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.
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%.
针对由散射、吸收和色偏等多种因素导致的水下图像模糊、对比度低、图像失真辨识困难的问题，提出基于改进CycleGAN的多失真类型水下图像增强算法. 为了提高图像增强效果，在CycleGAN的生成器中采用Auto-Encoder+Skip-connection的网络结构，添加全局色彩校正结构，从像素方面以及颜色方面进行全局增强，从而更好地捕捉水下图像中的色彩信息. 设计多维感知判别器来学习图像的全局特征和局部特征，此设计更加注重图像局部细节部分，有效针对散斑和色彩噪声，从多维空间上感知图像，提取特征能力更强，从而能提高图像判别的精度. 在EUVP、UIEB和U45数据集上的实验结果表明，所提出的方法取得了较好的结果，相较其他算法，在处理多种水下失真类型的图像方面，该算法的SSIM指标平均比第2名高出1.57%、PSNR指标高出1.836%、UIQM指标高出1.324%、UCIQE指标高出1.086%，在处理颜色和噪声细节方面表现出色.
某轴重25 t运煤重载铁路半径580~1000 m的曲线入/出缓和段钢轨存在明显的滚动接触疲劳（RCF）差异现象，出缓和段的疲劳更严重. 在轮轨现场观测和列车参数调研的基础上，使用Simpack建立包含2节内重联机车与108节货车的重载列车动力学模型，利用损伤函数模型数值分析入/出缓和段RCF差异的机理和主要影响因素. 结果表明，RCF差异由货车曲线通过行为主导，货车中转向架导向轮对的贡献最显著，非导向轮对与机车的贡献相对轻微. 在标准轮轨廓形匹配工况下，RCF差异不显著；待货车车轮磨耗失形后，钢轨磨耗失形对RCF差异的影响并不显著，轮轨蠕滑率/力在出缓和段比在入缓和段高是导致RCF差异的根本原因. 磨耗后的货车转向架导向轮对与磨耗轨在小半径曲线上频繁地相互作用，是导致入/出缓和段钢轨RCF差异的主要原因.
由于知识载体形式的多样性和描述知识资源信息的异构性，不利于企业知识资源的共享、转移和利用,通过对企业工艺设计知识资源的现状分析,给出工艺设计知识网络的形式化定义,利用元数据技术,提出工艺设计知识资源网络(PPKRN)的元数据模型.该模型有助于实现企业知识资源的统一、透明、规范表示,促进工艺设计知识资源网络的有序化,并能够有效的构建知识之间的动态关联性.以国内某汽车发动机制造企业开发的工艺设计知识资源网络原型系统为例,进一步说明了所提出模型的可行性和有效性.
为了深入理解推进泵流致噪声激励源机理，为推进泵低噪声设计提供支撑，以某双级推进泵为对象，基于其多工况下的辐射噪声实测结果，围绕推进泵流致噪声的调制机理及流致噪声源的提取方法展开研究. 在空泡水洞中测量该双级推进泵的辐射噪声，采用循环平稳分析方法，进行噪声解调分析与流致噪声源特征频率提取；开展该双级推进泵内流场的非定常数值模拟，分析其瞬态内流场分布特性与三向激振力特性. 联合信号处理结果与内流场模拟结果，研究推进泵流致噪声源的关键特性与形成原理. 结果表明，导叶是影响双级推进泵辐射噪声特性的关键因素，导叶调制线谱的强度与推进泵的来流条件、运行工况密切相关，叶轮与导叶的匹配性设计对推进泵振动噪声控制起关键作用.
针对传统目标检测算法（SSD）检测小目标精度低的问题，提出基于注意力机制与多尺度信息融合方法并将其运用于车辆检测任务. 结合浅层特征图与深层特征图的优势，小目标检测分支和大中型目标检测分支的特征图采用5支路和2支路融合. 在基础网络层之间加入注意力机制模块，模型会关注包含更多信息量的通道. 实验结果表明，在自建车辆数据集上的均值平均精度（mAP）达到90.2%，比传统SSD算法提高了10.0%，其中小目标检测精度提高了17.9%；在PASCAL VOC 2012数据集上的类别平均精度mAP为83.1%，比主流的YOLOv5算法提高了6.4%. 此外，提出算法在GTX1 660 Ti PC端的检测速度可以达到25 帧/s，能够满足实时性的需求.
为了实现城市高架桥或高速公路改扩建工程超大规模盖梁的装配化、快速化施工，提出由钢板和超高性能混凝土（UHPC）制作的外壳及现浇核心混凝土（NC）组成的新型UHPC-NC组合盖梁.为了探究外壳UHPC和钢模板厚度对受力性能的影响，对不同UHPC和钢板厚度进行参数分析. 分析结果表明，在自重作用下，外壳的刚度受UHPC和钢板厚度及其比例的共同影响. 当张拉预应力和浇筑混凝土时，UHPC和钢板越厚，外壳的受力性能越好，但是经济性会降低，建议采用UHPC厚70 mm，钢板厚6 mm的方案. 为了验证该方案的可行性和安全性，设计1∶2.5的缩尺模型，开展静力加载试验. 结果表明，新型UHPC-NC组合盖梁的受力性能好，安全储备较高，可以为盖梁的装配化施工提供参考.
