摘要:随着深度神经网络在诸多领域的成功应用，以神经网络水印为代表的深度模型知识产权保护技术在近年来受到了广泛关注。对现有的深度神经网络模型水印方法进行综述，梳理了目前为了保护模型知识产权而提出的各类水印方案，按照提取水印时所具备的不同条件，将其分为白盒水印、黑盒水印和无盒水印3类方法，并对各类方法按照水印嵌入机制或适用模型对象的不同进行细分，深入分析了各类方法的主要原理、实现手段和发展趋势。然后，对模型水印的攻击方法进行了系统总结和归类，揭示了神经网络水印面对的主要威胁和安全问题。在此基础上，对各类模型水印中的经典方法进行了性能比较和分析，明确了各个方法的优势和不足，帮助研究者根据实际的应用场景选用合适的水印方法，为后续研究提供基础。最后，讨论了当前深度神经网络模型水印面临的挑战，并展望未来可能的研究方向，旨在为相关的研究提供参考。

摘要:基于像素值排序（pixel-value-ordering，PVO）的可逆隐藏方法借助像素块内的最值关系进行有效预测和可逆嵌入，具有显著优势。然而，现有基于PVO的方法大多在单一序列中进行预测和修改，导致每个像素块内参与生成直方图的像素数量相对固定。为了解决这一问题，提出了一种基于双层像素值排序的可逆信息隐藏方法，它在像素块中分层得到两个有序序列，并在两个序列之间进行跨序列预测，因此能够自适应地确定生成直方图的像素数量。同时，为双层嵌入所生成的直方图设计了不同的修改规则，以减少嵌入失真。实验结果表明，本方法具有较好的可逆嵌入性能。

摘要:在隐写术流程中，载体的选择在很大程度上影响着隐写系统的安全性。实验表明，经过预处理后的图像在用于隐写嵌入后会导致隐写安全性大幅降低。当给出较多备选图像时，可以选取多张图像用于进行隐写来提升隐写系统安全性。利用深度神经网络模型筛选出备选图像中已被预处理过的图像，根据深度神经网络输出赋予备选图像预处理失真，并结合传统的嵌入失真算法选择出最适合隐写的多幅图像进行隐写。与其他多载体隐写载体选择方案相比，所提出的载体选择方案在备选图像中含有预处理图像的情形下有着较好的表现，能够显著提升隐写系统安全性。

摘要:基于元素映射的构造式信息隐藏算法存在因图案库泄露而导致的安全性问题，鉴于此，提出了一种新的通过含密轮廓绘制及颜色填充生成平铺图像的构造式信息隐藏算法。运用B样条曲线为多个图案轮廓建立标准结构化表示，并创建收发双方共享的标准结构化表示库和颜色库，根据秘密信息进行标准结构化表示选取、图案轮廓绘制及颜色填充操作，获得含密图案。多个离散分布的含密图案共同构成一幅含密平铺图像。实验证明，该算法对JPEG压缩、中值滤波、高斯滤波等常见图像攻击具有较强的鲁棒性，且与类似算法相比，能够抵抗更多种图像攻击。

摘要:针对启发式算法在优化大规模换热网络时出现优化精细度不足的问题，提出一种以小负荷公用工程为导向的换热单元耦合联动强制进化策略。该策略以小负荷公用工程作为导向，构建具有耦合关系的换热单元环路，并对环路内的换热单元热负荷进行联动调整，同时保持环路外换热单元的热负荷和流股匹配不变。该策略旨在最大程度回收流股的能量，以减少小负荷公用工程使用带来的费用增加。将策略应用于强制进化随机游走算法并对两个算例进行测试，算例H8C7和H10C10的优化结果分别为1495292 $/a和1713637 $/a。与改进前相比，分别降低了7466 $/a和7533 $/a；与文献中最优解相比，分别减少了2033 $/a和1450 $/a，证明了该策略的有效性。

摘要:针对喷水推进器小流量工况下的驼峰区不稳定流动，采用计算流体力学方法研究了其失稳特性。结果表明，随着流量的减少，推进泵的扬程和效率显著下降，扬程曲线在0.42Q_d～0.8Q_d范围内呈现出正斜率的驼峰特性，同时内部流场变得紊乱，并出现流动分离和回流等现象。为了改善这一不稳定流动，采用了机匣开槽技术进行流动控制，使驼峰现象得到明显改善。在最佳槽体结构参数下，深度失速工况点的扬程和效率分别比原模型提高了约147.6% 和 70.3%。机匣开槽一方面能够对进口来流进行整流，起到减少预旋和增大轴向进流速度的作用，另一方面可以抑制主流区漩涡的形成以及叶轮进口位置的低频压力脉动。

摘要:以某热电厂一台330 MW旋流对冲燃煤锅炉为研究对象，通过数值模拟分析了锅炉在150 MW低负荷运行、不同配风比下炉内的流动、传热及NO_x排放情况。结果表明，当二次风配比和燃尽风率增大时，NO_x的生成趋势并不呈线性变化，而是存在一个最低点，可得到一个NO_x排放值最低的最佳配风方式。为了验证该最佳工况的优化效果及实际运行的可行性，又将数值研究中的3个典型工况进行了现场实验。实验结果表明：与原运行工况相比，采用最佳配风方式的实际炉膛出口NO_x浓度下降20%，锅炉效率提高0.41%。该配风优化方案经济可行，为同类型工程问题提供了优化思路。

