满意度最大条件下的战时保障补给站选址问题研究

设施选址是装备保障系统构建过程中的重要决策步骤。文章首先分析了现代战争中装备保障设施尤其是终端补给站选址问题对形成装备保障快速反应能力的重要性,提出了以作战区域内所有作战单位的保障满意度最大为目标的有限补给站选址优化模型,作战单位对选址方案的保障满意度是从所需的资源数量和保障反应及时性两个方面进行考虑的。之后基于拉格朗日松弛算法设计了模型的启发式求解算法,实验结果表明该算法有效。     

An experimental study on the keyhole shapes in laser deep penetration welding

In this paper, the laser spot diameter and its intensity distribution are measured with a scanning pinhole, and the keyhole shapes are observed using a specially designed setup in laser deep penetration welding of glass GG17. Based on the above experimental results, the effects of the following factors on the keyhole shapes are studied: the laser spot diameter and its intensity distribution, defocus, welding speed and inverse Bremsstrahlung absorption of the plasma.     

短波碲镉汞光伏器件的低频噪声研究

对所研制的短波光伏碲镉汞器件进行了变温电流-电压特性和低频噪声研究，测试温度范围255—293K.实验结果表明随着温度的下降，器件的优值因子R₀A从45×10³Ωcm²增加到7×10⁴Ωcm².器件在低频区的主要噪 声成分是1/f噪声和产生-复合噪声，在高频区主要是散粒噪声.在测试的偏压内，器件的1/f噪声功率谱密度与流过器件的电流的平方成正比，器件的Hooge系数为3×10^-4—7×10^-4.从噪声 功率谱密度曲线分析中得到产生-复合噪声的特征时间常数τ，通过τ的温度特性得到了器件的深能级. 关键词： 碲镉汞 优值因子 低频噪声 深能级     

深空光通信中的图像信标捕获技术

为实现深空光通信链路建立过程中精确的对准,提出了一种深空光通信系统扩展信标的捕获方案。该方案以可视地球图像作为信标,在航天器上存储一幅信标图像作为参考图像,采用天线扫描的方式在各点对所瞄准的区域成像,利用像素扫描的方式,使参考图像和实际探测图像进行相关,在天线扫描完成以后,找出相关性最大的位置,即可认为在该点捕获到地球图像。在计算两图像相关系数的过程中,由于傅里叶梅林变换幅度谱具有伸缩及旋转不变性,因此利用傅里叶梅林变换即可消除两图像相关系数因为旋转和伸缩的影响。利用蒙特卡罗方法随机产生1000个视场,仿真结果表明,3σ内正确捕获到信标图像的概率为99.6%,表明这是一种可行的方法。     

An Electrocardiogram Signal Classification Algorithm Based on Improved Deep Residual Shrinkage Networks北大核心CSCD

心电信号分类是医疗保健领域的重要研究内容.针对大多数方法不能很好地降低样本数量少的类别漏诊率,以及降低预处理操作的复杂性问题,提出了一种基于改进深度残差收缩网络(IDRSN)的心电信号分类算法(即DRSL算法).首先,使用合成少数类过采样技术(SMOTE)扩充数量少的类别样本,从而解决了类不平衡问题;其次,利用改进深度残差收缩网络提取空间特征,其残差模块可以避免网络层加深造成的过拟合,压缩激励和软阈值化子网络可以提取重要局部特征并自动去除噪声;然后,通过长短期记忆网络(LSTM)提取时间特征;最后,利用全连接网络输出分类结果.在MIT-BIH心律失常数据集上的实验结果表明,该算法的分类性能优于IDRSN、DRSN、GAN+2DCNN、CNN+LSTM_ATTENTION、SE-CNN-LSTM分类算法.     

