多尺度特征和注意力融合的生成对抗壁画修复

针对现有深度学习图像修复算法修复壁画时，存在特征提取不足及细节重构丢失等问题，提出了一种多尺度特征和注意力融合的生成对抗壁画修复深度学习模型。设计多尺度特征金字塔网络提取壁画中不同尺度的特征信息，增强特征关联性；采用自注意力机制及特征融合模块构建多尺度特征生成器，以获取丰富的上下文信息，提升网络的修复能力；引入最小化对抗损失与均方误差促进判别器的残差反馈，从而结合不同尺度的特征信息完成壁画修复。通过对真实敦煌壁画数字化修复的实验结果表明，所提算法能够有效保护壁画图像的边缘和纹理等重要特征信息，并且主观视觉效果及客观评价指标均优于比较算法。     

基于Transformer模型的滚动轴承剩余使用寿命预测方法

准确的滚动轴承剩余使用寿命(RUL)预测对保证机械安全运行和减小维修损失起着至关重要的作用。为提高滚动轴承RUL预测准确率，提出一种基于Transformer模型的轴承RUL预测方法，充分利用其自注意力机制与编码器-解码器结构的优势，解决轴承RUL预测中序列过长而导致的记忆力退化问题，挖掘出输入特征与轴承RUL之间复杂映射关系。同时，采用三角函数变换与累积变换来修正输入特征的单调性与趋势性，使其能更好地表征滚动轴承的退化过程。在PHM2012数据集上的实验结果表明：所提方法相比于对比方法平均绝对误差分别降低了9.25%、28.63%、34.14%，平均得分分别提高了2.78%、19.79%、29.38%；在XJTU-SY数据集上的实验结果表明，所提方法相比于对比方法均方根误差降低了17.4%，平均得分提高了18.6%，进一步证明了其可行性与优越性。     

基于回访机制的无人机集群分布式协同区域搜索方法

为高效引导无人机（UAV）集群搜索未知任务区域内的动态目标，同时兼顾最大化覆盖搜索效能，提出一种回访机制驱动的UAV集群分布式协同搜索决策（RM-DCSD）算法。首先，基于栅格化方法构建了包含3种属性的综合态势信息图模型及其更新机理，为UAV进行实时在线搜索决策奠定基础；其次，以最大化搜索效率为优化目标，同时兼顾UAV的飞行安全与能耗代价，建立了UAV搜索效能函数，在此基础上，基于滚动优化思想进一步构建了UAV局部有限时域滚动优化模型；然后，综合考虑动目标的实际搜索需求以及传感器虚警和漏检情况，分别设计了信息素引导的回访机制与权系数动态切换引导的回访机制；接着，借鉴分布式模型预测控制思想，设计了基于信息融合的UAV集群分布式协同搜索决策机制，在确保集群分布式协同最优决策的基础上实现了对UAV成员态势信息图的解耦式更新，进一步增强了系统鲁棒性；最后，通过数值仿真实验对所提算法的有效性进行全面验证。仿真结果表明，RM-DCSD算法对动态未知搜索环境表现出良好的适应性，能够在引导UAV集群对未知区域进行最大化覆盖搜索的同时，通过回访机制驱动，有效兼顾对地面动目标的搜索需求。     

纳米碳/铝复合材料的制备、界面改性与增强机制研究进展

以石墨烯和碳纳米管为代表的纳米碳是发展结构功能一体化铝基复合材料的理想增强材料，但纳米碳分散难、与铝润湿差及不良的界面结合等限制了增强效果。针对此问题，介绍了纳米碳/铝复合材料熔融铸造和粉末冶金制备方法的改进及新发展的制备技术，从表面化学改性、涂层及纳米粒子修饰方面总结了纳米碳表面处理与增强铝基复合材料的研究现状。基于纳米碳/铝的界面结合机制，综述了表面改性前后反应和扩散型界面的形成过程及它们与机械锚结型界面对载荷传递的影响、改善途径；分析了纳米碳/铝复合材料研究中涉及的主要增强机制、影响因素和增强效果，并展望了提升该复合材料结构与功能性能的研究重点。     