摘要:为了进一步提高半导体激光器巴条制造质量，改善解理加工过程中划片损伤情况，采用SPH-FEM转换算法研究划片速度和载荷对单晶砷化镓（gallium arsenide，GaAs）划片损伤的影响。基于广义胡克定律计算出砷化镓{100}晶面<110>晶向的各向异性机械力学特征参数，采用SPH-FEM转换算法仿真金刚石刀头划片实验，将划片过程中损伤的有限元转换为粒子，研究损伤粒子在刀头作用下的运动轨迹，确定出划片的损伤过程。研究表明，该方法较好地解决了传统有限元法大变形区域发生网格畸变所导致的计算误差问题，揭示了不同加工参数对砷化镓材料划片损伤的影响，并得到了实验验证，为脆性材料的划片损伤过程提供了新的途径和思路。

摘要:钛合金因其优异的力学性能和生物相容性，广泛用于椎弓根螺钉的制备。椎弓根螺钉植入人体后，受脊柱的屈曲伸展和横向弯曲作用，螺钉发生疲劳弯曲最终导致螺钉松动甚至断裂，影响植入稳定性。因此有必要对钛合金椎弓根螺钉抗弯性能进行研究。通过单因素实验与正交实验分析设计不同结构参数椎弓根螺钉，结合有限元分析与力学实验的方法，使用三点弯曲试验对钛合金椎弓根螺钉的抗弯性能进行模拟仿真与实验验证，并对螺钉结构参数进行优化。结果表明，模拟结果与实验结果吻合较好，螺钉结构参数对抗弯性能的影响顺序为外径大于螺纹深度大于螺距，最佳参数为螺钉外径5.5 mm、螺纹深度0.65 mm、螺距1.60 mm，优化后的螺钉对比标准椎弓根螺钉，最大支反力提高74.7%。

摘要:随着激光雷达传感器的快速发展，目标检测算法从传统的2D检测快速转向3D检测。然而，激光雷达产生的点云是不规则和非结构化的数据，传统的卷积神经网络无法对其进行处理。基于此提出了一种新颖的图卷积神经网络，能够更好地利用数据的几何关系和拓扑结构直接从点云中学习特征以进行3D目标检测。首先将原始激光雷达点云数据进行下采样，再进行固定半径邻域图的构建，随后设计了一个新型的图卷积神经网络对点云进行编码来预测图中每个顶点所属对象的类别和形状。为提升检测准确度，网络中加入了一种校准机制来减少特征在不同维度变化时引入的平移误差，此外还引入了注意力机制，以使用权重来进一步强化输出的顶点特征。在 KITTI 数据集上进行实验，实验结果表明，此方法能够有效对3D目标进行检测。对比其他多种检测算法，此方法在检测准确度上具有一定的优势。

摘要:为了循序渐进地恢复脊髓损伤患者受损部分神经及下肢运动功能，在已有早期减重步行训练的基础上，增加减重模式下空间运动功能。构建可根据患者下肢运动功能损伤程度实现不同模式康复训练、状态监测和助行功能的系统，进行包括减重、助行装置、移动平台和控制模块的结构设计。集成平地行走和上下楼梯训练步态轨迹模型，通过对比正常髋、膝关节的运动角度数据，验证应用该轨迹的可行性与合理性，并进行了设定行走路线的社区任务导向性训练轨迹规划试验。研究结果表明，助行系统支持患者自主设定模拟社区任意行走模式，有助于帮助患者恢复部分肢体运动功能，以尽快融入社会。

摘要:导电沥青混凝土中非线性导电行为的导电机制尚不明确。基于实验室制备的碳纤维(CF)–碳纤维粉(CFP)导电沥青混凝土，通过测试外力场对导电沥青混凝土电阻率的关系，结合线性随机电阻网络模型、动态随机电阻网络模型和非线性随机动态电阻器模型，研究导电沥青混凝土非线性导电行为，明确非线性导电行为的导电机制。结果表明：随着碳纤维掺量、油石比和压力的增加，电阻率呈现明显且相似的非线性下降趋势，其中，碳纤维粉掺量的增加导致电阻率先下降后上升；不同掺量的导电沥青混凝土伏安特性曲线均呈现非线性特征；在强电场作用下，导电相材料本身的非线性导电行为和绝缘态部分载流子通道导通引起的非线性导电行为共同导致了碳纤维–碳纤维粉导电沥青混凝土的非线性导电行为，并证明在电场作用下导电沥青混凝土存在隧道效应。

摘要:生物集群的协同智能可用于启发人工复杂系统调控，但是现有的自动建模方法往往不符合生物集群信息的处理特点，导致单体的信息交互建模仍充满挑战。不失一般性，借助红鼻剪刀鱼的集群运动数据设计符合生物硬注意力机制的深度网络模型，该结构能强制单体考虑至多两个以内的邻居信息，并能显现出高影响力邻居经常出没的隐藏位置，说明硬注意力模型符合生物集群的信息处理机制。实验结果表明：所提硬注意力模型具有较为良好的稀疏信息解耦能力、较为鲁棒的集群运动指标以及较为优秀的集群规模泛化性能，为复杂系统的多层次行为分析提供了有力的工具支撑，该方法对集群机器人的分布式控制具有较强的启发意义。