非光滑稀疏约束优化问题的最优性条件及算法

针对目标函数非光滑的稀疏约束优化问题,给出基本可行性和λ-平稳性两个必要最优性条件,利用所给出的必要最优性条件构造出稀疏次梯度投影算法.在理论上分析了算法的收敛性,证明了由该算法所产生序列的任意聚点都是λ-平稳点.最后,通过两个数值实例验证了算法的收敛性、有效性和优化能力.     

关于重积分计算的再理解

在多元函数积分学部分,重积分只讲到了二重积分和三重积分的意义及其计算方法,本文以将积分区域向低维空间投影的观点重新理解重积分的计算,并以四重积分为例详细讲解在高维欧式空间R~n(n≥4)中的多重积分的计算方法并揭示出重积分计算的本质所在.     

量子点电视搭载ColorIQ光学技术

TCL多媒体和QDVision公司宣布向中国市场推出一款搭载ColorIQ光学技术的55寸4K超高清量子点电视。这款全新的电视拥有绝佳的色彩、时尚的造型以及卓越的图像表现,将很快在中国2,000多家店面开售,并将把产业带入全新的量子点显示技术时代。作为高端旗舰产品,TV+量子点电视H9700的发布是TCLTV+家庭娱乐电视家族的又一次重磅硬件升级。全新的量子点电视经QDVision公司与TCL联合开发,在     

基于ELM算法的羊肉水分含量的快速无损检测

在近红外光谱900-1700nm的波长范围内采集南疆羊肉的光谱数据,来研究水分含量的快速无损检测.为减弱非目标因素对光谱的影响,采用SNV和去趋势法对光谱数据进行预处理.为降低建模的复杂度,去除共线性的影响,采用连续投影算法和相关系数法相结合选取8个特征波长变量,最后使用PLS和ELM算法分别进行建模.实验表明,与采用全光谱波段建模相比,采用特征波长变量建模,PLS和ELM算法的运行时间都大大缩短,并且在运行时间和预测精度上,ELM算法均优于PLS算法.ELM算法采用8个特征波段变量建模,预测精度达到0.9768,均方误差为4.4291e-04,相关系数为0.7603,运行时间可控制在1e-04s之下,这可为研发羊肉水分含量的便携式检测装置提供理论参考.     

以系列三维立体投影实验为例谈大学物理实验中的创新型人才培养

创新能力是本世纪的核心竞争力,其关键是创新型人才的培养,这为理工类高校的实验教学提出了新的挑战.目前高校中的以学生为主体,教师为主导的大学生创新实验项目的实施是解决此挑战的有效途径之一.以笔者承担的系列三维立体投影物理实验的大学生创新实验项目为例,探讨了大学物理实验中的创新型人才培养模式.通过循序渐进的实验过程,引导学生自主搭建实验装置和编写控制程序,有效培养了学生的创新和实践能力,为高校实验教学改革提供了参考.     

基于IGES的激光扫描投影文件解析方法研究

激光扫描投影仪能够实现待装配零部件线框轮廓的精准位置投影，能够大幅度改善由传统装配方式所引起的精度差，效率低等问题。为了在自主研发的激光扫描投影系统中实现可直接读取IGES（初始化图形交互规范）格式的三维数模激光投影，研究了多特征图元提取和文件自动生成方法。该方法通过提取待投影线框图形的点、线、面等数据特征，以元胞的方式存储在.ply格式文档中，通过.ply文件对数控开关进行延时控制以及对二维振镜轨迹进行操控，实现更加智能化地控制激光扫描投影。应用12个IGES格式图元的投影实验验证，该方法可实现所有图元清晰投影且激光轮廓线宽优于0.3 mm，通过这种新型投影系统可提高车间装配生产效率，改善装配精度。     

平板几何迁移算子的特征值问题

研究L^p(1相似文献   

基于显示连通贝叶斯网络的机场塔台地震易损性分析

将基于性能的多维易损性分析方法,结合显示连通贝叶斯网络,应用于机场塔台的多维易损性分析。考虑地震激励的不确定性,通过非线性时程分析获得结构响应数据;将塔台结构分为三个层次,每个层次按包含的层数分为相应的子层次。根据功能特性确定子层次的评价指标和极限状态,建立服从多元对数正态分布的概率地震需求模型;考虑各种极限状态之间的相关性,建立极限状态方程,确定失效域,通过蒙特卡洛法求得构件的超越概率;建立塔台结构的显示连通贝叶斯网络模型,利用层次分析法获得中间节点的条件概率表,利用MATLAB进行贝叶斯网络的推理计算,实现从单一层次的易损性到整体易损性的推理。     

卷积神经网络用于近红外光谱古筝面板木材分级

目前,我国乐器制作行业在古筝面板用木材等级的筛选上主要依赖于技师主观评判,但此法缺少科学理论的依据,效率低,客观性及出材率的提高等方面受到限制,无法满足乐器市场的大量需求。实现古筝面板用木材快速、智能化的分级工作是一个急需解决的课题。近红外光谱非常适用于测量含氢的有机物质。古筝面板木材主要化学成分的化学键均由含氢基团组成,不同等级板材的化学成分存在差异,这些差异反映在近红外光谱中,为判断木材等级提供了可能。同时卷积神经网络对非线性数据具有较强的特征提取能力,所以提出一种应用卷积神经网络模型对光谱数据进行分析的方法,进而判别木材的等级。应用了Savitzky Golay一阶、二阶微分两种预处理方法和核主成分分析、连续投影算法两种数据压缩方法,通过所设计的卷积神经网络模型以样本识别准确率和模型构建过程中的损失值作为判定指标选出最佳预处理和数据压缩方法。为了提高模型提取分析光谱数据的能力和避免过拟合现象,应用了多通道卷积核、批量归一化和early stopping策略,将通过两层卷积层提取的特征信息送入全连接层,从而充分提取剩余信息,通过Softmax函数获得板材的最终预测等级,从而确定了最终模型。最终Savitzky Golay一阶微分和核主成分分析为最佳数据处理方法,同时得出用于区分不同等级的古筝面板用木材的主要关键谱带,分别为1 163~1 243, 1 346~1 375和1 525~1 584 nm。将该模型应用于测试集样本,古筝面板用木材的等级识别准确率为95.5%。实验结果表明所提出的方法可以高效地处理光谱数据,有效识别区分不同等级的古筝面板用木材的关键特征,从而为广阔的乐器市场提供一定的技术支持。