通过TCAD器件建模，建立了PIN二极管的电热耦合模型，搭建PIN限幅器HPM耦合仿真电路以进行高功率微波效应仿真。仿真得到了不同频率下PIN限幅器瞬态电压响应以及PIN二极管内部电场、载流子、结温分布。仿真结果表明，在HPM耦合电压作用下，PIN限幅器平顶泄漏负向电压随频率增大而降低，PIN限幅器平顶泄漏正向电压随频率增大而降低。PIN二极管内部PIN限幅器的限幅能力随微波频率增加先增强后减弱。HPM频率较低时PIN二极管内部晶格温度积累集中于I层界面处，随着频率升高，晶格温度积累集中于I层中间位置，因此频率变化会造成PIN限幅器的HPM毁伤敏感位置变化。

结合超短波通信中射频功放的实际工程应用，设计构建了一种复合型功放系统的检测电路及保护电路，并对其功能进行了研究。该设计的检测保护电路能够对脉宽范围50～110μs的信号进行实时监测，对应的占空比为4%～30%，在-35～0 dBm功率范围内对电路做出响应，开关的插入损耗≤2.6 dB，已在最新机载设备上获得应用，对提高功放的可靠性和使用寿命具有积极意义。

在当前物联网飞速发展的背景下，处理来自各种信息采集设备的多模态数据，尤其是视觉、听觉信号和文本等多元感官信息的数据，对于机器学习落地应用至关重要。Transformer架构和其衍生的大模型在自然语言处理和计算机视觉中的卓越表现推动了对复杂多模态数据处理能力的追求。然而，这也带来了数据隐私安全和满足个性化需求的挑战。为解决这些挑战，提出一种基于多模态Transformer的个性化联邦学习方法，它支持异构数据模态的联邦学习，在保护参与方数据隐私的前提下为其训练更符合其个性化需求的多模态模型。该方法显著提升了多模态个性化模型的性能：相较于对比方法，准确率提高了15%，这标志着多模态个性化联邦学习在应用场景限制上的突破。

语义分割是当前场景理解领域的基础技术之一。现存的语义分割网络通常结构复杂、参数量大、图像特征信息损失过多和计算效率低。针对以上问题，基于编-解码器框架和离散小波变换，设计了一个联合多连接特征编解码与小波池化的轻量级语义分割网络MLWP-Net(Multi-Link Wavelet-Pooled Network)，在编码阶段利用多连接策略并结合深度可分离卷积、空洞卷积和通道压缩设计了轻量级特征提取瓶颈结构，并设计了低频混合小波池化操作替代传统的下采样操作，有效降低编码过程造成的信息丢失；在解码阶段，设计了多分支并行空洞卷积解码器以融合多级特征并行实现图像分辨率的恢复。实验结果表明，MLWP-Net仅以0.74 MB的参数量在数据集Cityscapes和CamVid上分别达到74.1%和68.2%mIoU的分割精度，验证了该算法的有效性。

量子计算机潜力巨大，是国内外积极关注的颠覆性计算技术，已经逐步进入人们的视野，被赋予能够高效解决经典计算机不能解决的问题期望。该文首先总结了国内外量子计算机系统的发展（涉及硬件、软件多个层次），并归纳了目前量子计算系统需要面对的问题以及相关的解决方案和方向。随后，提出了量子操作系统的设计原则，并介绍了一种量子操作系统QuOS的原型核心机制。

针对传统DBN在无监督训练过程中预训练耗时久、诊断精度差等问题，提出了一种基于改进多目标蜻蜓优化自适应深度信念网络（IMODA-ADBN）的模拟电路故障诊断方法。首先，根据参数更新方向的异同提出了自适应学习率，提高网络收敛速度；其次，传统DBN在有监督调优过程利用BP算法，然而BP算法存在易陷入局部最优的问题，为了改善该问题，利用改进的MODA算法取代BP算法提高网络分类精度。在IMODA算法中,添加Logistic混沌印射和基于对立跳跃以获得帕累托最优解，增加算法的多样性，提高算法的性能。在7个多目标数学基准问题上测试该算法，并与3种元启发式优化算法（MODA、MOPSO和NSGA-II）进行比较，证明了IMODA-ADBN网络模型具有稳定性。最后将IMODAADBN运用到二级四运放双二阶低通滤波器的诊断实验中，实验结果表明该方法在收敛速度快的基础上保证了分类精度，诊断率更高，能够实现高难故障的分类与定位。

