为了研究人体皮肤中最重要的2种色素:黑色素与血色素,提出一种基于光密度空间的图像通道差的算法,从单张彩色图像中自动提取黑色素与血色素的浓度分布.该算法以皮肤的结构和光学属性为理论基础,构建色素与图像的数学模型.整个算法先将输入图像分为若干个子区域.在每个子区域利用独立成份分析ICA技术计算分离向量,根据归纳的原则对分离向量进行合理性验证.将所有合理的分离向量重组,生成新的向量,从中找出偏差最小的作为最终的全局分离向量,并以此计算色素浓度分布图.结果表明,该算法获得了理想的效果,并具有很好的鲁棒性.

型腔压力和熔体温差是反映塑料制品质量好坏的2项重要质量指标.考虑到塑料制品的薄壁特性,从黏性流体力学的基本方程出发,建立一种简化流动模型作为代理模型代替耗时的塑料注射成型模拟软件快速预测上述质量指标,基于代理模型的预测结果,采用粒子群算法实现注射参数的迭代优化,该方法计算速度快效率高,对知识的依赖程度低.最后通过实验对代理模型的正确性和优化方法的有效性进行验证,实验结果表明,基于代理模型的型腔压力预测值与实验值吻合较好,相对误差值只有8.41%,提出的优化方法与响应面方法的优化结果基本一致,但运行时间仅为响应面方法的0.02%.

对近年来的相关工作进行全面分析、横向比较，梳理出基于深度学习的EEG数据分析闭环流程. 对EEG数据进行介绍，从深度学习在EEG数据预处理、特征提取以及模型泛化3个关键阶段的应用进行展开，梳理深度学习算法在相应阶段提供的研究思路和解决方案，包括各阶段所存在的难点与问题. 全方位总结出不同算法的主要贡献和局限性，讨论深度学习技术在各个阶段处理EEG数据时所面临的挑战及未来的发展方向.

摘要: 具有低介电常数的多孔材料适合于集成电路方面的应用.从组成与结构、制备方法和介电性能等方面,分别介绍了以无机材料、有机材料、无机/有机复合相为基体的多孔低介电常数材料,其介电常数分别可以降低至1.99、1.50、1.99.以有机材料为基体的多孔低介电常数材料的使用温度达到450 ℃；以无机材料为基体的多孔低介电常数材料的抗弯强度达到136 MPa.在获得低介电常数的同时,改善材料由于引入孔隙导致的材料力学性能下降、介电损耗升高等问题,可以进一步拓展材料的应用空间.

针对单模态特征提取存在的模态特征异质性难以保留问题和跨模态特征融合存在的特征冗余问题，基于跨模态Transformer，提出新的多模态情感分析模型（MTSA）. 使用长短时记忆(LSTM)与多任务学习框架提取单模态上下文语义信息，通过累加辅助模态任务损失以筛除噪声并保留模态特征异质性. 使用多任务门控机制调整跨模态特征融合，通过层叠Transformer结构融合文本、音频与视觉模态特征，提升融合深度，避免融合特征冗余. 在2个公开数据集MOSEI和SIMS上的实验结果表明，相较于其他先进模型，MTSA的整体性能表现更好，二分类准确率分别达到83.51%和84.18%.

针对当前制造企业正在向服务业拓展,产品服务系统作为一种新的制造系统模式正在迅速发展的态势,从用户对服务的需求、企业通过服务促进产品创新、企业差异化竞争的需要、企业争取客户的需要、环境保护的需求，以及信息及网络技术对产品服务的推动作用等角度分析了其背景.综述了产品服务系统相关研究和实践的发展,分析了各种产品服务的特点和产品服务系统理论,以及产品服务系统的共性的关键技术,主要包括：产品服务全生命周期管理理论和方法、产品服务系统的组织和过程优化理论；面向产品服务的设计技术、面向产品服务的用户需求挖掘技术、产品维修服务技术、产品服务信息采集技术、产品服务的人性化技术等.综述了一些产品服务系统的功能和特点.

针对采用运动估计/补偿（MC/ME）技术的具有多种宏块划分模式的视频编码标准,提出一种基于运动复杂度的码率控制（MBRC）算法.该算法在宏块级把运动估计、模式选择后得到的运动矢量信息(MV)、纹理信息以及宏块编码模式信息作为运动复杂度,并利用它确定宏块的类型,再根据宏块类型调整每个宏块的量化参数,使得人类视觉系统（HVS）更为敏感的运动区域分配到更多的目标比特；利用每帧图像编码后的反馈信息进行帧级码率控制,在信道码率受限的情况下,获得了较好的视觉效果.MBRC不需要额外计算运动矢量信息、纹理信息和宏块编码模式信息,提高了编码器的时间效率.