针对疲劳驾驶检测方法泛化能力差、特征提取模式单一、模型不可解释等问题，提出多模态特征融合模型nsNMF-PCNN-GRU-MSA，通过分析驾驶员脑电图（EEG）信号实现疲劳程度的检测. 在网络浅层设计通道加权模块，引入非平滑非负矩阵分解（nsNMF）算法计算电极通道的贡献度；在网络中层设计多模态特征融合模块，引入格拉姆角场成像方法将一维EEG数据映射成二维图像，并采用PCNN-GRU并行方式融合不同模态的时空特征；在网络深层融合多头自注意力机制（MSA），完成疲劳驾驶状态分类任务. 实验结果表明，该模型在数据集SEED-VIG和SAD的混合样本上的疲劳检测准确率分别为93.37%、90.78%，单个被试数据准确率最低分别为86.60%、85.59%，高于近年先进模型. 将特征激活值映射到大脑拓扑图上的分析方法不仅提高了模型的可解释性，而且为疲劳驾驶检测提供了新视角.
为了研究工业园区综合能源系统的多能互补新路线，提出基于高低温相变材料的新型蒸汽卡诺电池. 建立计及设备性能与质量流量的热力学循环计算模型，分析设计参数、多级压缩结构对系统热泵系数、循环效率、储电损失与供热?效率的影响. 通过探究发现，低温相变材料的相变温度和高温相变材料的相变温度是影响蒸汽卡诺电池性能的主要因素，得到蒸汽卡诺电池的高循环性能区. 优化蒸汽卡诺电池的参数与结构，结果表明，循环效率可达56.96%，热泵系数可达2.55，供热?效率可达68.74%.
为了探究空间异质性对建成环境与共享单车出行量之间非线性关系的影响，构建考虑空间异质性的GW-XGBoost模型，采用SHAP模型解释建成环境因素的作用程度和空间差异. 相较于地理加权回归和极端梯度提升树模型，模型GW-XGBoost通过引入地理空间加权和自适应带宽显著提升了模型解释力和预测力，整体拟合优度平均提高15.59%，同时能够揭示建成环境对单车出行量非线性影响的强度方向和局部差异. 结果显示，建成环境因素对单车出行量呈现非线性影响. 在人口密度增加到20 000 人/km2后，影响由负转正；离CBD的距离位于15~20 km时，由中心向外围影响效应由正转负随后趋于平稳；在容积率增加到1.8后，影响效应由负转正. 研究结果为城市共享单车系统的资源优化提供科学依据和方法支撑.
针对航拍图像小目标检测中存在的检测精度低和模型参数量大的问题，提出兼顾性能与资源消耗的航拍小目标检测算法. 以YOLOv8s为基准网络，通过降低通道维数和加强对高频特征的关注，提出自适应细节增强模块（ADEM），在减少冗余信息的同时加强对小目标细粒度特征的捕获；基于PAN-FPN 架构调整特征融合网络，增加对浅层特征的关注，同时引入多尺度卷积核增强对目标上下文信息的关注，以适应小目标检测场景；针对传统IoU灵活性、泛化性不强的问题，构建参数可调的Nin-IoU，通过引入可调参数，实现对IoU的针对性调整，以适应不同检测任务的需求；提出轻量化检测头，在增强多尺度特征信息交融的同时减少冗余信息的传递. 结果表明，在VisDrone2019数据集上，所提算法以8.08×106的参数量实现了mAP0.5=50.3%的检测精度；相较于基准算法YOLOv8s，参数量降低了27.4%，精度提升了11.5个百分点. 在DOTA与DIOR数据集上的实验结果表明，所提算法具有较强的泛化能力.
针对人工驾驶车辆轨迹的预测难题及对自动驾驶决策的影响，建立基于时空图注意力网络的车辆多模态轨迹预测模型（STGAMT）. 模型基于车辆的历史信息，对车辆时间和空间维度的特征进行建模. 利用二维卷积神经网络识别车辆的横纵向的变道状态信息，将横纵向变道状态信息分别与时空动态交互模块输出信息桥连为横纵向运动特征，采用Softmax函数识别车辆的驾驶意图. 利用基于高斯条件分布的GRU网络对轨迹进行多模态轨迹输出. 实验结果表明，在短期预测范围内，STGAMT模型在HighD和NGSIM数据集上的RMSE较其他5个经典模型的平均RMSE降低了63.8%和41.0%；在长期预测范围内，STGAMT模型在HighD和NGSIM数据集上的RMSE较其他5个经典模型的平均RMSE降低了62.5%和19.1%. STGAMT模型可以有效提高人工驾驶车辆轨迹预测精度.