传统电子器件主要由硅基等无机半导体材料以及硬质高分子绝缘衬底材料组成，是现有电子技术的基础。虽然传统电子技术已经发展成熟，但由于材料的限制，导致在柔性电子领域方面，其应用尚存在一定的局限性。而二维材料拥有高结晶性、近乎完美的晶格结构、原子级的厚度与高的机械拉伸强度，并且表现出优异的电荷传输性质，使其在柔性电子领域具有应用前景。该文利用石墨烯、二硫化钼与六方氮化硼优异的机械性能，采取机械剥离法与干法转移，制备基于二硫化钼的场效应晶体管，并采取自主搭建的柔性测试平台，测试了器件的柔性电学性能。测试结果表明，设计的二维异质结晶体管在静态测试条件下，电学性能只有微小变化；但在动态测试条件下，由于层与层之间的范德瓦尔力太小，层与层之间发生滑动或位移，使得器件的电学性能出现较大变化。

在解析大脑的功能连接（functional connectivity, FC）时，血液动力学响应函数（hemodynamic response function, HRF）的差异性往往被忽视，然而该差异会影响到FC的计算，进而混淆统计结果的准确性。该研究以糖尿病患者为例，基于他们与健康人群的静息态功能性磁共振成像（resting-state fMRI, rs-fMRI）数据，对比研究了两者HRF参数（响应高度、响应时间、全幅半宽）的差异，并以具有显著差异的脑区作为种子点构建全脑功能连接，进行解卷积前后组内和组间连接强度差异性的统计分析。研究结果表明，在一些关键大脑区域（如brain64），糖尿病患者组的HRF参数与健康人群的统计结果存在显著差异，t检验统计结果显示FC连接强度在解卷积前后具有显著差异的结果不同，反映出HRF差异性影响了FC连接强度的计算，进一步可能影响到对于糖尿病脑网络变化和其内在神经机制的理解。研究结果说明在脑代谢性疾病中以血氧水平依赖(blood oxygen level dependent, BOLD)时间序列为基础进行FC等分析时，需充分考虑到HRF差异性对结果的潜在影响，并对BOLD时间序列进行解卷积，以校正HRF差异，这将有助于更精准地捕捉大脑功能连接的变化和特征，更深刻地反映疾病机制，并且部分解决fMRI研究结果的可重复性问题。

为了使人机协作系统中机器人能够准确地顺应人类行为，提出了一种基于在线学习的离散时间预定性能柔顺控制方法。该方法在外环采用在线顺序极限学习机算法估计人类行为，并将估计结果结合参考阻抗模型来重建参考轨迹。在内环建立了离散时间预定性能控制器用于跟踪重建后的参考轨迹，并利用时间延迟估计来获得机器人复杂的未知动力学模型。分析了闭环系统的瞬态和稳态性能，通过对比仿真验证了该方法的有效性。所提的离散时间控制方法可更好地满足数字计算机的工作原理，在减少计算和内存负担的基础上，使得机器人末端执行器的跟踪误差能够满足预设性能要求。此外，该方法无需机器人精确的数学模型，同时还能减轻人类操作机器人的力量负担，保证人机协作的柔顺性。

具有丰富多孔结构金属有机框架（MOF）在超级电容器领域拥有巨大潜力，但其固有的低导电性严重制约了其在电极材料方面的应用。通过将MOF晶粒嵌入至石墨烯（GE）的三维立体网络内部，并通过共轭聚合物聚吡咯（PPy）的长链结构，共同构筑起集3D分级多孔特性和高度稳定、高效导电性于一体的MOF/PPy/GE三元复合骨架。研究结果证实小比例掺杂PPy的钴（Co）基MOF能在三维网格中更加均匀地分散镶嵌，协同石墨烯纳米片层与导电性优异的PPy链段形成稳定的多级孔隙三维网络结构，有效缓解了石墨烯层间的堆砌效应。电化学性能测试数据显示，制备的复合电极材料显示了出色的电化学储能能力，比电容高达403.56 F/g，并在经过10 000圈循环测试后仍能保持高达98.25%的电容稳定性，体现了优良的超电容性能。