喷射成形TiCp/ZA35复合材料热挤压工艺的ANN优化和组织研究

采用人工神经网络(ANN)的方法，研究挤压比、挤压比压、挤压温度和挤压速率对喷射成形TiC_p/ZA35复合材料力学性能的影响，建立了TiC_p/ZA35复合材料热挤压的人工神经网络模型。模型的输入参数为挤压比、挤压比压、挤压温度和挤压速率，输出参数为复合材料的抗拉强度。该模型可以仿真TiC_p/ZA35复合材料在不同热挤压工艺参数下的力学性能，也可以优化热挤压工艺参数，模型结果与实验结果误差小于1.8%，拟合率为0.986。推荐热挤压工艺优化参数为：挤压比22，挤压比压415 MPa，挤压温度315℃，挤压速率8 mm·s^-1，此工艺条件下复合材料的抗拉强度为486.7 MPa。热挤压间接对复合材料进行了时效处理，材料晶内析出晶须状和颗粒状的MnAl6强化相。弥散强化和位错强化作用使热挤压喷射沉积TiCp/ZA35复合材料较未挤压复合材料抗拉强度提高38.3%。     

结合极化自注意力机制的空间目标位姿估计

利用深度学习强大的特征提取能力和残差网络的捷径反馈机制，设计了端对端的图像位姿估计方法。该方法提高网络特征的学习能力，将Polarized Self-Attention注意力模块嵌入到残差网络ResNet-50中，对空间目标图像中的空间信息进行了增强。由于空间目标的位置和姿态信息相互独立，将其分为两个不同的网络结构分支通过回归分别得到两者的信息。其中，在姿态信息回归分支中，对姿态信息进行软分配编码，相比直接回归有效减少了姿态误差。最后在URSO空间目标图像数据集上进行了实验验证，所提算法对空间目标位姿估计取得了更好的估计结果。     

长期禁食对尿酸代谢的影响及其调控机制探讨

为研究长期禁食过程中大鼠尿酸代谢的变化及其潜在的调控机制，以Sprague-Dawley(SD)大鼠为动物模型，通过病理组织切片、生化检测、荧光定量PCR(qRT-PCR)以及蛋白免疫印迹（Western blotting）等方法分析不同禁食时间（1,2,3,5,7天）大鼠尿酸水平及其代谢相关基因和蛋白的表达变化。结果表明，长期禁食未对大鼠肾脏组织产生明显的损伤，引起了血尿酸水平上升、尿尿酸水平波动性变化和血液尿酸酶活性升高；随着禁食时间的延长，主要尿酸转运蛋白的mRNA和蛋白表达水平逐渐上调。长期禁食过程中大鼠尿酸代谢变化可能与尿酸转运蛋白及尿酸酶活性有关。     

基于改进组合机器学习的卫星遥测参数预测

对在轨卫星的运行状态进行监测、分析以及异常检测是卫星在轨运行管理的重要内容。预测卫星遥测参数序列的变化趋势，对卫星异常检测与处置、保障安全运行非常必要。针对目前对于周期性不明显且具有多种变化特征的遥测参数预测精确度不够的问题，本文引入对遥测参数的预测有辅助作用的因素作为协变量，提出了基于改进组合机器学习的预测模型。该模型使用全局模型和局部模型分别获取遥测参数序列的趋势特征和局部不规则波动特征，并采用改进的注意力机制捕获多维参数之间的关联关系，提高了预测精度。此模型可以提供点预测和区间预测的结果，为在轨卫星处置决策提供了更多输入。在科学卫星真实遥测数据集和时间序列公开数据集上验证了本文方法的有效性。     

基于注意力机制与特征相关性的人脸表情识别

针对自然条件下人脸表情识别面临遮挡、光照、姿势变化等挑战，存在识别准确率低的问题, 提出了一种新的深度学习网络模型用于人脸表情识别。以ResNet为基础网络，融合了瓶颈注意力机制及全局二阶池化层，其中瓶颈注意力机制专注于表情重要特征的提取，全局二阶池化层度量表情特征之间的相关性，在此基础上通过联合正则化策略，平衡和改善特征数据分布情况，提高表情识别准确率。所提方法在2个公开数据集FER2013和CK+ 进行了测试及验证，最高准确率分别达到了74.227%和95.8%，性能优于诸多现存的主流方法，表明所提模型具有较好的准确性和鲁棒性。