有阻尼的二阶脉冲无穷时滞泛函微分方程解的存在性

应用Kuratowski非紧性测度和分段估计方法,研究Banach空间中有阻尼的二阶脉冲无穷时滞泛函微分方程mild解的存在性和正则性.脉冲项的紧性条件,先验估计和非紧性测度估计的限制条件没有被使用,所得结果不同于许多已知的结果.作为应用,举了两个例子说明该文的结果.     

AgGa(S1-xSex)2固溶体的电子结构和光学性质

采用基于赝势平面波基组的密度泛函理论方法, 对一系列具有黄铜矿结构的AgGa(S_1-xSe_x)₂固溶体的构型、电子结构、线性和二阶非线性光学性质进行了系统研究. 结果表明, 各固溶体具有类似的能带结构, 体系带隙随x值增加而逐渐减小. 当所引入的Hartree-Fock交换项贡献为22.56%时, 对应的杂化PBE泛函得到的带隙值与实验结果相近. 固溶体的各种光学性质, 包括折射率、双折射率、反射率、吸收系数和二阶倍频系数等均随着组成的改变呈现出有规律的变化趋势, 变化范围介于AgGaS₂和AgGaSe₂二者之间. 因此, 利用固溶体光学性质的变化规律, 可从中寻找出具有特定光学性能的晶体材料.     

基于Chebyshev多项式的神经网络中长期负荷预测研究

高精度负荷预测在提高电力系统的安全性和经济性方面有着极其重要的意义,而现有的负荷预测方法因参数有限,难以完全反映其内在规律,因而导致预测结果不够准确.为此提出了一种基于Chebyshev多项式神经网络模型的预测方法.该方法使用递推最小二乘法训练神经网络权值系数,以获得高精度的参数估计,从而实现Chebyshev多项式神经网络模型对负荷量的最优拟合,再利用训练好的Chebyshev多项式神经网络模型实现中长期负荷预测.研究结果表明,该方法能较好模拟负荷变化规律,有效提高了负荷预测精度,在电力系统负荷预测中有较大的应用价值.     

具有变时滞和马尔可夫切换的随机递归神经网络的弱收敛(英文)

本文研究了具有变时滞和马尔可夫切换的随机递归神经网络的弱收敛,通过运用Lyapunov函数、随机分析技巧和推广了的Halanay不等式,得到了上述模型为弱收敛的充分性条件,并且我们揭示了对上述递归神经网络模型所确定的segment过程的转移概率的极限分布是此模型的解过程的唯一的遍历不变概率测度.此外,我们还给出了例子和数值模拟来说明我们结论的正确性.     

广东省能源需求预测模型构建及实证分析

为了对广东省的能源需求进行准确的预测,首先分析了影响广东省能源需求的各种因素,构建了预测指标体系.在此基础上,针对能源系统非线性等复杂系统特征,结合粒子群算法和BP神经网络的优点,构建了改进的PSO-BP神经网络的预测模型,并通过主成分分析法对指标体系进行数据降维,以降低神经网络的规模和复杂程度.以广东省1985-2013年的能源需求数据进行模拟与仿真,并对2014-2018年的能源需求量进行预测,理论分析和实证研究表明,该方法能够很好的反映广东省能源需求的特征,预测结果较为准确合理.     

基于布谷鸟算法与BP神经网络的煤灰变形温度预测

以120种煤样为数据基础,采用布谷鸟算法(CS)优化BP(Back Propagation)神经网络,建立了CSBP模型对单煤、煤掺添加剂和配煤等3类样本的煤灰变形温度(DT)样本进行预测。模型以煤灰化学成分及其组合参数等13个变量作为输入量,以变形温度(DT)作为输出量。CSBP模型预测结果与BP神经网络模型预测结果进行对比发现,无论是单煤、煤掺添加剂还是配煤,CSBP模型较BP模型对煤灰变形温度(DT)的预测都更加精准,平均相对误差分别达到了3.11%、4.08%和4.22%。另外,对比3类样本预测结果发现,无论是CSBP模型还是BP模型,相比单煤预测而言,煤掺添加剂及配煤的预测误差都有明显的增加。     

基于神经网络的NMR谱图自动相位校正综合算法

目前,已有多种算法被应用在核磁共振谱图自动相位校正中,由于各种算法本身特性和所基于谱图的具体特性的差异,不同算法对于特征不同的谱图的适用性也各不相同. 针对这一情况,文在综合研究多种现有自动相位校正算法的基础上,提出了一种基于神经网络的,可以根据谱图的特征来选取最合适的算法进行自动相位校正的综合算法. 实验表明,本算法可以获得比以往方法更好的计算结果.     

把简单的事情复杂化叫文化,把复杂的事情简单化是效率——Mind Concert Academic Salon学术讨论侧记

"简单"与"复杂"是人们在剖析客观事物时所归纳出的两个极端属性,也是描述客观事物被人了解及掌握难易程度的感观印象。因此"简单"与"复杂"既有客观的一面,也有主观的一面,因人而异,因事而异。只要人类现代文明进程不被中止,"简单"与"复杂"将会是一个永恒的话题,争论也将永无休止。总体而言,简单是对事物的一种高度概括,只有真正抓住了事物的本质,越是简单平淡的表述,就越具有摄人心魄、令人永世难忘的魅力。     

纯电动汽车磷酸铁锂电池组的建模及优化

鉴于传统神经网络和支持向量机机理复杂、计算量大的缺陷,很难实时跟踪磷酸铁锂电池组复杂快速的内部反应,影响电池荷电状态的估算精度,提出应用一种简单、有效的极限学习机对一额定容量为100Ah、额定电压为72V的纯电动汽车磷酸铁锂电池组建模,并分别与BP神经网络、RBF神经网络、支持向量机进行对比。随后,以学习时间和泛化性能为优化目标,应用粒子群方法寻找最佳隐层节点个数。结果表明,基于极限学习机的磷酸铁锂电池组模型的学习时间、泛化性能优于BP神经网络、RBF神经网络、支持向量机;隐层节点优化后,模型的学习时间和泛化性能达到最优。     

变温傅里叶红外光谱技术研究硬脂酸C-H伸缩振动

采用傅里叶红外光谱技术研究了温度对于硬脂酸C-H伸缩振动、分子脂肪链构象改变和分子间作用力的影响。运用变温红外技术在293~393K范围内,分别测定了硬脂酸C-H的一维红外光谱、二阶导数红外光谱、四阶导数红外光谱和去卷积红外光谱。结果表明:1在293~333K范围内,一维红外光谱中2 965,2 870cm-1附近的弱吸收谱带分别归属于甲基的不对称伸缩振动模式νas(-CH3)和对称伸缩振动模式νs(-CH3),相应的导数光谱及去卷积红外光谱能提高一维红外谱的分辨率;2在293~333K范围内,硬脂酸脂肪链处于全反式构象,在348~353K范围内,硬脂酸分子脂肪链构象由全反式构象向无序构象转变;3随着测量温度的升高,硬脂酸分子间的作用力不断降低。