实现对永磁同步电机（PMSM）在低速转动工况下的高精度伺服控制是建立高性能星载激光通信链路的前提，其技术关键是对永磁同步电机转动状态的非线性特性进行精确描述。该文设计了一种具有能够处理连续动作空间特点的DDPG非线性控制器，采用梯度下降法分别训练评价神经网络和动作神经网络，实现了对非线性映射的精确拟合。Simulink仿真结果表明：和传统的比例-积分线性控制器相比较，DDPG控制器在跟踪参考低速信号时响应时间和稳定时间更短、跟踪误差更小；在施加扭矩时q轴电流响应更快，d轴电流波动更小，低速工况条件下的PMSM伺服控制性能得到了有效提高。

分析和研究肺癌患者住院费用的影响因素有利于更好地理解肺癌住院支出及疾病负担，也对优化医疗支付政策等工作有重要的参考意义。该研究共纳入12 117例2020年1月—2023年9月间，某省多家医院的成年肺癌患者住院记录数据，首先利用K-means聚类将住院费用进行离散化预处理，并采用单因素logistic回归从42个因素中筛选出25个潜在影响因素，之后基于CatBoost和XGBoost分别构建成年肺癌患者住院费用预测模型并开展模型性能评估，以变量的特征重要性评分为依据衡量其对住院费用的影响程度。该研究还使用基于多因素logistic回归的方法建立了高住院费用评分工具。结果显示，CatBoost和XGBoost均具有良好的预测性能（AUC>0.95）,CatBoost表现略优于XGBoost。基于CatBoost模型，该研究明确了住院天数、手术级别、是否放疗、抢救次数、肺癌组织学分型、年龄、是否化疗、是否首次住院和中性粒细胞计数共9个影响肺癌住院费用的重要因素，并根据赋分标准将其中7个因素纳入评分工具。评分工具的区分度和校准度在测试集上得到验证，结果显示评分工具的AUC值达到0.958，表现出了卓越的性能。

近年来，电磁频谱空间已逐步发展成为大国博弈的必争领域，成为国家的战略稀缺资源。在民用电磁频谱领域，电磁频谱拥挤、应用业务激增，在宽带频谱监测、频谱安全、频谱大数据及智能化应用方面面临着巨大挑战；军用电磁频谱博弈对抗愈加激烈，电磁频谱感知、监测及影响效应评估面临感知手段有限、频谱管控和协同应用能力不足等难题。该文首先回顾了典型电磁频谱应用现状、面临的挑战及国外发展趋势。然后，分析了国内电磁频谱空间总体设计和规划管理、典型工程实践和关键技术突破情况。最后，给出了我国电磁频谱空间应用的发展思路。

低空小微目标分类问题是雷达业界的难题之一，严重影响了雷达的探测性能和系统作战指挥效能。为了准确、快速识别旋翼、固定翼等低空小微目标，提出一种基于高维特征域的低分辨雷达小微目标分类识别方法。通过提取信号层的一系列时频微观特征和航迹宏观特征，对特征进行内积、幂变换等获取高维特征域，利用学习树网络建立多层级目标分类识别模型，实现低空小微目标分类标记。研究结果表明，该方法能准确、快速地实现小微目标的分类。

针对物流无人机在城市低空复杂环境和高密度动态交通流下的避障决策问题，提出一种动态三维避障算法。首先对城市低空环境建模并将无人机的动态避障问题表达为马尔可夫决策过程，通过在动作集中加入高度变化等飞行动作，将避障算法可行解的范围拓展到三维空间中。其次改进了奖励估值函数，使算法能够在绕飞以及爬升越障中通过蒙特卡罗树搜索权衡最优避障策略。仿真表明该算法能够选择最优策略，缩短24.4%的飞行时间并减少33.2%的飞行距离。最后考虑到无人机感知系统容易因建筑物遮挡受限而造成对环境状态观测不完全，对算法鲁棒性做出了验证，其结果表明随着感知范围缩短，算法仍能求得可行解。

为解决行人重识别研究领域中行人标注图像获取困难的问题，提出一种多因素引导的行人数据增广方法。首先，在生成器网络中设计了一种局部多尺度引导机制，通过特征融合抑制生成图像的局部伪影；其次，提出了长距离相关性引导机制，通过外注意力引导生成图像的长距离依赖，提高生成行人图像的整体视感质量；最后，提出一种抗博弈判别网络，通过嵌入到生成对抗网络，从而构建一种三网络稳定博弈架构模型，增加生成对抗网络训练的稳定性。通过VIPeR、Market-1501、DukeMTMC-reID这3种不同规模数据集的仿真实验，结果表明该方法与目前主流方法相比，mAP与Rank-1精度上均有不同程度的提升，在小规模数据集上的提升较为显著。

