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。     

80.5 MeV/u碳离子诱发铜靶的放射性剩余产物测量

高能重带电粒子能直接穿透靶原子核外电子层,与原子核发生直接碰撞,发生散裂反应,产生一系列具有放射性的剩余产物核.重带电粒子诱发靶材放射性剩余核与辐射防护和人员安全有着密切联系,当前,大部分剩余核产额主要依靠蒙特卡罗粒子输运程序进行模拟计算,其准确程度亟需通过实验测量进行准确评估.本文利用能量为80.5 MeV/u的(12)^C⁶⁺粒子对薄铜靶开展了辐照实验与伽玛射线测量,结合伽玛谱学分析方法,得出了辐照产生的18种放射性剩余产物的初始活度和产生截面值,并与PHITS模拟结果进行对比.结果表明,PHITS模拟程序对放射性剩余核种类的估计具有较高可靠性,在其绝对产额方面,与实验测量仍具有较大偏差.     

数字散斑相关方法及其在碳纤维复合材料压力容器变形测量中的应用

提出了一种新的基于图像灰度梯度迭代的数字散斑相关方法(DSCM,digital speckle correlation method)。通过使用DSCM测量碳纤维复合材料压力容器在水压下的局部区域的位移场和应变场,分析了复合材料压力容器的轴向和环向的变形特征,为碳纤维复合材料压力容器的优化设计提供了理论和实验依据。     

在一个新步长规则下梯度投影算法的全局收敛性

考虑约束最优化问题：minx∈Ωf(x)其中:f:R^n→R是连续可微函数，Ω是一闭凸集。本文研究了解决此问题的梯度投影方法，在步长的选取时采用了一种新的策略，在较弱的条件下，证明了梯度投影响方法的全局收敛性。     

Application of Hilbert＇s Projective Metric on Symmetric Cones

Let Ω be a symmetric cone. In this note, we introduce Hilbert＇s projective metric on Ω in terms of Jordan algebras and we apply it to prove that, given a linear invertible transformation g such that g（Ω） = Ω and a real number p, ｜p｜ 〉 1, there exists a unique element x ∈ Ω satisfying g（x） = x^p.     

一个线性约束优化问题的广义梯度投影法

本文对线性约束优化问题提出了一个新的广义梯度投影法，该算法采用了非精确线性搜索，并在每次迭代运算中结合了广义投影矩阵和变尺度方法的思想确定其搜索方向．在通常的假设条件下，证明了该算法的整体收敛性和超线性收敛速度．     

链环的trip矩阵

ZULLI L首先构造了一个用于计算纽结Kauffman尖括号多项式的模2矩阵,纽结的trip矩阵.为了构造链环的trip矩阵,引入了一个带标识的穿有m个孔的圆盘来取代纽结情形下的圆盘,其中m为链环的分支数.主要结果为:定理若状态S是从状态AA…A经过i1,i2,…,ip位置上的标记替换(A换成B)而得的状态.设Ts是将trip矩阵T的左上角的n×n子块中ai1i1,ai2i2,…,aipip之值进行替换(0→1或1→0)所得的矩阵,则#(L|S)=n+m-秩(Ts).因此计算链环Kauffman尖括号多项式就归结为计算一组模2矩阵的秩.