基于不同策略的三角形区域Hotelling模型混沌动力学分析

建立三角形区域双寡头Hotelling博弈模型,研究了具有不同价格竞争策略的复杂动力学问题.当某些参数发生变化时,会打破系统的纳什均衡,出现分岔、混沌、吸引子和初始条件敏感依赖性等动力学行为,计算了其分形维数.结果表明,采用OYG控制方法,可实现良好的混沌控制效果,使市场回归稳定.     

2022年《理化检验-化学分册》征订启事

《理化检验-化学分册》(ISSN 1001-4020,CODEN编码 LJHFE2,CN 31-1337/TB)杂志创刊于1963年,系由上海材料研究所与机械工程学会理化检验分会联合主办的技术类期刊,主要报道化学分析与仪器分析专业领域中的新方法、新技术、新设备以及国内外的研究方向。"面向生产、注重实用、反映动向、兼顾普及"是刊物的编辑方针,旨在最大幅度地满足不同层次读者的需要。     

初中数学不同课型阅读教学的实践探究

数学学习有别于其他学科的学习,使得数学阅读也有其独特性,它需要阅读者有较强的数学思维能力,在数学阅读过程中,学生不仅要知道数学概念、规则等的自然语言,也要知道它的数学语言所表达的含义,还要理清它的结构、数学思想、积累的经验.     

关于两个图的一类新连接图的谱

给定2个图G1和G2，设G1的边集E(G1)={e1,e2,?,em1}，则图G1⊙G2可由一个G1，m1个G2通过在G1对应的每条边外加一个孤立点，新增加的点记为U={u1,u2,?,um1}，将ui分别与第i个G2的所有点以及G1中的边ei的端点相连得到，其中i=?1,2,?,m1。得到：（i）当G1是正则图，G2是正则图或完全二部图时，确定了G1⊙G2的邻接谱（A-谱）。（ii）当G1是正则图，G2是任意图时，给出了G1⊙G2的拉普拉斯谱（L-谱）。（iii）当G1和G2都是正则图时，给出了G1⊙G2的无符号拉普拉斯谱（Q-谱）。作为以上结论的应用，构建了无限多对A-同谱图、L-同谱图和Q-同谱图；同时当G1是正则图时，确定了G1⊙G2支撑树的数量和Kirchhoff指数。     

天然冬虫夏草不同组分对小鼠肠道损伤修复的作用机制

采用乙醇和水从天然冬虫夏草里提取出6种不同组分,通过建立环磷酰胺诱导的小鼠肠道损伤模型,评价包括原料在内的7种组分对小鼠肠道损伤修复的作用机制。结果显示,各组分均能提高胸腺指数,减缓脾脏肿大,且能提高小肠紧密连接蛋白(Claudin-1、Occludin、ZO-1)表达,增加IgA分泌细胞数量、sIgA含量、Th17和Treg相关细胞因子(IL-17和TGF-β3)含量及转录因子(RORγt和Foxp3)的表达,实验结果表明天然冬虫夏草能够通过修复紧密连接和调节Th17/Treg平衡来修复环磷酰胺诱导的肠道损伤,为更好利用冬虫夏草提供了理论基础。     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

对合三角泛函方程的Ulam-Hyers稳定性问题

给出从群G到复数域F上的一类对合三角泛函方程的一般解和Ulam-Hyers稳定性问题,得到扰动泛函方程更小的上界,最后完善相关结论。