针对多无人机辅助移动边缘计算中的任务卸载决策和路径优化问题，提出了一种基于多智能体深度强化学习的计算任务卸载与路径优化方法，以降低系统总能耗，提升计算性能。首先，设计了多无人机辅助移动边缘计算系统模型，通过软件定义网络技术对无人机网络进行集中管理；然后，在考虑无人机负载及用户设备关联服务公平性的基础上，以系统总能耗为优化目标，通过设计多智能体深度确定性策略梯度算法完成任务卸载与无人机路径管理优化，以实现负载均衡、降低整个系统总能耗。仿真实验结果表明，与其他基准算法相比，所提方法在充分利用无人机辅助移动边缘计算系统计算资源的基础上，可在一定程度上降低系统能耗和计算延迟，保证整个系统的高效、稳定和可靠性，较好地满足移动边缘用户的服务请求。

针对小目标检测中卷积操作导致检测特征缺失和不同尺度语义隔阂的问题，提出一种基于动态自适应通道注意力特征融合的小目标检测方法。1)提出一种多尺度三角动态颈（Tri-Neck）网络结构，用于融合多尺度特征语义隔阂及弥补小目标特征缺失的问题。2)提出一种分组批量动态自适应通道注意力模块，增强弱语义小目标特征同时抑制无用信息，且在动态自适应通道注意力模块中设计新的激活函数和交并比损失函数，提升通道注意力表征能力。3)采用ResNet50作为骨干网络依次连接特征金字塔网络和Tri-Neck网络。实验结果表明，该方法在Pascal Voc 2007、Pascal Voc 2012上比YOLOv8算法mAP分别提升5.3%和6.2%，在MS COCO 2017数据集上AP和AP_S分别提升1.6%和2%，在SODA-D数据集上比YOLOv8算法AP提升0.9%。

现有的实体关系联合抽取任务为了自动生成大规模训练数据引入远程监督策略，在处理数据时产生严重的噪声数据问题。对此提出了一种融合强化学习的实体关系联合抽取模型，该模型由强化学习和联合抽取模型两个部分组成，其中联合抽取模型由图卷积网络和多头自注意力机制构成。首先，使用强化学习去除原始数据集中带有噪声的句子，将降噪后的高质量句子输入到联合抽取模型中；其次，使用联合抽取模型对输入句子中的实体和关系进行预测抽取，并向强化学习提供反馈奖励，指导强化学习挑选出高质量的句子；最后，对强化学习和联合抽取模型进行联合训练，并对模型进行迭代优化。实验证明了该模型能够有效处理数据噪声问题，在实体关系抽取方面优于基线方法。

具体词和抽象词加工的神经机制是认知神经科学的研究热点，但过往的相关研究主要集中于拼音文字，发现抽象词加工更多激活语言系统，而具体词加工更多激活感知觉系统。该文使用功能性磁共振成像，通过记忆-自由回忆任务，探究了汉语具体词和抽象词加工在记忆编码过程中的大脑活动情况，结果是两种词类的记忆加工都主要激活了颞枕皮层和左侧额下回。除此之外，抽象词记忆更多激活了默认脑网络，而具体词记忆更多激活了感觉运动皮层。结果表明具体词和抽象词的记忆都会激活语言和执行控制系统，但也会依赖不同的脑区进行记忆编码。

为了高效处理大数据所具有的复杂性和不确定问题，将“不确定性问题+直觉模糊集理论+量子计算”交叉融合，构建基于直觉模糊集理论的量子模糊信息管理数学模型。为了验证该模型的可行性、合理性和有效性，设计了不确定性环境下基于参数化量子线路的量子模糊神经网络仿真实验。实验结果表明，基于该模型的量子模糊神经网络模型能更客观、准确、全面地反映不确定性问题中各对象所蕴含的知识信息，从而提高算法处理大数据的准确性。

在故障-恢复动力学中，节点受内部或外部因素而故障失效后能够有概率自发恢复。考虑到未故障的节点存在避免故障的自适应行为，建立自适应网络上的故障-恢复传播模型。在该模型中，活跃节点为了改善自身局域环境以降低外部故障概率，将主动断开与故障邻居的连边，直到故障邻居恢复正常工作后再重新建立连接。基于点对近似思想建立了理论框架，用于预测故障率的时间演化趋势和系统的最终故障规模。大量的计算机仿真结果验证了理论预测的准确性，并发现系统具有相变和磁滞现象。在不同的自适应断边速率和外部故障速率下，自适应行为能使系统的磁滞区域产生或消失，系统将出现受初始故障规模影响的双稳态区域。