综述直接空气捕集CO₂吸附剂的研究进展，对比碱/碱土金属基吸附剂、金属有机框架吸附剂、负载胺基吸附剂、变湿吸附剂的优缺点，从吸附容量与胺效率、动力学与载体选择、再生方式与能耗、热稳定性与抗降解等方面对吸附剂性能进行评估. 简要叙述相关工程示范项目和技术经济性；总结研究中存在的问题，展望未来的研究方向.

为了提升自动驾驶汽车对周边环境的感知能力，提出优化DeepSort的前方多车辆目标跟踪算法. 采用Gaussian YOLO v3作为前端目标检测器，基于DarkNet-53骨干网络训练，获得专门针对车辆的检测器Gaussian YOLO v3-vehicle，使车辆检测准确率提升3%. 为了克服传统预训练模型没有针对车辆类别的缺点，提出采用扩增后的VeRi数据集进行重识别预训练. 提出结合中心损失函数与交叉熵损失函数的新损失函数，使网络提取的目标特征有更好的类内聚合以及类间分辨能力. 试验部分采集不同环境的实际道路视频，采用CLEAR MOT评价指标进行性能评估. 结果表明，与基准DeepSort YOLO v3相比，跟踪准确度提升1%，身份切换次数减少4%.

为了准确解析大鼠初级运动皮层神经元发放模式并预测相应的肢体动作,实验同时记录大鼠初级运动皮层神经元峰电位发放和大鼠前肢压力,利用K均值法和主成分分析法对神经元进行分类,采用偏最小二乘分析大鼠初级运动皮层神经元活动与前肢运动参数之间的关系,并对该解码结果与维纳滤波和卡尔曼滤波算法的解码结果进行比较.实验结果表明：神经元的发放活动在压杆前0.6 s开始有增加的趋势,提示大鼠的初级运动皮层神经元分布式活动可用于大鼠前肢运动的解析和预测,且偏最小二乘解码得到的预测值与真实压杆值的相关系数在085以上,均高于维纳滤波和卡尔曼滤波的解码结果.

目标检测模型在电子元件生产环境中的实时检测能力不佳，为此采用GhostNet替换YOLOv5的主干网络. 针对电子元件表面缺陷存在小目标及尺度变化较大的目标的情况，在YOLOv5主干网络中加入坐标注意力机制，在避免大量计算资源消耗的前提下增强感受野，将坐标信息嵌入通道注意力中以提升模型对目标的定位. 使用加权双向特征金字塔网络结构替换YOLOv5特征融合模块中的特征金字塔网络(FPN)结构，提升多尺度加权特征的融合能力. 在自制缺陷电子元件数据集上的实验结果表明，改进的GCB-YOLOv5模型平均精度达到93%，平均检测时间为33.2 ms，相比于原始YOLOv5模型，平均精度提高了15.0%，平均时间提升了7 ms，可以同时满足电子元件表面缺陷检测精度与速度的需求.

针对高功率、高比能的动力电池散热问题，提出结构紧凑、换热高效的制冷剂直接热传输的电池热管理系统（简称直冷式系统）. 以整车系统为背景，利用AMESim搭建空调制冷与电池热管理的耦合模型，从系统的温度响应和能耗角度，分析电池组及电池单体平均温降、温均、系统COP以及?效率. 结果表明，直冷式系统具有较快的温度响应特性，在高温高速的稳态和动态工况下都可以对电池进行快速降温，实现了较好的温均性. 在针对某一稳定工况进行能耗分析时，得出COP为4.19的较高的系统能效比，但系统的?效率为46.17%，存在进一步提升系统?效率的空间.

给出一种基于现场可编程门阵列（FPGA）的全数字实现对数模型自动增益控制器（AGC）的构架.该构架中的增益调整电路主要由平方包络检测器、基于坐标旋转数字计算（CORDIC）迭代结构的高效超越函数处理器、基于数字无限冲击响应（IIR）的环路积分器和参数可配置的控制逻辑发生器组成.包络检测器只要用阶数很低的有限冲击响应（FIR）滤波器就可以满足滤波性能.采用对称系数的转置型结构使得滤波器的乘法器个数降低一半.数字无限长冲激响应滤波器IIR逼近模拟积分器,通过简单近似处理得到一个结构和实现非常简单的数字积分器.基于CORDIC迭代的超越函数处理器可以很方便地实现对数转换器,该结构采用迭代算法可以输出任意精度的结果,并且容易实现电路资源和电路速度的折中,避免了传统算法对存储器要求高的缺点.采用全并行的流水结构使得电路最高工作时钟可达206 MHz.最后给出基于FPGA器件的设计结果和硬件仿真,实验结果和理论分析完全吻合.