伴随着5G、大数据、人工智能、物联网、工业4.0、国家重大战略需求等领域的技术发展，电子器件正朝着高功率、高集成化和便携式的方向发展，这亟需高效、轻质和高稳定性的热管理材料和方案来保证电子产品的效率、可靠性、安全性、耐用性和持续稳定性。如何大幅提高导热材料的热导率一直是热管理材料行业的技术痛点，也是促进消费电子、5G设备、高功率芯片、集成电路、电池等突破功率限制的关键。由于传统导热材料如金属、无机导热材料存在质量大、柔性差等缺点，导热聚合物的应用正在不断向高导热材料领域渗透。聚合物导热材料在成本、可加工性、柔韧性及稳定性等方面更有优势。但绝大多数的聚合物自身的导热性很差（一般导热系数为0.2 ~ 0.5 W/mK），无法满足高导热的需求，开发高导热的聚合物复合材料已经成为该领域的一个研究热点。采用复合高导热填料（如石墨烯、碳纳米管、氮化硼、金属氧化物等）是一种简单而高效的方式来提高聚合物基体的热导率，目前在工业生产已经有了广泛的应用。现有的大量研究表明，在聚合物材料内部构建导热网络可以在低添加量的条件下实现热导率的大幅度提高，这种三维渗流网络（如图1所示）可以为声子的快速传递提供通道，从而加速热量沿着三维网络进行传递。 封伟团队在综述中重点介绍了不同三维导热网络的构建及在制备聚合物导热复合材料方面的最新进展，如石墨烯三维网络、碳纳米管网络、氮化硼网络、金属三维导热网络等。讨论了不同导热材料三维网络的构建方法、结构取向调控方法及影响导热性能的关键因素（取向性、界面连接性、网络密度等）。同时，比较了不同的填料形式（分散颗粒填料与三维连续填料网络）对复合材料热导率的影响。相比于共混法制备的导热复合材料，基于三维填料网络的复合材料在填充比、分散性、取向控制及热导率提升率上都具有明显的优势。毫无疑问，三维连续导热网络的形成对于提升聚合物热导率至关重要。可以预见，三维导热填料网络的设计将作为一种实现聚合物高导热率的重要手段，成为新一代热管理系统的研究热点。 极端环境热管理系统在能源化工、通讯卫星、高速飞行器及人工智能等领域都发挥重要作用。导热复合材料作为热管理系统的关键材料，直接影响着其在不同环境内的热传导方向和效率。近年来，天津大学封伟教授团队以高导热碳复合材料为研究基础，针对其存在的导热各向异性、易损伤、压缩回弹性差以及与高弹性难以兼顾的问题，提出了通过微观结构设计、界面优化、分子级相互作用优化，分别实现复合材料的定向高导热、弹性高导热及自修复高导热，探索其在复杂界面和极端环境热传导领域的应用。

网络化服务集成平台是设计、实施网络化服务系统的基础。本成果建立了通用的网 络化服务与工程支持信息集成平台，集成企业相关的服务资源，为企业实现网络化服务 系统提供技术的支持。本项目涉及信息技术、自动化技术、制造技术和管理技术等多个科学研究领域，成 果来自于多个相关的理论研究和工业实施项目。成果已经应用于上海大众汽车有限公司、 沈阳机床集团、无锡机床集团等企业，相关成果正在机床、电气等行业推广。 同时，本项目通过中德合作，探索了一条高校、企业和外国高校以及外国企业之间 合作研究开发项目的新模式，打开了中德交流合作模式的另一扇窗口。

本发明提供一种电话通信网络中节点敏感性排序的方法

本发明通过挖掘无线传感器网络中利用MIMO中发射信号的空间相关特性对其进行预编码，在同等的功率限制条件下，相比传统的方法即预编码没有考虑空间相关性或者没有进行预编码，本发明能够获得更高的信道容量。而且相比于对MIMO发射信号非线性编码，线性编码具有更强的实际操作性。

本系统致力于无线传感器网络理论、方法和技术在分布式温度监测方面的应用，自主设计并研制了基于无线传感器网络的分布式温度监测系统。本系统可用于粮情监测、桥梁和建筑物健康状态诊断等场合。/line项目产品构建了由具有一线式多温度测量点的无线传感器网络节点、网络基站和监控终端等所组成。无线传感器网络节点的多温度和湿度采集点按国家相关行业的规范要求分布在相关监测区域中。系统的实时性高、稳定可靠、扩展性强、成本低、安装维护方便。系统监测终端人机操作界面采用层次结构、数据及状态显示多样、调用和查询及管理方便、直观。

本发明公开了一种认知无线电中基于自组织映射神经网络的恶意用户判别方法，本发明利用自组织映射(简称SOM)神经网络学习输入能量矩阵的分布特征，并根据学习结果对输入量进行有效的分类。首先引入“可疑度”的概念，其大小根据每次训练后每种类别所包含的次级用户的个数进行分配。为了消除传统的SOM神经网络的缺陷，本发明进一步提出了“平均可疑度”的概念。具体步骤包括：获得能量矩阵，利用SOM神经网络算法对能量矩阵进行训练得到分类矩阵，计算每个次级用户的“可疑度”，构造索引矩阵并重复训练过程，并将每次得到的“可疑度”取平均值，即“平均可疑度”，并利用“平均可疑度”对次级用户进行分类，识别出恶意用户或是正常用户。