作为一个研究对象涵盖基本物质、生命体和社会的跨学科研究领域，复杂系统的研究有助于增进对自然和社会现象的理解和预测，在解决人类面临的复杂问题中具有重要价值。这一领域的早期研究积累了海量的各类真实复杂系统数据，在此基础上发展数据密集型、人工智能方法驱动的复杂性科学研究新范式，将为复杂系统的描述、预测与知识发现提供一条全新的路径。该文对人工智能驱动的复杂系统研究进行前瞻性的综述，探讨人工智能助力下的复杂系统研究发展前沿，并分析基于人工智能方法的领域代表性工作，最后讨论复杂系统视角下人工智能理论及技术的潜在发展方向。

针对工业机器人在缺乏故障信息的研发初期开展可靠性分配和预测时存在的不确定性问题，基于模糊数学理论，采用考虑多影响因素的模糊综合评价法(FCEM)对工业机器人进行可靠性分配与预测。为提高FCEM的评估效率，建立了基于最优最劣法(BWM)的FCEM，以增加判断结果的一致性和减小主观错误发生的可能性。根据工业机器人的工作原理和结构组成，确定工业机器人的单元集以及影响工业机器人可靠性分配和预测的因素集。将BWM运用到FCEM的比较过程中，以确定影响工业机器人可靠性分配和预测的因素权重。通过模糊综合运算求得工业机器人各子系统可靠性分配权重和可靠性预测修正因子，以此对工业机器人进行可靠性分配和预测。

为了更准确地度量特征间的关系，提出了一种基于互信息自适应估计的目标函数表示方法。将具有自适应特性的度量方法引入到目标函数中，该目标函数以最大化类内相似度、最小化类间相似度为目标，并能根据深层特征的真实分布情况对相似度进行动态的调整，从而使深度神经网络朝着区分性更强的方向进行优化。此自适应度量方式还被用于特征筛选，其能够根据特征的特点进行有针对性的参数更新，使得选取的特征具有典型性，提升目标函数对于深度神经网络优化方向的指导能力。实验结果表明，相比于其他深度神经网络方法，该方法的相对等错误率最多降低了28%，显著提升了说话人确认系统的性能。

多传感器传感网数据采集效率低下，且大量数据在传感云处理存在数据泄露风险。基于此，首先设计了一种安全、节能及高效的分布式边缘协同传感网资源选择架构，提出了一种边缘协同分析节点选择(ECANS)方案。通过对用户请求的分析，获取传感网节点的选择策略，以降低传感节点数据采集的时延和能耗。其次，构建了一种最大化隐私熵的边缘协同传感网隐私保护数据卸载模型，并通过智能启发式算法得到隐私熵最大的边缘资源选择策略。实验结果表明，与ENS数据采集方案相比，ECANS方案使节点时延与能耗分别降低了56.71%和57.66%；在边缘资源选择阶段，与GA资源选择方案和PSO资源选择方案相比，最大化隐私熵模型使系统隐私熵分别提高32.07%及15.36%；与不引入no-EC相比，传感网节点时延和能耗平均降低了46.92%与11.26%。

通过对香农分解代数余子式的运算研究，发现了对称变量和独立变量在NP等价变换中的6个属性，充分利用变量的对称性和独立性NP变换后的不变性、独立变量相位不确定性、在NP匹配中独立变量识别其他变量和其他变量识别独立变量的不可用性，提出了一种基于正规式的布尔函数NPN等价匹配算法。通过对大量MCNC标准电路库中电路和随机生成电路的7-22变量布尔函数的匹配实验，在两个实验电路集上本文算法与基于高阶通用特征匹配算法相比，匹配过程中的搜索空间平均减少了58.8%、布尔匹配的速度提高了45.6%，能够为电路优化和电路映射提供更加快速和有效的布尔匹配。

