基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题，提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性，提出基于快速神经网络架构搜索（neural architecture search，NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法，在预设的搜索空间中搜索最优网络结构，进行图像水印的高效嵌入与鲁棒提取。首先，将子网络中线性连接的全卷积层设置为独立的神经单元结构，并参数化表示结构单元内节点的连接，预先设定结构单元内每个神经元操作的搜索空间；其次，在完成一个批次的数据集训练后，依据神经元操作中的被采样次数和平均损失函数值动态更新概率；最后，重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上，大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑，本文算法具有较高的时间性能和较好的实验效果，在隐藏图像时，对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验，对比发现，本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著；在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著，特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

算子代数上2-局部Lie三重导子的结构

设X是维数大于2的Banach空间,映射δ:B(X)→B(X)是2-局部Lie三重导子,则对所有A∈B(X)有δ(A)=[A,T]+φ(A),这里T∈B(X),φ是从B(X)到FI的齐次映射且满足对所有A,B∈B(X)有φ(A+B)=φ(A),其中B是交换子的和.     

基于Green-Naghdi模型与三相延迟模型的耦合热弹性波传播

研究了基于G-N模型与三项延迟模型的热弹性波的传播特征.在各种广义热弹性理论中,热位移概念的引入使得G-N模型具有独特性质而引起广泛的关注和应用.基于G-N模型,最近一个三相延迟模型被提出.主要研究了这两种模型下第一和第二声波(耦合热弹性波)的色散和衰减特性,分析了温度场和位移场在两种模型下的振幅比和相位差.结果发现三相延迟模型更为通用和灵活,应得到更多的关注与应用.     

突出矿井瓦斯抽放限制影响因素的AHP-熵权法评价模型

为提高煤与瓦斯突出矿井瓦斯抽放效果,建立了3个一级指标、14个二级指标的突出矿井瓦斯抽放限制影响因素评价指标体系,利用AHP和熵权法分别确定指标因子主、客观权重.通过实地调研分析和反馈验证了AHP-熵权法的可行性和正确性,利用加权平均法确定评价模型的综合权重.研究表明:封孔方式、钻孔半径、抽放时间、煤体裂隙发育程度和抽放负压是目前影响煤矿瓦斯抽放效果的主控因素.     

对称向量拟均衡问题有效解的存在性

利用标量化方法建立对称向量拟均衡问题有效解的存在性定理。作为标量化方法的应用，利用这一方法得到向量变分不等式和拟向量变分不等式有效解的存在性定理。     

在对比情境中走进真实的化学科学*——高一化学绪言课教学

绪言课的教学效果对于学生后续学习起着举足轻重的作用,基于对高一化学绪言课教学意蕴的分析,选取了历史与现代、生活与科研、国内与国外等多种情境素材,并设计成对比的教学情境,竭力将学生带进真实的化学科学,引领高中化学学习的方向,打开学生的国际视野,培养学生的家国情怀。并结合问卷调查对本节课教学效果进行了反思。     

自掺杂SnO2微球的水热合成及其可见光催化性能

本研究采用水热法,以柠檬酸为螯合剂,通过控制n(Sn⁴⁺)/n(Sn²⁺)的数值,合成了由具有丰富氧空位的SnO₂纳米晶体组装成的微球。通过X射线衍射(XRD)、扫描电子显微镜(SEM)、透射电子显微镜(TEM)、傅里叶红外光谱(FT-IR)、X射线光电子能谱(XPS)及UV-Vis漫反射光谱对SnO₂纳米微球进行表征分析,结果表明:在酸性水热条件和柠檬酸的螯合作用下,二氧化锡纳米晶体聚集形成微球;在Sn⁴⁺/Sn²⁺摩尔比例为3:7时,其微球尺寸最小,整体分散性较好;同时适量二价锡离子的掺杂使得该样品氧空位浓度达到最佳,氧空位的存在将使得样品光吸收范围拓展至可见光,因而该样品显示出较强的可见光催化效率,在8 min内完全降解甲基橙。     

一类压缩型映射的不动点定理

在完备的度量空间中,讨论了一类新型的非线性压缩映射ρ(Tx,Ty)≤a(ρ(x,y))ρ(x,Tx)+b(ρ(x,y))ρ(y,Ty)+c(ρ(x,y))ρ(x,y)通过构造迭代序列,指出该映射的不动点的存在性和唯一性,并给出相应的误差估计式,拓展和改进了有关文献的范围.     

正交匹配追踪算法的迭代残差重建方法

正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法是一种重要的压缩感知重构算法. OMP算法在每次迭代中选择与当前残差最相关的原子. 针对每次迭代需要重新计算残差的问题, 本文考虑偶数次迭代下残差未知的情况. 首先, 研究了奇数次迭代的残差与下一次迭代的残差之间的关系, 得到了一种偶数次迭代时选择原子的标准. 然后, 引入一种回溯机制来处理前面所得的迭代结果, 这种机制通过剔除其中多余的原子来实现精确重建. 据此, 提出了可减少计算残差的改进型正交匹配追踪算法.