为了准确、方便地识别多类型眼底病变，提出光学相干断层扫描技术（OCT）图像的轻量化分类模型MB-CNN. 降低卷积核的使用个数，调节每个阶段卷积块的使用比例，设计轻量化主干网络L-Resnet，通过加深网络深度增强对深层语义信息的提取. 使用深度可分离卷积设计多尺度卷积块MultiBlock，利用MultiBloc深度挖掘病灶区域的特征，使用不同的卷积核提取不同尺寸病变的特征，提高网络对病变OCT图像的识别能力. 构建特征融合模块FFM，融合浅层信息和深层信息，充分提取病变特征的纹理和语义信息，提高对小目标病变的识别能力. 实验结果显示，MB-CNN在UCSD、Duke和NEH3个数据集上的总体分类精度分别达到97.2%、99.92%和94.37%，模型参数量明显降低，所提模型能够针对眼底的多种病变进行分类.
现有类案检索研究忽略了模型应当蕴含的法律逻辑，无法适应实际应用中案件相似标准的要求；类案检索任务的中文数据集较少，难以满足研究需求现状. 为此提出基于法律逻辑、有较强可解释性的类案检索模型，构建以谓语动词为基础的案件事理图谱. 将各类罪名对应的法条知识融入所提模型，将提取的不同要素输入以神经网络为基础的评分器以实现准确、高效的类案检索. 构建针对类案检索任务、以易混淆罪名组为主要检索案由的Confusing-LeCaRD数据集，所提模型在LeCaRD数据集和Confusing-LeCaRD数据集上的归一化折损累计增益分别为90.95%和94.64%，在各项指标上均优于TF-IDF、BM25和BERT-PLI模型.
利用分布在世界各地的闲置算力对大语言模型进行训练，有望提供全新的算力供应模式和削减训练成本. 针对此方法存在的隐私风险、恶意攻击和信任缺失问题，提出基于区块链的大模型微调算力共享平台CompuDEX. 充分利用区块链技术去信任、匿名的特性，提供无需信任中介且保护用户隐私的交易平台. 利用智能合约和密码学工具促使算力提供者公平竞争，以进一步降低训练成本. 基于零知识证明设计“红气球”激励机制与安全性方案，用于识别算力提供者的恶意行为并追责. 通过对微调方法LoRA的结构进行拆分，在不增加额外计算开销的前提下保护训练过程中的数据隐私. 实验结果表明，在微调的前向传播阶段，计算成本仅为国内主流云服务提供商的8%~14%. 通过增加并行节点的数量，运行时间可以从本地训练所需时间的175%显著减少到20%，甚至更低.
为了提高欠采样并行磁共振成像的图像重建质量，提出基于变分模型和Transformer的多尺度并行磁共振成像重建模型(VNTM). 该模型利用欠采样多线圈k空间数据来估计灵敏度图，并利用中期增强策略以提高灵敏度图的准确性. 将欠采样多线圈k空间数据和估计的灵敏度图输入变分模型进行重建，在变分模型中，通过前处理模块对图像数据进行降分辨率处理，以减少计算负担. 通过具有Transformer的多尺度U型网络，实现多尺度特征的有效融合. 使用后处理模块恢复分辨率，并对输出数据进行数据一致性操作以确保保真度. 在公开数据集进行大量定量和定性实验以验证所提方法的有效性. 结果表明，在峰值信噪比、结构相似度和视觉效果方面，所提出的重建模型均表现出更优的重建质量和更稳定的重建性能. 多组消融实验和不同自校准信号(ACS)区域大小的鲁棒性实验，验证了VNTM在不同条件下均能保持良好的重建性能.
针对配备电子机械制动(EMB)系统的车辆在弯道发生制动失效时易发生失稳跑偏的问题，提出结合制动力重构和路径跟踪的控制策略. 针对黏菌优化算法(SMA)的缺陷，引入高斯扰动和分阶段寻优改进算法的不足. 使用改进的黏菌算法，对线性二次调节器(LQR)的权重矩阵进行寻优. 当检测到EMB系统出现单轮失效时，利用改进的LQR算法计算车辆的横摆力矩，对制动力进行重构以维持车辆稳定. 对纯跟踪算法进行改进，通过转移跟踪控制点，提高算法的响应速度. 引入自适应模糊算法以考虑路面、速度各动态因素的影响，提高算法的适应性. 当检测到EMB系统出现双轮失效时，利用路径跟踪的方法，使车辆沿既定路线行驶直至安全停止. 试验结果表明，相较于传统方法，单轮失效下的横向偏差最大下降了59.15%，双轮失效的横向偏差最大下降了41.95%. 利用该控制策略，可以更有效地保证弯道制动失效时的行车安全.
