广义带导数的非线性Schrdinger方程的动态分析和精确解

利用动力系统方法,针对广义带导数的非线性Schrdinger方程的精确解问题进行研究分析.采用行波变换,将其化为常微分方程动力系统;计算出该方程动力系统的首次积分,讨论了系统在不同参数条件下的奇点与相图,得到对应的精确解,包括孤立波解、周期波解、扭结波解和反扭结波解.运用数值模拟的方法,对方程的光滑孤立波解和周期波解等进行了数值模拟.分析计算获得的结果完善了相关文献已有的研究成果.     

两时滞广义Logistic模型的Hopf分支与混沌

构建了具有两个时滞的广义Logistic模型,分情况讨论了系统正平衡点发生局部Hopf分支和稳定性切换的条件,分析了分支点关于系统参数的单调性和极限性质.数值模拟佐证了理论结果,展示了周期振动,倍周期分支,混沌等复杂的动力学行为.     

具脉冲扰动的时滞Ivlev型捕食系统

构建了具脉冲扰动的时滞Ivlev型捕食系统,获得了捕食者灭绝周期解全局渐近吸引和系统持续生存的充分条件.数值例子验证了理论结果,揭示了系统诸如吸引子突变,高倍周期振动,分支等复杂的动力学行为,最后进行了总结与讨论.     

结合区分性训练深度神经网络的歌声与伴奏分离方法

针对音乐信号中的歌声与伴奏相互关联难以分离的问题,提出了一种区分性训练深度神经网络(Deep Neural Network,DNN)的音乐分离方法。首先,在DNN模型的基础上同时考虑歌声与伴奏间的重建误差和区分性信息,提出了一种改进的目标函数进行区分性训练;其次,在DNN模型上额外添加一层,引入时频掩蔽对估计出的歌声伴奏进行联合优化,相应的时域信号由傅里叶逆变换获得;最后,验证不同参数设置对分离性能的影响,并与现有的音乐分离方法进行对比.实验结果表明,改进的目标函数和时频掩蔽的引入明显提高了DNN的分离性能,且与现有的音乐分离方法相比分离性能最高提高了4 dB从而证实所提方法是一种有效的音乐分离方法。