浅析目标特征量优选

目标识别的关键是目标特征量的选取,该文对目标特征量的优选进行了分析与研究,为目标特征量的选取提供理论依据.     

光学材料光学均匀性检测方法分析

光学均匀性是光学材料的重要指标,直接影响到透射光学系统的波面质量,改变系统的波相差。惯性约束聚变（Inertial Confine Fusion,ICF）激光驱动器的研制要求对材料的光学均匀性进行高精度的检测,同时兼顾洁净度要求。实验中利用斐索干涉仪实现了大口径光学材料光学均匀性的检测,并与国外检测数据进行了对比,对检测过程中的影响因素主要包括样品的厚度测量偏差及折射系数偏差进行了分析。结果表明,样品的厚度测量偏差及折射系数偏差对结果的影响较小,可以忽略。同时用两种干涉仪专用软件对大量样品测量数据进行处理,对比了不同干涉仪光学均匀性的计算结果,表明这两种情况下对光学均匀性的处理结果相符,解决了大口径光学坯件光学均匀性的检测问题。     

拟线性椭圆边值问题有限元校正解的误差估计

文献[※]利用高次插值建立了求拟线性椭圆边值问题高精度解的有限元校正格式,证明了这格式具有O(h~3llnhl~2)精度阶。本文进一步证明该格式具有O(h~4llnhl~2)精度阶。     

基于CNN-Transformer双流网络的伪脸检测

生成对抗网络(generative adversarial networks, GANs)技术正逐步成为合成图像的主流方法,合成的人脸图像对社会稳定和国家安全具有潜在的风险隐患,因此识别GAN生成的人脸已成为一个重要问题。为解决卷积神经网络(convolutional neural networks, CNN)在训练过程中无法获取图像全局表示的问题,提出了一种CNN-Transformer双流网络检测框架,在最大限度提取局部特征的同时,进一步保留图像的全局信息。首先,在CNN分支流中引入空间注意力和通道注意力,关注图像关键信息并提取局部特征;其次,利用Transformer分支流提取图像的全局信息;最后,中间利用桥接双分支的MixBlock交互模块分别将两者提取的局部特征和全局信息融合在一起。实验结果表明：与现有两种方法相比,本文所提方法在公共伪脸数据集上的分类检测精度分别提升了5.42%和1.95%,并且在后处理的图像上表现出一定的鲁棒性。     

本征值问题有限元Matlab程序与网上计算

研究本征值问题有限元网上可视化计算。使用W indows 2000终端(WBT),并用MATLAB编程在校园网上初步实现了薄膜振动问题三角形线性有限元,W ilson非协调元和薄板振动问题C-R混合有限元的远程可视化计算。     

本征值Wilson非协调元近似的超收敛性与后验误差估计

本文给出二阶椭圆本征值问题Ｗｉｌｓｏｎ非协调元的超收敛与后验误差估计式,花很少代价就把Ｗｉｌｓｏｎ近似本征值的精度阶从ｈ＾２提高到ｈ＾４,并得到了渐近准确误差指示子。     

大含量氟利昂气体下的电阻板室特性

制作一种有效面积为490mm×490mm玻璃电极双层电阻板室的实验模型.采用大含量氟利昂气体,用宇宙线测量该探测器的探测效率,输出电荷,时间分辨.测量结果显示:对最小电离粒子的探测效率可达到95%以上,效率坪达到2kV,平均噪声计数率小于0.2Hz/cm2.当探测器进入饱和雪崩区,探测器的时间分辨最小.文中给出了有关性能模拟和计算结果.对流光模式下的性能也进行了初步的测试,获得了有价值的实验数据.     

关于本征值问题有限元外推的一个注记

§1.引言考虑二阶椭圆微分算子本征值问题: 求,使其中G是R~N(N=1,2)中边界分段光滑的有界域,a(·,·)是定义在H_0~1(G)上的对称、连续,H_0~1(G)椭圆双线性形式,(·,·)是L_2(G)中内积,||·||_0是L_2(G)中范数。假设满足正则性条件:对fL_2(G),“a(w,v)=(f,v),vH_0~1(G)”的解     

强单调算子方程(位势型)有限元

本文是在强单调和“赫尔登连续”的条件下讨论位势型算子方程及其有限元方程的解的存在唯一性,收敛性,误差估计及其在一类拟线性椭圆方程边值问题中的应用,引入了“邻域阶”的概念,从而在解“不光滑”的情况下也能利用 Sobolev 空间插值理论得出收敛速度的一个度量。