关键词： 晶圆图   缺陷检测   深度学习   机器视觉  

摘要： 晶圆缺陷是指在晶圆制造过程中,因氧化温度不均、蚀刻问题等异常造成的晶粒功能异常。随着芯片产业的发展,制造工艺向更先进制程迈进,所实现的集成电路的规模和复杂度也日益增加。这使得晶圆的制造工艺更加复杂,晶圆缺陷出现的概率和种类也随之增加。为了提高生产良率,改善工艺制程,识别出缺陷模式并找出对应的工艺问题至关重要。传统的缺陷识别主要依赖于人工设计的特征提取方法,需要有专业的知识及复杂的调试过程。近年来,基于机器学习的识别方法在识别晶圆模式缺陷上取得了一定进展,不少方法识别单一缺陷的精度达到95%以上,也拥有精确识别混合缺陷的能力。然而,带标记晶圆图数据缺乏、样本数据不平衡、新缺陷模式的出现都是其发展路上的挑战。本文总结了几十年来基于机器学习的晶圆图缺陷模式识别方法,从浅层学习和深度学习两个方面介绍了前人的工作。同时针对晶圆识别问题中严重的样本数据不平衡问题,本文重点总结了现有用于解决晶圆图样本数据不平衡问题的方法。根据当前晶圆图缺陷模式识别的产业需求和现状分析,更稳定、更精确的基于半监督或自监督深度学习的识别方法以及获取更高质量数据集的数据增强方法必将成为未来发展主流。

关键词： 恒星参数   恒星年龄   红团簇星   星震学   机器学习  

摘要： 为了了解银河系以及追溯其形成历史,需要对分布在银河系中的大量恒星样本进行准确的年龄预测。通过LAMOST DR5和Kepler的星震学数据交叉匹配获得的训练样本,给出了一个具有163105颗恒星年龄参数的红团簇星星表。使用核主成分分析与随机森林相结合的方法对多个恒星参数与恒星年龄之间的关系进行训练,将样本分为训练集与测试集进行模型的训练与对照验证,测试集显示所训练的模型对恒星年龄预测的绝对误差平均值为0.46 Gyr,相对误差平均值为13%。同时,还探究了核主成分分析所使用的主成分个数与模型预测性能的关系,结果发现,当主成分达到4个时,模型的预测性能开始趋于稳定。

关键词： 两相流   流型   汽泡尺寸分布   机器学习   输入特征  

摘要： 研究流动沸腾两相流动形态对封闭反应堆安全分析程序关键本构模型具有重要意义。本文基于非监督机器学习流型识别方法,提出将两相流物理知识融入数据驱动的机器学习模型,并构建输入特征的挑选原则:①机器学习在输入特征中捕捉到的应为流型相关信息;②机器学习的聚类准则应包络该流型下输入特征的所有可能性。依据挑选原则分析电导探针信号生成的汽泡分布特征,确定汽泡弦长累积分布函数数据可用于非监督机器学习流型判断。依据流型识别结果,获得了竖直环形流道内流动沸腾的二维局部流型特性,发现高位局部流型出现在流道中心位置并偏向内加热壁面;并判别了流道截面的全局流型,结果表明流动沸腾泡状流至弹状流的流型转变出现在空泡份额约为0.14位置。

关键词： 碳化硅陶瓷微封装燃料芯块   烧结性能   集成学习   粒子群优化  

摘要： 2011年日本福岛核事故后,为弥补UO_(2)-Zr燃料固有的缺陷,研制一种提高反应堆堆芯抵御严重事故能力的新型燃料,耐事故燃料(accident tolerant fuel,ATF)的开发和研究受到越来越多的关注,碳化硅陶瓷微封装燃料芯块在ATF领域显示出独特的优势。然而,由于工艺摸索实验成本高、时间长,新型核燃料的开发受到了阻碍。数据驱动方法可极大提高新材料开发的效率。本文构建了集成学习框架,收集实验数据,构建工艺参数与碳化硅陶瓷微封装燃料芯块的烧结性能之间的映射模型,预测不同工艺参数条件下的烧结性能,阐明影响烧结性能的重要因素。此外,采用粒子群优化(particle swarm optimization,PSO)算法对工艺参数空间进行搜索,推荐具有最优烧结性能应具备的工艺条件。结果表明,集成学习模型在测试集上的预测值与实验值之间的拟合优度R^(2)>0.99,均方根误差RMSE<0.01,平均绝对误差MAE<0.01,且分析得到的影响烧结性能的参数重要性与物理知识一致,表明了本方法的准确性及可解释性。本文方法为加速开发新的核燃料提供了理论指导。