深海低声速沉积层简正波用于海底参数反演*

现有深海地声参数反演研究通常基于全波场理论,存在计算量大、多值性以及需要准确的水文环境信息等问题。针对这一问题,提出一种基于简正波频散特征的深海低声速沉积层海底参数反演方法。在南海北部大陆坡海域的一次实验中,坐底式水听器(深度约1740 m)接收的沉底弹信号中观察到一种低频成分先到而高频成分后至的到达结构,由被限制在低声速沉积层的简正波组成。通过匹配沉积层简正波60-220 Hz频段内的到达时间差对实验海域的低声速海底参数进行反演,得到沉积层厚度为16.4 m,沉积层声速为1450.5 m/s,与底质采样数据比较吻合,且具有较高的可信度,验证了所提方法的有效性。由于沉积层密度对简正波频散特征的敏感性较差,其反演结果可信度不是很高,需要进一步研究。     

基于深度学习的材料超声回波衰减预测方法

材料超声回波衰减是评价材料均匀一致性的常用方法, 针对具有复杂结构的航空发动机盘件难以进行材料底面超声回波衰减评价的问题, 本文提出了利用超声背散射波信号直接预测底面回波衰减的方法。采用10MHz聚焦探头进行超声背散射波数据的采集, 利用深度学习技术构建和训练模型,建立了基于深度学习的材料底面回波衰减预测方法, 同时讨论了采用不同信号形式的超声波信号分类识别模型的准确率差异。研究发现：基于深度学习技术可实现通过超声背散射波预测材料的底面回波衰减, 预测结果和实际底面回波衰减试验结果具有良好的一致性。     

Quantum Bayesian computation

Quantum Bayesian computation is an emerging field that levers the computational gains available from quantum computers. They promise to provide an exponential speed-up in Bayesian computation. Our article adds to the literature in three ways. First, we describe how quantum von Neumann measurement provides quantum versions of popular machine learning algorithms such as Markov chain Monte Carlo and deep learning that are fundamental to Bayesian learning. Second, we describe quantum data encoding methods needed to implement quantum machine learning including the counterparts to traditional feature extraction and kernel embeddings methods. Third, we show how quantum algorithms naturally calculate Bayesian quantities of interest such as posterior distributions and marginal likelihoods. Our goal then is to show how quantum algorithms solve statistical machine learning problems. On the theoretical side, we provide quantum versions of high dimensional regression, Gaussian processes and stochastic gradient descent. On the empirical side, we apply a quantum FFT algorithm to Chicago house price data. Finally, we conclude with directions for future research.     

基于PCAU-Net的快速多通道磁共振成像方法

多通道磁共振成像方法采用多个接收线圈同时欠采样k空间以加快成像速度,并基于后处理算法重建图像,但在较高加速因子时,其图像重建质量仍然较差．本文提出了一种基于PCAU-Net的快速多通道磁共振成像方法,将单通道实数U型卷积神经网络拓展到多通道复数卷积神经网络,设计了一种结构不对称的U型网络结构,通过在解码部分减小网络规模以降低模型的复杂度．PCAU-Net网络在跳跃连接前增加了1×1卷积,以实现跨通道信息交互．输入和输出之间利用残差连接为误差的反向传播提供捷径．实验结果表明,使用规则和随机采样模板,在不同加速因子时,相比常规的GRAPPA重建算法和SPIRiT重建方法,本文提出的PCAU-Net方法可高质量重建出磁共振复数图像,并且相比于PCU-Net方法,PCAU-Net减少了模型参数、缩短了训练时间．     

基于DCGANs的半片光伏组件电致发光图像增强技术

针对半片光伏组件电致发光（electroluminescence,EL）缺陷自动识别过程中训练用样本不足导致模型过拟合的问题,采用深度卷积生成对抗网络（deep convolutional generative adversarial networks,DCGANs）生成可控制属性的半片光伏组件EL图像,再采用多尺度结构相似性（multiscale structural similarity,MS-SSIM）指标对生成的EL图像与拍摄的EL图像之间的相似程度进行了评估。评估结果得到,使用DCGANs生成的所有类型半片光伏组件的EL图像与拍摄的EL图像的MS-SSIM指标都大于0.55,大部分的MS-SSIM值在0.7附近。在分类模型的训练过程中,测试集准确率随着训练集中生成图像数量的增加而升高,当生成图像数量达到6 000张时,测试集准确率达到97.92%。实验结果表明,采用DCGANs能够生成高质量且可控制属性的半片光伏组件EL图像,较好地解决因缺少训练样本而导致的模型过拟合问题。