高校科技成果尽在科转云

本发明提供了一种基于极限学习机的慢盘检测方法及系统，通过对历史磁盘数据进行特征提取，从中选择特征向量进行训练，实现了基于神经网络检测慢盘的方案，优化了慢盘检测过程，提高了慢盘检测准确性并降低了计算复杂度；同时在实际使用过程中，随着历史磁盘数据数量的增加，越来越多的样本被不断训练，模型精度越来越高，进一步提升了准确率，保证了数据存储系统始终处于最佳工作状态。

随着纳米光子学的发展，具有超颖性质的人工微结构吸引了众多研究。针对日益增长的研究和设计需求，北京大学物理学院方哲宇及其研究团队实现了一种自洽的框架——BoNet，其结合了贝叶斯优化（Bayesian optimization）和卷积神经网络（convolutional neural network），实现了纳米结构对于超强光学手性的自学习。基于此框架，他们将纳米结构设计表示为图形，并输入卷积神经网络进行电场分布和反射光谱的学习，此过程不需要将纳米结构参数化为向量，因此最大化的保留了其几何信息和边界条件。同时，利用贝叶斯优化以实现对纳米结构远场光学手性的优化，并运用其采样样本反复训练神经网络实现自学习。利用BoNet，他们针对远场反射光谱的圆二色性进行优化并逼近了其理论极限(CD = 1)，同时利用神经网络匹配预测的近场电场分布，对获得的强光学手性进行分析解释。 此框架能够被直接推广用于其他光学性质的自学习优化，例如实现反常透射，偏振态调制和相位调制。更进一步的，此方法论能够帮助设计更多的，具有良好光学性质和运用价值的纳米光子学器件，比如消色差超透镜，超灵敏的微传感器以及智能超表面等。此研究同时能够启发更多数据驱动的研究，通过利用人工神经网络和其他机器学习的方法，实现对传统科学研究的新探索，在制药，引物设计，固体结构分析上启发新突破。 该工作于2019年11月19日在线发表于学术期刊《PHYSICAL REVIEW LETTERS》上，题为“Self-Learning Perfect Optical Chirality via a Deep Neural Network”(DOI: 10.1103/PhysRevLett.123.213902)。北京大学物理学院方哲宇研究员是本文的通讯作者，李瑜，徐优俊，姜美玲为该文的共同第一作者，北京大学定量生物学中心来鲁华教授为合作者，北京大学为唯一通讯作者单位。该工作得到得到了科技部、教育部、国家自然科学基金委、北京大学人工微结构和介观物理国家重点实验室、北京大学纳光电子前沿科学中心、量子物质科学协同创新中心、北京大学高性能校级计算平台、北京大学生命科学中心高性能计算平台等单位的支持。用于近远场计算的神经网络结构表征实现了逼近理论极限的高手性，并利用神经网络对近场分布进行分析

本发明公开了一种数控加工状态自学习的刀具磨损监控系统，结构为：刀具磨损规律学习库存储刀具学习磨损规律；数据获取与判断模块将伺服驱动电流数字信号提供给数据处理模块，进行格式转换并保存为监控电流信号；特征提取与选择模块选择与刀具磨损强相的信号特征；拟合预测趋势曲线模块建立信号特征与刀具加工寿命关系曲线；刀具磨损规律模块从刀具磨损规律学习库中获得刀具学习磨损规律；将趋势信号特征带入刀具学习磨损规律中得出刀具磨损量；刀具磨损补偿及换刀模块根据刀具磨损量作出刀具磨损补偿及换刀决策，提供给数控系统接口输入模块。

本发明公开了一种基于在线学习的监控视频中运动目标跟踪方法，其首先利用离线训练的特定类别测器检测出视频序列中目标区域；然后结合外观特性，采用双阈值保守关联思路关联相邻两帧之间的目标，得到可靠保守的短跟踪片；再在得到的跟踪片上，利用时空域分布约束信息，定义正负样本集，分别提取颜色、纹理外观特征相似度以及运动信息，作为在线学习器训练特征集，通过机器学习在线学习算法的训练过程，得到轨迹片分布规律上基于运动和外观特性的概率