关键词： 圆的认识   苏教版数学教材   学习方法  

摘要： 我们通过赏析特级教师华应龙的“圆的认识”一课,服膺华老师在启发学生思考圆的知识的过程中渗透了数学史料和5把“钥匙”,帮助学生开启智慧数学的学习。他让学生在辩证思维中认识半径和圆心,在数学名句中理解圆的特征,在动手操作中掌握画圆的方法,在质疑深化中感悟圆的应用。

关键词： 驱动性问题   单元主题   单元整体教学  

摘要： 英语新课标指出,要加强和推动实施单元整体教学,教师要强化素养立意,围绕单元主题,充分发掘育人价值,并结合学生的认知逻辑和生活经验,对单元内容进行必要的整合和重组,将课内外融合,进行跨学科学习。主题式学习让学生在真实的语境或生活中进行主题化探究,使学生在调查发现、实践体验、合作讨论、总结反思的过程中构建知识体系,用已有的知识来解决问题,形成新的知识,将知识转化为能力,将能力转化为素养。

关键词： 基于图的半监督学习(GSSL)   多模适应   可能性聚类   模糊熵  

摘要： 基于图的半监督学习(GSSL)凭借其直观性和良好的学习性能,在机器学习领域吸引了越来越多的关注。然而,通过分析发现,现有基于图的半监督学习方法存在对噪声、异常数据的鲁棒性不够好以及较敏感的问题。此外,该方法具有较好性能的前提是训练数据与测试数据为独立同分布(IID),导致在实际应用中存在一定的局限性。为解决上述问题,在某个再生核Hilbert空间,在充分考虑最小化噪声、异常数据影响的基础上,结合不同数据分布特点,基于结构风险最小化模型,提出一种基于可能性聚类假设的多模型适应学习方法(MA-PCA)。其主要思想为:通过模糊熵减弱噪声、异常数据对方法所带来的负面影响;综合考虑训练数据与测试数据在独立同分布和在独立不同分布时进行有效的多模适应学习,弱化训练数据和测试数据的独立同分布约束条件亦具有较好性能;给出了算法实现及其收敛性定理。在多个真实视觉数据集上分别进行了大量实验并进行深入分析,证实了所提方法具有优越的或可比较的鲁棒性和泛化性能。

关键词： 脑肿瘤图像分割   深度学习   早期诊断  

摘要： 对脑肿瘤图像的准确分割可以确定其外观与位置信息,这对早期诊断与治疗具有重要意义,但目前临床主要还是使用人工手段进行标注,这导致效率低下以及因为人的不同导致标注结果有差异等问题。深度学习方法目前已广泛应用到脑肿瘤图像分割中,通过设计神经网络结构等方法都取得了优异的成果。本文将回顾总结近几年的最新进展与挑战,并总结出图像的预处理、图像特征提取、图像特征融合、参数更新与预测、后处理这五个模块来对有突破性的关键技术进行归纳,让创新点所在位置更明确,利于归纳与学习。最后展望拥有潜力的研究方向。

关键词： 计算机专业课   硬件类课程   虚拟模拟器   开放教育资源(OER)   计算机体系结构  

摘要： 目前高校计算机专业课程中,有一类特殊的学生群体(请事假的、生病的、旷课等学生),他们因不能按时上课和做实验而被边缘化,导致他们对基于硬件类的课程缺乏学习兴趣,不及格率很高。针对这类学生,通过使用开放教育资源(OER)和虚拟模拟器,让特殊学生在家或寝室合理安排自己的学习时间,更好地利用远程教学和虚拟模拟器学习硬件类的课程。研究结果表明,这种新的OER方法大大地方便了特殊学生群体的学习,激发了学习兴趣和主动性,使硬件类课程学习成绩得到显著提高。

关键词： 植被解译   自然保护地   随机森林   旋转森林   植被类型   空间分布   九寨沟县  

摘要： 明确自然保护地的植被类型和空间分布,在改善生态环境质量与维护国家生态安全等方面具有重要参考意义。本文基于Sentinel-2A遥感影像数据,利用随机森林算法和旋转森林算法对九寨沟县自然保护地植被进行分类,并结合植被类型图与坡度、坡向以及高程数据对研究区内各植被类型的空间分布特征进行分析。研究结果表明:1)旋转森林算法分类效果优于随机森林算法,总体精度为85.73%,Kappa系数为0.83;2)九寨沟县植被在阴坡和半阴坡朝向生长较好,各植被类型集中分布于坡度16°~45°范围内,且区域内植被分布垂直地带性明显,海拔由低到高陆续出现的主要植被类型为栽培植被、灌丛、阔叶林、针阔混交林、针叶林以及草地。