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。     

三能级钾原子气体三维傅里叶变换频谱的解析解

利用投影切片定理、傅里叶位移定理和误差函数给出三能级钾原子气体三维傅里叶变换频谱在T=0界面的解析解.固定均匀线宽,非均匀展宽和对角线相关系数可以定量地识别,通过在适当方向上拟合三维傅里叶变换频谱谱峰的切片来确定.结果表明,非均匀展宽增大,频谱图沿着对角线方向延伸,对角线相关系数增大,频谱图逐渐变圆,振幅也逐渐变小.     

气体压强对纳秒激光诱导空气等离子体特性的影响

环境气体的压强对激光诱导等离子体特性有重要影响.基于发射光谱法开展了气体压强对纳秒激光诱导空气等离子体特性影响的研究,探讨了气体压强对空气等离子体发射光谱强度、电子温度和电子密度的影响.实验结果表明,在10-100 kPa空气压强条件下,空气等离子体发射光谱中的线状光谱和连续光谱依赖于气体压强变化,且原子谱线和离子谱线强度随气体压强的变化有明显差别.随着空气压强增大,激光击穿作用区域的空气密度增加,造成激光诱导击穿空气几率升高,从而等离子体辐射光谱强度增大.空气等离子体膨胀区域空气的约束作用,增加了等离子体内粒子间的碰撞几率以及能量交换几率,并且使离子-电子-原子的三体复合几率增加,因此造成原子谱线OⅠ777.2 nm与NⅠ821.6 nm谱线强度随着气体压强增大而增大,在80 kPa时谱线强度最高,随后谱线强度缓慢降低.而离子谱线N Ⅱ 500.5 nm谱线强度在40 kPa时达到最大值,气体压强大于40 kPa后,谱线强度随压强增加而逐渐降低.空气等离子体电子密度均随压强升高而增大,在80 kPa后增长速度变缓.等离子体电子温度在30 kPa时达到最大值,气体压强大于30 kPa后,等离子体电子温度逐渐降低.研究结果可为不同海拔高度的激光诱导空气等离子体特性的研究提供重要实验基础,为今后激光大气传输、大气组成分析提供重要的技术支持.     

Fréchet空间上的一些等距逼近问题

本文主要讨论Ｆｒéｃｈｅｔ空间上ε－等距线性算子的等距逼近问题，证明了任意有限维Ｆｒéｃｈｅｔ空间之间的等距逼近问题都是肯定的；无穷维Ｆｒéｃｈｅｔ空间（ｓ）空间上的等距逼近问题也是肯定的．     

HIRFL–CSR加速器中束流与真空中剩余气体的碰撞损失

研究了重离子加速器中束流与真空中剩余气体的碰撞损失过程和碰撞截面,在依据大量实验数据的基础上,提出了一组计算离子一原子的电荷交换截面的经验公式.以兰州重离子加速器HDRFL及冷却储存环CSR为例,给出了依据碰撞截面的公式计算束流在加速器真空中的传输效率的方法,并计算了在不同真空度下HIRFL的ECR源轴向注入束运线、注入器SFC、前束运线、主加速器SSC和后束运线等不同加速阶段及CSR的传输效率,并提出合理的真空度要求.HIRFL的真空分布测量和束流的损失测量证明了该计算方法的可靠性.     

虚二次域上不可分的正定Hermite型的构作

本文给出了构作虚二次域ＩＱ（－ｍ）上不可分的正定整Ｈｅｒｍｉｔｅ型的方法．对任意给定的自然数ｎ，ｄ和无平方因子的ｍ，当ｍ３（ｍｏｄ４），除了ｍ＝１时ｎ＝２，ｄ＝１；ｎ＝３，ｄ＝１，３；ｎ＝５，ｄ＝１和ｍ＝２时ｎ＝３，ｄ＝１这５个例外，证明了存在ＩＱ（－ｍ）上不可分的正定整Ｈｅｒｍｉｔｅ格，其秩为ｎ且判别式为ｄ，并给出它们的明确结构．在上述５个例外情形下，不存在具有上述性质的格．     

猜想M(2k,k+1)=3k-1+[(k-1)/2]的反例

Brualdi与Jung在[1]中研究了一类具有固定线和k的n×n矩阵上的最大跳跃数M(n,k),并提出猜想M(2k, k + 1) = 3k - 1 + [(k-1)/2].本文给出了这一猜想的两个反例．     

一类(0,1)-矩阵的最大积和式的积分表达式

给出了线和n-2的n阶（0，1）－矩阵的最大积和式的积分表达式，并证明了该积分表达式与[1]得到的组合表达式等价。