本发明属于机器人智能控制相关技术领域，其公开了一种机器 人力控示教模仿学习的装置，其包括六自由度并联示教机器人、第一 六维力传感器、第二六维力传感器、六自由度操作机器人及力位采样 控制系统，所述第一六维力传感器设置在所述六自由度并联示教机器 人的末端执行器上，其用于感测所述六自由度并联示教机器人受到的·109·驱动力；所述第二六维力传感器设置在所述六自由度操作机器人的末 端执行器上，其用于感测所述六自由度操作机器人末端的接触力；所 述力位采样控制系统分别电性连接于所述六自

成果描述：通信网络关键节点可视化分析系统提供了Degree、 Betweenness centrality、Closeness centrality、 Eigenvector centrality、 HITS和PageRank等中心性计算算法。 不同的算法适用于不同的场合。Degree算法表示节点的直接影响力强弱。 节点的Degree中心性值越高，该节点的直接影响力越大。 Betweenness centrality算法研究节点之间的通信程度和节点对信息的控制， 使用该算法可以准确找到网络中某些“流量”非常大的重要节点；本算法可用于设计网络的通信协议、 优化网络部署和检测网络瓶颈等。Closeness centrality研究信息传播的独立性和有效性； 本算法反映了节点在网络中居于中心的程度；本算法可用于考察一个节点不依靠其它节点来传播信息的程度。Eigenvector centrality基于特征向量的方法不仅考虑节点邻居数量还考虑了其质量对节点重要性的影响， 这是从网络中节点的地位和名望角度考虑，适用于网页排序。HITS是一种重要的网页重要性排序算法，主要适用于网络信息检索领域。 PageRank是网页排序领域中最著名的算法；该算法基于网页的链接结构给网页排序；它认为万维网中一个页面的重要性取决于指向它的其它页面的数量和质量；本算法适用于网页排序。 在本系统中可以方便、轻松和快捷的使用以上算法；输入数据，选择中心性算法，系统会快速展现算法分析结果；结果中越重要的节点在画面展示中直径越大， 直径越小的节点表示节点的重要性越低；在系统右侧栏目中节点以重要性程度降序排序，前五个节点名字用红色突出标记。 以上展示方式是为了让分析人员方便分 析数据。市场前景分析：发掘网络中重要性节点 （边）一直是图论领域 的一个基本问题。随着 近年来复杂网络研究热 潮的兴起，特别是很多 实际网络所抽象出来的 复杂网络，表现出了与 以往图理论不同的特性， 如小世界特性、无尺度 特性等。如何在复杂网 络环境下，发掘重要性 节点已经成为复杂网络 研究的一个基本问题， 同时网络中节点的重要 性进行评估具有重要的 实用价值。尤其对各种 各样具体的网络，更可 以有针对性地分析其性 质，制定正确的策略和 措施。与同类成果相比的优势分析：本系统提供了更多的中 心性算法，分析人员可 以在本系统上从多角度 分析数据，从而得出更 为准确的分析结果； 本系统提供了数据可视 化的展示方式，并且将 重要的节点突出展示； 本系统提供了不同算法 的对比分析表，方便分 析人员对比分析； 本系统提供重要节点的 进一步分析思路，提供 节点的详细分析页面。

分布式光纤传感网络系统是一种融合传感、控制等功能的网络系统。光纤传感器通过改变的各种特性，比如波长、相位、强度等，来实现对外界物理量的传感。同时光纤又是一种很好的通信媒介，因此可以很好的同光纤传感网络系统融合。该网络系统具有抗电磁干扰，可靠性高，远距离分布式监测等特点，具有广阔的应用价值和市场前景。 　　电子科学与工程学院光子学与光通信研究室早在上世纪八十年代中便开始了光纤传感器的研究工作，九五期间又承接了国家重点科技攻关项目"光纤工业控制网络系统"的研制任务。多年来潜心攻关，埋头研究，成功的研制了多模光纤光栅、长周期光纤光栅，各类光纤传感器件（包括微弱力传感器，光纤温度传感器等）以及光纤工业控制网络系统，各项成果通过国家、部省级科技成果鉴定，达到国际先进水平，取得多项自主知识产权。 　　该成果进一步加速了我国在光纤传感以及光纤工业控制网络系统领域的发展，为发展全光传感控制网络奠定了基础，广泛用于工业控制、管道监控以及周界安防等领域。