结合图自编码器与聚类的半监督表示学习方法

节点标签是复杂网络中广泛存在的监督信息,对网络表示学习具有重要作用。基于此,提出了一种结合图自编码器与聚类的半监督表示学习方法（GAECSRL）。首先,以图卷积网络（GCN）和内积函数分别作为编码器和解码器,并构建图自编码器以形成信息传播框架;然后,在编码器生成的低维表示基础上增加k-means聚类模块,从而使图自编码器的训练过程和节点的类别分布划分形成自监督机制;最后,利用节点标签的判别信息对网络低维表示的类别划分进行指导,将网络表示生成、类别划分以及图自编码器的训练构建在一个统一的优化模型中,并获得融合节点标签信息的有效网络表示结果。在仿真实验中,将GAECSRL用于节点分类和链接预测任务。实验结果表明,相比DeepWalk、node2vec、全局结构信息图表示学习（GraRep）、结构化深度网络嵌入（SDNE）和用数据的转导式或归纳式嵌入预测标签和邻居（Planetoid）,在节点分类任务中GAECSRL的Micro?F1指标提高了0.9~24.46个百分点,Macro?F1指标提高了0.76~24.20个百分点;在链接预测任务中,GAECSRL的AUC指标提高了0.33~9.06个百分点,说明GAECSRL获得的网络表示结果能有效提高节点分类和链接预测任务的性能。     

低功耗无线烟雾报警器的设计

传统的烟雾报警器存在高功耗且不能互联互通等问题,因而难以满足实际应用的要求。本文设计了一种低功耗无线烟雾报警器,采用低功耗、低电压的光电型烟雾探测器专用集成电路RE46C190 和超低功耗、低于1 GHz 的无线单片机CC1310,使系统待机电流大约为14 μA,理论待机寿命长达11 年,无线通信距离达到1 km,很好地满足了低功耗和无线互通的要求,为相关智慧消防建议提供了一种新的解决方案。     

一种细胞分选芯片的设计、制作和实验

基于尺寸差异原理设计制作了一种-PDMS键合的细胞分选芯片。采用MEMS加工工艺,分别制作出特征尺寸都是20μm的3种不同形状分选孔阵列的硅基片和PDMS盖片,使用电晕放电仪实现硅－PDMS键合。用聚苯乙烯微球和MG-63人骨肉瘤细胞进行实验,微球实验说明了不同形状分选孔阵列的分选结果特征,细胞实验实现了不同大小MG－63细胞的分选,为最终实现不同种细胞分选打下了基础。