基于卷积神经网络的HL-2A装置H模辨识研究

基于HL-2A装置的放电实验数据，利用卷积神经网络和时间窗口算法开发了高约束(H)模时段的识别算法，得到了可靠的高成功率的高约束模时段识别结果。算法中，选取206次放电实验数据中等离子体储能及氘α通道信号作为双通道原始数据进行学习，得到一个深度为21层的二分类卷积神经网络。该网络模型经过其他474次放电数据的测试集检验，高约束模识别的正确率达到了98.17%。     

次线性期望下的一般中心极限定理

受Peng-中心极限定理的启发,本文主要应用G-正态分布的概念,放宽Peng-中心极限定理的条件,在次线性期望下得到形式更为一般的中心极限定理.首先,将均值条件E[X_n]=ε[X_n]=0放宽为|E[X_n]|+|ε[X_n]|=O(1/n);其次,应用随机变量截断的方法,放宽随机变量的2阶矩与2+δ阶矩条件;最后,将该定理的Peng-独立性条件进行放宽,得到卷积独立随机变量的中心极限定理.     

基于DenseNet的散射成像景深拓展研究

针对拼接干涉测量技术除了引入拼接误差，还将引入机械运动误差的问题，为此提出一种X射线反射镜的非零位干涉测量方法，无需拼接便可实现零回程误差的高精度干涉测量。利用一块高精度平面镜来标定干涉系统在全视场范围内的回程误差。通过将待测非球面镜划分成多个子孔径，每个子孔径可近似看作一个平面，这样可以从标定数据库中找到该子孔径所对应的回程误差，通过简单的矩阵拼接可得到整个待测非球面镜的回程误差。以X射线椭圆柱面反射镜为例进行实验，实现X射线椭圆柱面反射镜非零位干涉测量面形的回程误差有效标定，相比于拼接干涉测量方法二者结果一致性较好，证实所提方法的正确性。     

正电子冲击下氦电离三重微分截面的理论计算

我们发展了一种正电子碰撞原子电离的畸变波Born近似方法， 在这个方法中，正负电子偶素通道通过一个ab initio的光学势附加到入射粒子和靶的相互作用势上，且通道对电离作用被第一次被考虑在正电子碰撞原子电离的过程中. 应用这个方法计算了在50 eV入射能量范围氦的电离的三重微分截面，计算结果和实验数据很好的符合.     

贝叶斯优化卷积神经网络公共场所异常声识别*

针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。     

Compton散射下等离子体球太赫兹散射特性

为了研究Compton散射对等离子体球太赫兹(THz)散射特性的影响,将多光子非线性Compton散射模型引入到该研究中,提出了将Compton散射作为影响等离子体球太赫兹散射的重要因素,给出了各向异性等离子体球散射场修正方程及介电常数张量、观测方位、极化状态等因素对THz波散射的影响,并进行了仿真实验。结果表明:微分散射截面随THz波频率变化近乎呈准谐振规律变化,较散射前增大了0.001;微分散射截面随观测方位和极化状态的变化较散射前增大了0.002。     

拉普拉斯变换微分性质的若干应用

给出拉普拉斯变换微分性质在求解拉普拉斯变换和拉普拉斯逆变换时的三个应用,并分别给出相应算例.     

麻将桌上的一个概率问题

证明在四人麻将游戏(或其它游戏或竞赛)定庄时,无论抛多少颗骰子都不能使各方有均等坐庄的机会.如果将骰子数增加,则各方机会将是渐近均等的.推广到l个人和骰子为k面的情形,这种渐近均等性仍然正确,同时给出了机会均等的一个充要条件.     

基于级联卷积神经网络的前列腺磁共振图像分类

针对深度学习训练成本高，以及基于磁共振图像的前列腺癌临床诊断需要大量医学常识且极为耗时的问题，本文提出了一种基于级联卷积神经网络（Convolutional Neural Network，CNN）和磁共振图像的前列腺癌（Prostate Cancer，PCa）自动分类诊断方法，该网络以Faster-RCNN作为前网络，对前列腺区域进行提取分割，用于排除前列腺附近组织器官的干扰；以基于ResNet改进的网络结构CNN40_bottleneck作为后网络，用于对前列腺区域病变进行分类.后网络由瓶颈结构串联组成，其中使用批量标准化（Batch Normalization，BN）、全局平均池化（Global Average Pooling，GAP）进行优化.实验结果证明，本文方法对前列腺癌诊断结果较好，而且缩减了训练时间和参数量，有效降低了训练成本.