阿尔茨海默病（AD）是一种不可逆的神经退行性疾病。大量基于功能磁共振影像的研究提示AD可能是一种失连接综合征。但是由于缺乏大样本、多站点的数据集交互验证，迄今为止与AD脑功能活动、脑连接的异常模式还没有得到一个清晰一致的结论，脑功能活动是否可以作为AD的早期影像学标记也有待进一步验证。为准确刻画AD的脑活动、脑连接和脑网络异常模式，并探索功能磁共振影像指标作为AD早期识别标记的可行性，中国科学院自动化研究所脑网络组研究中心联合中国人民解放军总医院、首都医科大学宣武医院、天津环湖医院和山东大学齐鲁医院等国内外多家单位的研究人员组成的研究团队，共同利用多中心、大样本的功能磁共振影像数据(N=688)，使用荟萃分析的方法找到了AD中稳定的、可重复的功能异常模式，并从标记的泛化性、个体化精准诊断可行性与生物机制解析等方面进行了系统的研究。该研究成果近日在《Human Brain Mapping》在线发表。本研究首次使用多中心、大样本的静息态功能磁共振数据集对AD患者的功能异常进行了全面系统的研究，并评估了与AD有关的功能异常作为AD诊断的生物标记物的有效性和泛化性。更具体地说，研究发现脑内默认网络(DMN)、扣带回、基底神经节以及海马的异常功能连接和局部活动可能是AD认知能力、脑内信息交流受损的基础。脑网络异常的严重程度的个体间差异与认知损害程度、β淀粉样蛋白累积程度显著相关，这进一步加深了我们对AD的神经生物基础和脑功能活动异常之间关系的理解。跨中心独立验证的个体识别准确率和临床评分预测的结果表明脑功能活动异常可能作为AD发生发展可能的影像学标记物。后续独立验证数据集和一系列的对比实验证实了结果的可重复性和泛化性，夯实了本文的结论。这也是该团队继基于多中心的功能磁共振阿尔茨海默病脑活动改变研究和基于海马影像组学的AD早期识别的研究之后，在AD的脑影像异常表征上取得的又一重要进展。团队后续的工作将集中在更多独立中心、纵向跟踪的高危人群的验证工作，并希望和更多的团队建立进一步的合作。该研究受到国家重点研发计划课题、国家自然科学基金委面上项目、中国科学院先导项目和模式识别国家重点实验室开放课题等项目的支持。相关论文信息：https://onlinelibrary.wiley.com/doi/10.1002/hbm.25023

本发明公开了一种基于神经网络模型 BP 算法的嵌入式矿压检测方法法，首先根据根据待检测区域的地域情况，采用多个振弦式压力传感器进行测量；然后 ARM7 处理器根据系统任务个数建立相应的进程；最后在建立的任务中打开定时器，输出一个固定在某一频率范围内的脉冲，经过驱动激振电路，产生一个能对振弦式压力传感器内部振弦起振的信号，同时使用 ARM7处理器对振弦式压力传感器返回的脉冲信号进行频率测量，计算得到压力值，最后，利用温度传感器采集振弦周围区域的温度，采用 BP 算法建立神经网络模型，利用神经网络模型对得到的各组压力数据及采集的温度数据进行学习，并根据神经网络模型找出压力随温度的变化规律，对振弦式传感器进行温度补偿。

利用A-to-I RNA编辑作为miRNA反义链表达的有利证据。通过靶向RNA测序技术，宋玉龙和李丽诗等利用A-to-I RNA编辑推导链表达的方向，揭示了miRNA基因座反义RNA的广泛表达和编辑现象。宋玉龙和李丽诗等发现miRNA和其反义RNA形成了一个相互调控的网络：miRNA可以下调其反义RNA的表达水平；反义RNA在转录水平和转录后水平调控miRNA的表达和加工。此外，A-to-I RNA编辑可以稳定反义RNA的结构，避免其被配对的miRNA所降解。这一研究揭示了前人所未知的miRNA反义链编辑现象的广泛性，为RNA编辑的研究开辟了新的研究方向。

本发明公开了一种反馈型人工神经网络训练方法及计算系统, 属于神经网络计算领域。一种人工神经网络训练方法，突触权重根据 神经突出两端的前馈信号和反馈信号调整，当神经突出两端分别为兴 奋前馈信号和兴奋反馈信号时，该突出权重调整到最大值，当神经突 出两端分别为静息前馈信号和兴奋反馈信号时，该突出权重调整到最 小值；一种反馈型人工神经网络计算系统，节点电路包括计算模块、 前馈模块和反馈模块，节点电路通过忆阻器模拟的神经突出相