的测点数据之间的空间关联性;利用并行图卷积神经网络预测服役状态无砟轨道测点监测数据,实现轨道监测测点异常的识别;此外,对明显漂移的数据可基于有向图分析修正预测结果。将该方法应用于某高速铁路无砟轨道结构长期监测数据并识别了异常测点。

基于改进时空图卷积网络的道路行程时间预测模型

为提高道路网行程时间预测精度,综合考虑行程时间的空间依赖性、时间依赖性和天气因素影响,提出了基于属性增强和注意力机制的时空图卷积网络模型.首先,构建属性增强单元,将行程时间和天气信息融合;然后,利用图卷积网络捕获空间依赖性,利用门控递归单元捕获时间依赖性,并利用注意力机制增强模型对特征的学习;最后,利用该模型在真实数据集上对未来15、30、45和60 min的行程时间进行预测.结果表明:预测结果的均方根误差(RMSE)分别为0.0453、0.0456、0.0457和0.0468,与其他模型相比表现更优;考虑了时间、空间和天气因素后,相较于不考虑天气的情况,预测误差降低了约10.3%;相较于不考虑空间依赖性的情况,降低了约24.2%,表明所提模型能更好表达时空依赖性和外部条件影响.

基于时序图卷积的动态网络链路预测

动态网络链路预测广泛的应用前景,使得其逐渐成为网络科学研究的热点.动态网络链路演化过程中具有复杂的空间相关性和时间依赖性,导致其链路预测任务极具挑战.提出一个基于时序图卷积的动态网络链路预测模型(dynamic network link prediction based on sequential graph convolution, DNLP-SGC).针对网络快照序列不能有效反映动态网络连续性的问题,采用边缘触发机制对原始网络权重矩阵进行修正,弥补了离散快照表示动态网络存在时序信息丢失的不足.从网络演化过程出发,综合考虑节点间的特征相似性以及历史交互信息,采用时序图卷积提取动态网络中节点的特征,该方法融合了节点时空依赖关系.进一步,采用因果卷积网络捕获网络演化过程中潜在的全局时序特征,实现动态网络链路预测.在2个真实的网络数据集上的实验结果表明,DNLP-SGC在precision, recall, AUC指标上均优于对比的基线模型.

《小儿积滞病诊断标准》的制定研究

目的制定一个框架清晰、指标明确、可操作性强的《小儿积滞病诊断标准》,为中医儿科临床实践和中医药临床评价提供依据。方法基于文献研究法,结合课题组经验,初步制定确立小儿积滞病诊断标准框架和各层面条目;基于共识法(包括德尔菲法、名义小组法)征求专家意见,最终制定形成《小儿积滞病诊断标准》。结果制定了由“病史、病程、诊断指标、需要排除的疾病、诊断条件”5个层面的小儿积滞病诊断标准。结论本研究采用的研究方法得当,保证了内容的全面性和结果的客观性,《小儿积滞病诊断标准》具有科学性、实用性,可供小儿积滞病的临床科研与医疗工作者参考使用。该诊断标准已通过中华中医药学会的审核发布(编号T/CACM1387-2022)。

基于图卷积神经网络的节点分类方法研究综述

节点分类任务是图领域中的重要研究工作之一。近年来随着图卷积神经网络研究工作的不断深入,基于图卷积神经网络的节点分类研究及其应用都取得了重大进展。图卷积神经网络是基于卷积发展出的一类图神经网络,能处理图数据且具有卷积神经网络的优点,已成为图节点分类方法中最活跃的一个研究分支。对基于图卷积神经网络的节点分类方法的研究进展进行综述,首先介绍图的相关概念、节点分类的任务定义和常用的图数据集;然后探讨两类经典图卷积神经网络——谱域和空间域图卷积神经网络,以及图卷积神经网络在节点分类领域面临的挑战;之后从模型和数据两个视角分析图卷积神经网络在节点分类任务中的研究成果和未解决的问题;最后对基于图卷积神经网络的节点分类研究方向进行展望,并总结全文。