在信息处理任务中，多方共享的随机变量和量子纠缠都是重要的计算资源，其中共享的随机变量也被称为经典关联。经典关联生成问题研究的是生成目标关联所需消耗的最少随机性或量子纠缠的数量。该文综述性地介绍了在经典场景、量子场景以及经典、量子混合场景下的经典关联生成协议。其中，非负秩和半正定秩分别刻画了生成目标关联所需共享的最少随机性与量子纠缠的量。基于这一结果，事先共享量子纠缠相比于事先共享随机性展示出了指数级优势。考虑到近期可实现的量子设备规模有限，经典、量子混合场景下的经典关联生成协议是一个现实的选择。在可操控的量子系统大小有限的前提之下，可用k区块半正定秩来量化完成经典关联生成任务所需通讯的最少经典比特。在这一混合协议中，量子资源仍能表现出相对经典资源而言的巨大优越性。由此可见，经典关联生成问题提供了一个新的视角来对比量子资源和经典资源之间的差别。

在现有的LoRa时间同步工作中，LoRa网关周期性地将同步报文广播到固定位置的终端设备。然而，这些方法往往忽略了不同终端设备具有不同的时钟偏移，且在多网关场景下无法保证时间同步的可靠性。为此，提出了多网关场景下的LoRa网络时间同步方法，通过同步时间和扩频因子的选择提高同步精度，并提出了移动感知的自适应算法，以解决跨网关的终端设备移动性的影响。在真实LoRa环境和仿真环境的实验结果表明，与现有工作相比，该方法可将LoRa网络的时间同步精度提高60.43%。

近年来，诸多研究揭示了miRNA的表达和疾病之间的关系，特别是其与肿瘤的发生、发展和治疗的密切关联。然而，传统的分子生物学测试方法既耗时又昂贵，患病样本获取困难，不平衡的数据集训练得到的分类器导致患病样本识别准确率低。面对以上挑战，提出了一种新的区分患病样本、健康样本以及挖掘疾病生物标志物的数据增强算法OCF，使用条件式生成对抗网络进行数据增强，然后用特征选择算法减少特征数量，最后再利用机器学习分类器进行分类识别并筛选出生物标志物进行分析。实验结果表明，该算法具有更好的分类性能，并验证了筛选出的生物标志物的准确性。

随着数据量的迅速增长，对存储海量数据的分布式存储系统的可靠性和有效性的要求日益增加。局部修复码(LRCs)具有良好的修复局部性，能够有效实现海量数据在分布式存储系统中的可靠高效存储，构造具有(r,t)局部性的局部修复码已经成为当前研究的热点。为此，提出了一种基于可分解均衡不完全区组设计(RBIBD)的最优局部修复码的构造方法，构造信息位具有(r,t)局部性的二元最优单校验LRCs。性能分析表明，构造的LRCs达到了最小距离最优边界，且在码率上表现得更优。

针对目前特定领域知识图谱构建效率低、领域已有知识图谱利用率不足、传统模型提取领域语义专业性强实体困难的问题，提出了基于BERT多知识图融合嵌入的中文NER模型(BERT-FKG)，实现了对多个知识图通过融合语义进行实体间属性共享，丰富了句子嵌入的知识。该模型在开放域和医疗领域的中文NER任务中，表现出了更好的性能。实验结果表明，多个领域知识图通过计算语义相似度进行相似实体的属性共享，能够使模型吸纳更多的领域知识，提高在NER任务中的准确率。

比特深度增强具有巨大的应用价值，如低比特图像采集、高比特图像显示、图像压缩等。然而，现有的比特深度增强算法或者不能有效抑制低比特图像中存在的伪轮廓，或者需要高性能的计算单元和大量的训练样本，缺乏实用性。为此，提出了一种基于自适应伪轮廓消除滤波的比特深度增强算法：FACE-BDE。FACE-BDE由3个模块组成：伪轮廓消除滤波器设计模块、自适应滤波器大小选择模块和伪轮廓区域检测模块。实验表明，所提算法能在消除不同大小的伪轮廓时保留真实轮廓和细节，使其在测试集上取得了0.28 dB的增益，伪轮廓的可见性也明显弱于同类算法。

复杂优化问题中决策变量之间的依赖性导致函数适应度地形中存在大量的局部最优解，传统进化算法求解此类问题相对困难。提出一种求解部分可分函数优化问题的构造学习差分进化算法CLSHADE。该算法首先利用差分分组技术将复杂问题解耦划分为多个子问题，降低问题复杂程度；然后基于分组结构设计一种构造学习策略，以一定概率向构造的最优解学习以引导种群的搜索方向，提高算法搜索性能。在CEC 2017部分可分测试函数上的实验结果表明了CLSHADE的有效性。

