基于CNN-SVM的地下目标形状识别

针对传统地下目标识别算法中特征提取方法的缺陷,鉴于深度学习中的卷积神经网络（CNN）能自动从数据中提取特征,但CNN自带的分类器不能很好的解决非线性分类问题,由于SVM具有良好的泛化分类能力,为此提出基于CNN-SVM的地下目标形状识别方法。本文首先在地表面光滑场景下,利用该方法对地下圆形和矩形目标识别,然后加大场景难度,在地表面粗糙场景下进行地下目标形状识别。实验结果表明,相比传统人工设计的特征分类方法,该算法利用CNN自动提取的特征联合SVM提高了CNN的分类准确率,并且在两种场景下都具有更高的地下目标识别精度。     

硅和锗纳米线的原子排布和电荷分布的密度泛函紧束缚方法研究

低维硅锗材料是制备纳米电子器件的重要候选材料，是研发高效率、低能耗和超高速新一代纳米电子器件的基础材料之一，有着潜在的应用价值。采用密度泛函紧束缚方法分别对厚度相同、宽度在0.272 nm~0.554 nm之间的硅纳米线和宽度在0.283 nm~0.567 nm之间的锗纳米线的原子排布和电荷分布进行了计算研究。硅、锗纳米线宽度的改变使原子排布，纳米线的原子间键长和键角发生明显改变。纳米线表层结构的改变对各层内的电荷分布产生重要影响。纳米线中各原子的电荷转移量与该原子在表层内的位置相关。纳米线的尺寸和表层内原子排列结构对体系的稳定性产生重要影响。     

广义神经传播方程的整体吸引子

使用Galerkin方法,结合Sobolev空间理论和不等式技巧,给出了广义神经传播方程解的存在唯一性定理,然后利用吸引子存在性定理,采用半群方法证明了方程整体吸引子的存在性.     

基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.     

从双层规划的角度看道德风险理论的一阶条件方法

本文首先对双层规划的一个特殊例子即道德风险模型中使用的一阶条件方法（FOA）做简要的梳理，然后提出一种更为一般的使FOA有效的原则与方法。新方法主要依赖于代理人对委托人设置的目标的最优反应映射是否存在不动点，这个性质不要求原问题与用一阶条件放松以后的问题之间的约束集等价，从而也不要求代理人的期望效用对行动具有全局凹性。在新方法下，可以用较为简单的方法证明FOA在以下两种情形之一有效，即如果分布函数是概率分布的凸组合或者分布函数来自某些特殊的指数族分布。     

磷酸酯类前药的合成方法与应用

磷酸酯类前药与原药相比,不仅能够提高药物靶向性、稳定性和生物利用度,减少药物毒副作用,还能掩蔽药物不适气味、提高水溶性从而改善给药途径。含羟基药物的磷酸酯化是该类药物前药设计的重要方法之一。本文根据中心磷原子的价态和化合物结构进行分类,综述了各种P(Ⅴ)四配位分子、P(Ⅲ)三配位分子和H-亚磷酸酯类化合物作为磷酸酯化试剂在磷酸酯类前药合成方法中的研究进展,并阐述了这些磷酸酯类药物的应用,最后总结了各类磷酸酯化试剂的优势与局限,并结合连续流反应技术应用案例展望了其发展趋势。     

氮分子A3Σu+、B3Пg、C3Пu电子态的高温高振转光谱研究

采用态平均（CASSCF）/高度相关多参考组（MRCI）方法，对N2分子A3Σu+、B3Пg、C3Пu电子态的势能、跃迁偶极矩进行了高度相关的精确计算．计算的势能在平衡位置附近与RKR拟合的势能曲线非常一致，获得的跃迁偶极矩与已有实验值符合很好。首次对A3Σu+、B3Пg、C3Пu电子态的振转光谱常数随振动量子数v的变化进行系统定量计算，其结果与已有的实验观测数据相符．同时，获得了N2分子第一正带系的0-1、0-2、1-0、1-2、1-3、2-0、2-1、2-3、3-0、3-1和3-2光谱带分别在300，3000，6000，10000K时的谱线强度，如1-0带在3000，6000，10000K时的高温谱线带强度分别为1.58543×10-16 cm-1/(分子 cm-2)、6.07889×10-17 cm-1/(分子 cm-2)和2.3781×10-17 cm-1/(分子 cm-2)．这些结果对N2分子进一步的理论研究、实际应用和高温大气的建模与研究具都有一定的参考价值．     

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。     

优化初中数学概念教学“三部曲”

初中数学概念教学的最终目标在于帮助学生理解概念,并且掌握概念应用方法.具体而言,概念教学目标体现在引导学生对概念来源进行把握;帮助学生梳理各种概念之间的关系,把握相应的数学思想方法;引导学应用概念.因此,在组织开展初中概念教学活动的过程中,教师需要引导学生对概念来源展开分析,让学生形成对概念的初步认知,然后,组织学生概括抽象的数学概念,把握数学概念的基本特征,了解各要素之间的关系,掌握数学表达方法,强化对概念的认知;最后,指导学生应用数学概念,帮助学生建立完善的概念结构.     

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。