水汽系统积盐问题分析及处理

尿素水解制氨技术已广泛应用于火电机组脱硝还原剂的制备。然而,若出现尿素质量不合格,尿素水解器发生泄漏以及水解器疏水回用至凝汽器的情况,会对热力系统造成巨大危害。对某燃煤机组尿素水解器泄漏致水汽系统严重积盐及过热器爆管进行了分析,并提出了补充处理方案。实施后机组各项水汽指标均达到《火力发电机组及蒸汽动力设备水汽质量》(GB/T 12145—2016)要求,为水汽系统积盐的原因分析及处理提供了解决方案。

基于语序知识的双通道图卷积网络方面级情感分析

当前大多数基于图卷积网络的方面级情感分析方法利用文本的句法知识、语义知识、情感知识构建文本依赖,但少有研究利用文本语序知识构建文本依赖,导致图卷积网络不能有效地利用文本语序知识引导方面项学习上下文情感信息,从而限制了其性能。针对上述问题,提出基于语序知识的双通道图卷积网络(dual-channel graph convolutional network with word-order knowledge,WKDGCN)模型,该模型由语序图卷积网络(word-order graph convolutional network,WoGCN)和情感知识结合语义知识增强的句法图卷积网络(sentiment and attention-enhanced graph convolutional network,SAGCN)组成。具体地,WoGCN基于文本的语序知识构建图卷积网络,由文本的语序依赖引导方面项特征学习上下文情感信息;SAGCN利用SenticNet中的情感知识结合注意力机制增强句法依赖,利用增强后的句法依赖构建图卷积网络,以此引导方面项特征学习上下文情感信息;最后融合两个图卷积网络的特征用于情感分类。此外,设计了一种权重分配策略,在放大方面项权重的同时保持上下文权重一致,避免错误的计算方面项特征与重要特征的语义相关性。在多个公开数据集上的实验结果表明,所提方法优于对比模型。

密度导向的点云动态图卷积网络

针对现有主流网络对于点云局部特征提取的能力不足,以及在特征提取过程中未考虑点云密度的问题,提出一种密度导向的点云动态图卷积网络.首先提出点云局部密度指数的概念,衡量点及其邻域点在相应的空间位置中的密集程度;然后利用局部密度指数动态赋予每个点一个膨胀因子,提出密度导向的动态点分组方法对点云构建局部图结构,对每个局部图结构构造动态边缘卷积模块进行特征的提取与聚合,既提取了点云的几何特征,又实现了置换不变性;最后采用残差网络的思想优化图神经网络的过平滑问题.实验结果表明,在分类数据集ModelNet40与ScanObjectNN上,所提网络的分类准确率分别为93.5%和82.2%;在分割数据集ShapeNet与S3DIS上,该网络的平均交并比分别为85.6%和60.4%,均高于DGCNN等主流网络;所提网络在多项任务中的精度都得到显著提升,且在处理密度不均的点云时有较好的鲁棒性,验证了所提算法的可行性与有效性.

基于自适应图卷积和注意力池化的点云分类与分割

针对现有点云分类与分割方法使用最大池化聚合局部邻域特征,导致最大值以外的重要信息丢失的缺陷,提出一种结合自适应图卷积AdaptConv和注意力池化AP的点云分类与分割网络。首先,采用K近邻算法构建点云局部图结构,根据点的特征生成自适应卷积核,灵活精确地捕获点云的局部邻域特征;其次,为有效提高特征聚合能力,采用注意力池化定义能量函数得到权重值,加权并聚合出更具代表性的点云局部特征;最后,堆叠自适应图卷积和注意力池化逐层提取全局特征,提高网络的分类和分割精度。实验结果表明,相较基准方法,点云分类的平均类别精度提升0.9%,部件分割和语义分割的平均交并比分别提升0.8%和0.3%,证明所提方法可有效提升点云分类与分割的准确率,具有较高的鲁棒性。