由于微机电(MEM)硅谐振器高能量输出下的周期性振荡、分岔、混沌等非线性因素，使其振荡频率控制精度有限。针对双端固支梁微机电硅谐振器，提出了一种输出反馈同步控制方法，通过振荡器同步以提高其振荡频率控制性能。首先，对双端固支梁MEM硅谐振器系统结构及非线特性进行了分析，并建立了充分考虑系统非线性特性的动态模型；在此基础上，设计了基于同步误差的输出反馈同步控制器，实现了多MEM硅谐振器同步控制，并使得相应的同步误差渐近收敛到零。最后，通过仿真实验证明了所提出方法的有效性。

滚动轴承是动车组列车的关键基础零部件，我国动车组高速、长时间持续运行的特点，以及多变的运行环境，使得动车组轴承的工作环境及其内部受力状态较一般轴承更为复杂，这对轴承的设计制造及可靠性提出了更高的要求。为实现我国高速铁路核心技术完全自主化，近年来针对动车组轴承的研究众多。该文首先介绍了动车组轴承的设计制造与工艺，阐述了动车组轴承在服役过程中的典型失效模式、机理及其影响，随后归纳了动车组轴承故障诊断方法与技术，并对轴承可靠性建模与寿命评估方法的研究现状进行论述，最后简要阐述了动车组轴承的可靠性试验研究。通过对动车组轴承及其可靠性研究进展的总结，可为我国轴承的自主设计理论及制造技术提供参考。

微电子机械系统(MEMS)惯性传感器(如加速计、陀螺仪)具有高性能、低功耗、低成本、集成度高、可靠性高、体积小等特点。但MEMS传感器交叉串扰仍较大，影响了加速度的测量。该文设计了一个量程为±16 g的三质量块三轴MEMS电容式加速度计结构，通过对所设计的结构进行静力学分析和模态分析，保证加速度计良好的抗过载能力。仿真结果表明，该结构实现了模态分离避免了模态干扰，且交叉灵敏度均小于0.3%，有效地降低了交叉串扰。

基于ANFIS与量子BP神经网络(QBP)提出了一种基于自适应网络的量子模糊推理系统(ANQFIS)。不同于ANFIS,ANQFIS以量子门旋转的方式将模糊规则强度与QBP相结合，最后以量子态的测量概率作为输出，QBP的加入使得模型的输出准确率更高，且凭借量子计算的速度优越性提升了模型的计算速度。根据梯度下降法，给出了该系统中参数的学习算法。在仿真实验中，分别使用低维数据和高维数据作为数据集来训练模型，使用攻击算法生成对抗样本进行测试，结果表明ANQFIS在输出准确率、鲁棒性方面优于ANFIS与QBP。

含噪声中规模量子硬件的耦合约束使得大多数量子算法通过插入附加量子门改变量子位映射，令量子算法直接运行在硬件上。为了降低量子线路的运行时间及提高量子线路的保真度，设计了一种基于交换门的前瞻双向启发式映射算法。首先，利用前瞻机制考虑前端层信息，提高了附加门数结果的稳定性。其次，设计搜索策略评估物理上近邻的候选交换门，降低交换门搜索空间的复杂度。最后，采用双向遍历全局考虑量子线路的门信息，得到更高质量的初始映射。此外，该算法适用于任意耦合量子硬件架构，同时具有线路深度和附加门数的选择能力。实验结果表明，相较于主流算法A*-based算法和SABRE算法，该文提出的SPBHA算法可减少约68%与34%的附加门数，线路执行时间缩短，保证了量子程序结果的可靠性。

为减少毫米波波束训练的时间和功耗开销，提出了一种基于通信场景的波束特征选择和预测算法。首先，根据功率损耗概率最小化准则选择最优特征波束，并利用最优波束概率生成特征波束集(波束索引的子集)。其次，为了获得通信场景的最优波束概率，采用基于局部学习的特征选择聚类算法(LLC-fs)。最后，由于场景化特征波束集与最优波束之间为隐式、非线性映射关系，利用了DNN模型逼近该映射，进而使用离线训练模型实现从特征波束集到最优波束的预测。仿真结果表明，使用离线训练场景化DNN模型即可在线预测最优毫米波波束。预测性能可以逼近穷举波束搜索算法，并有效减小波束搜索的开销。