卷积神经网络用于近红外光谱古筝面板木材分级

目前,我国乐器制作行业在古筝面板用木材等级的筛选上主要依赖于技师主观评判,但此法缺少科学理论的依据,效率低,客观性及出材率的提高等方面受到限制,无法满足乐器市场的大量需求。实现古筝面板用木材快速、智能化的分级工作是一个急需解决的课题。近红外光谱非常适用于测量含氢的有机物质。古筝面板木材主要化学成分的化学键均由含氢基团组成,不同等级板材的化学成分存在差异,这些差异反映在近红外光谱中,为判断木材等级提供了可能。同时卷积神经网络对非线性数据具有较强的特征提取能力,所以提出一种应用卷积神经网络模型对光谱数据进行分析的方法,进而判别木材的等级。应用了Savitzky Golay一阶、二阶微分两种预处理方法和核主成分分析、连续投影算法两种数据压缩方法,通过所设计的卷积神经网络模型以样本识别准确率和模型构建过程中的损失值作为判定指标选出最佳预处理和数据压缩方法。为了提高模型提取分析光谱数据的能力和避免过拟合现象,应用了多通道卷积核、批量归一化和early stopping策略,将通过两层卷积层提取的特征信息送入全连接层,从而充分提取剩余信息,通过Softmax函数获得板材的最终预测等级,从而确定了最终模型。最终Savitzky Golay一阶微分和核主成分分析为最佳数据处理方法,同时得出用于区分不同等级的古筝面板用木材的主要关键谱带,分别为1 163~1 243, 1 346~1 375和1 525~1 584 nm。将该模型应用于测试集样本,古筝面板用木材的等级识别准确率为95.5%。实验结果表明所提出的方法可以高效地处理光谱数据,有效识别区分不同等级的古筝面板用木材的关键特征,从而为广阔的乐器市场提供一定的技术支持。     

系数变号的半线性椭圆方程的正解

本文研究半线性椭圆方程Dirichlet问题-△u=α（x）f(u），x∈Ω， u（x）=0，x∈ЭΩ，正解的存在性，其中Ω为R^n中有界的带光滑边界的区域，α(x)可以变号。     

方程w"-w+f(t,w)=O的Dirichlet边值问题的正解存在性与多解性

考察了下列常微分方程的Dirichlet边值问题的正解[w″(t)-w(t) f(t,w(t))=0,0≤t≤1 w(0)=w(1)=0建立了n正解的存在性，其中n是一个任意的自然数。     

一类半线性方程Dirichlet问题

本文利用概率方法证明了如下的Dirichlet问题的解的存在性：{－（△/2＋μ）u f(u)=v，在D中，其中D是R^d中的一个有界规则区域，μ和v是属于广义Kato类的符号测度，f是R^1上的连续可微函数连g↓eD上的一个连续函数。     

平面上随机级数的性质

研究了平面上系数{Xn,n≥0}为(?)-混合序列在满足,(q>1)等条件下的随机级数的增长性及值分布,得到了比较好的结果．     

On the 2k-th Power Mean of Inversion of L-functions with the Weight of the Gauss Sum

The main purpose of this paper is to use the estimate for character sums and the method of trigonometric sums to study the 2k-th power mean of the inversion of Dirichlet L-functions with the weight of the Gauss sums，and give a sharper asymptotic formula．     

关于解椭圆型问题的多子域D-N交替算法

构造一个求解椭圆型边值问题的多子域D—N交替算法，导出对应的容度方程和等价的迭代法，证明算法的收敛性。     

一类椭圆型方程的多重解

利用极小极大方法获得了一类Dirichlet问题多重解的存在性结果.     

多重卷积公式及其应用

本文给出了一个ｎ重卷积的直接计算公式，避免了逐次卷积的麻烦，从而大大减少了运算工作量。这给工程应用和实际计算带来了一些方便。     

Dirichlet型空间上的乘子

本文主要根据τ与μ的不同取值分三种情况刻划了Cn中单位球上Dirichlet 型空间上的点乘子空间M(Dτ,Dμ),并通过两个函数的构造表明:当τ≤n时,包含 关系M(Dτ)(?)Dτ和当τ>μ,τ>n-1时,包含关系M(Dτ)(?) M(Dμ)是严格的.