模糊逻辑引导的多粒度深度神经网络

准确识别和分类组织病理图像对于疾病的早期检测和治疗至关重要.病理医生诊断时通常会采用多层次的方式进行判断，即观察各个倍率下细胞的异常区域，然而现有模型通常只能在单一粒度上进行特征提取，忽略细胞的多粒度特性.因此，文中提出模糊逻辑引导的多粒度深度神经网络.首先，针对细胞的构造，在粗粒度、中粒度和细粒度这3个粒度层面上进行多粒度特征提取，充分利用病理组织图像中的信息.同时，针对多粒度特征提取时出现的关键信息冗余问题，引入模糊逻辑理论，设置多个模糊隶属函数，分别描述细胞在不同角度上的特征.然后，通过模糊运算得到模糊通用特征，由此设计模糊逻辑引导的交叉注意力机制模块，实现模糊通用特征对多粒度特征的引导.最后，通过编码器将特征扩散至所有的补丁令牌，获得较好的分类准确性和鲁棒性.实验表明，文中网络在组织病理图像分类上具有较高的准确率.     

一种新的多传感器群内目标精细跟踪算法

为解决多传感器探测下非机动群内目标精细跟踪的难题,深入分析群内目标回波特性,基于形状方位描述符,提出了一种新的多传感器群内目标精细跟踪算法,该算法利用形状方位描述符建立可唯一表示群内各目标组成图形的形状矢量,然后基于落入群内各目标相关波门内的量测集合,以群内各目标可能关联量测构成的所有图形为对象,通过形状相似程度和量测与目标状态一步预测值的空间距离建立相似度模型,同时利用选主站的思想实现冗余图像的剔除,最后利用量测集合与对应的权值集合,基于粒子滤波技术实现群内各目标的状态更新。经仿真数据验证,与传统多传感器多目标跟踪算法中性能优越的基于数据压缩的集中式多传感器多假设算法相比,该算法在跟踪精度、实时性、有效跟踪率三个方面的性能明显优越,能很好地满足群内目标精细跟踪的实际工程需求。     

应用于100GE高速变速箱设计方法及时序分析

该文介绍了 4 种变速箱设计方法，并对它们进行时序分析。通过对比单元数量(面积)、功耗、速度及稳定性，选择了一种基于轮循存储方式的变速箱应用到 100GE 物理编码子层电路中。该变速箱可以在一段时间范围内开始输出，克服了输入输出时钟相位差的影响，提高了电路的速度和稳定性。经过结构优化及流水线结构设计，该变速箱的时钟速度超过 700 MHz。另外，采用 0.18 μm互补金属氧化物半导体工艺对物理编码子层电路进行流片，测试结果表明该电路能够以 100 Gb/s 速率稳定工作，进一步证明了变速箱设计的正确性。     

面向鲁棒学习的对抗训练技术综述

深度学习在众多领域取得了巨大成功。然而，其强大的数据拟合能力隐藏着不可解释的“捷径学习”现象，从而引发深度模型脆弱、易受攻击的安全隐患。众多研究表明，攻击者向正常数据中添加人类无法察觉的微小扰动，便可能造成模型产生灾难性的错误输出，这严重限制了深度学习在安全敏感领域的应用。对此，研究者提出了各种对抗性防御方法。其中，对抗训练是典型的启发式防御方法。它将对抗攻击与对抗防御注入一个框架，一方面通过攻击已有模型学习生成对抗样本，另一方面利用对抗样本进一步开展模型训练，从而提升模型的鲁棒性。为此，本文围绕对抗训练，首先，阐述了对抗训练的基本框架；其次，对对抗训练框架下的对抗样本生成、对抗模型防御性训练等方法与关键技术进行分类梳理；然后，对评估对抗训练鲁棒性的数据集及攻击方式进行总结；最后，通过对当前对抗训练所面临挑战的分析，本文给出了其未来的几个发展方向。     

煤矿工作面需风量预测及通风机智能控制

为达到对通风机风速控制的准确性和解决传统风速控制方式的问题，在对通风机简单概述的基础上，对工作面需风量的预测展开研究，确定需风量预测的模型；对比了传统PID控制策略、模糊算法控制策略以及T-S模糊神经控制策略的响应特性和超调量，确定采用T-S模糊神经控制策略实现通风机的智能控制，并完成了相关硬件的选型。     

冶金尘泥综合利用自动化生产线工艺控制

针对回转窑焙烧工艺自动化控制水平偏低的现状，结合各类生产线的控制系统配置经验，阐述了回转窑焙烧系统的工艺流程，并对系统的工程设计和工艺控制原理进行了分析，提出了回转窑配料系统以及温度控制系统的原理及流程。