沾化凹陷孤北洼陷东三段沉积体系类型及差异分布

沾化凹陷孤北洼陷东营组油气资源十分丰富,但沉积类型及其分布制约了油气勘探方向和精细勘探。文中综合孤北洼陷钻测井、岩心和三维地震资料,详细研究了东营组东三段沉积类型及其时空分布特征。结果表明:1)孤北洼陷东三段(Ed3)发育近岸水下扇、辫状河三角洲、滑塌浊积扇、滨浅湖和半深湖—深湖沉积。2)东三段沉积类型时空分布差异性特征明显。西缘陡坡带发育近源砂砾岩与暗色泥岩组合的近岸水下扇;南侧和东侧缓坡带发育辫状河三角洲;洼陷内发育湖相泥岩,断裂带附近多为滑塌浊积扇。3)沉积相带影响了储层质量。距源区越远,结构成熟度越高,则有利储层越发育;滑塌浊积扇相带储层质量优于辫状河三角洲相带,近岸水下扇相带相对较差。

结合图卷积神经网络和集成方法的推荐系统恶意攻击检测

推荐系统已被广泛应用于电子商务、社交媒体、信息分享等大多数互联网平台中,有效解决了信息过载问题。然而,这些平台面向所有互联网用户开放,导致不法用户利用系统设计缺陷通过恶意干扰、蓄意攻击等行为非法操纵评分数据,进而影响推荐结果,严重危害推荐服务的安全性。现有的检测方法大多都是基于从评级数据中提取的人工构建特征进行的托攻击检测,难以适应更复杂的共同访问注入攻击,并且人工构建特征费时且区分能力不足,同时攻击行为规模远远小于正常行为,给传统检测方法带来了不平衡数据问题。因此,文中提出堆叠多层图卷积神经网络端到端学习用户和项目之间的多阶交互行为信息得到用户嵌入和项目嵌入,将其作为攻击检测特征,以卷积神经网络作为基分类器实现深度行为特征提取,结合集成方法检测攻击。在真实数据集上的实验结果表明,与流行的推荐系统恶意攻击检测方法相比,所提方法对共同访问注入攻击行为有较好的检测效果并在一定程度上克服了不平衡数据的难题。

基于尿液代谢组学的小儿积滞体质代谢特征分析

目的基于超高效液相色谱-四级杆-静电场轨道阱高分辨质谱联用(UPLC-QE-MS)技术的尿液代谢组学方法,寻找与小儿积滞体质相关的潜在生物标志物,探究积滞体质形成的代谢特征。方法依照侯江红教授制定的中医儿童体质分型与判定标准,纳入积滞体质与健康体质志愿者各30例。采集两组志愿者的尿液样品,利用UPLC-QE-MS技术进行尿液样品检测和数据采集,结合无监督的主成分分析法(PCA)和正交信号校正的偏最小二乘判别分析法(OPLS-DA)统计处理数据,以变量投影重要度(VIP)>1,P<0.05为卡值标准筛选积滞体潜在生物标志物,将筛选得到的差异代谢物导入到KEGG数据库,通过富集和拓扑分析,寻找相关性最强的关键途径。结果积滞体质与健康体质OPLS-DA得分图表明两种体质之间存在明显差异。在正、负离子模式下共鉴定出43个与积滞体质相关的潜在生物标志物,其中3个标志物涉及色氨酸代谢、脂肪酸代谢等5条通路。结论积滞体质潜在生物标志物主要参与苯丙氨酸、酪氨酸和色氨酸代谢,脂肪酸代谢,β-丙氨酸代谢,烟酸和烟酰氨代谢,嘧啶代谢等途径,对机体的影响与积滞体质免疫力低下、易感冒、大便干结、易口疮和苔腻等状态相符,为儿童体质分型和判定标准提供客观化依据。