基于RTD可编程逻辑门的n变量函数实现算法

共振隧穿二极管（RTD）可编程逻辑门是一种由单双稳态转换逻辑单元（MOBILE）及正、负输入分支组成的阈值逻辑电路。基于二进制神经元模型中的三层网络结构,提出了基于RTD可编程逻辑门的n变量函数实现算法。按照汉明距离由大到小的顺序,搜索最优输入向量,用定理1或定理2方法产生隐层函数,通过变换次数,确定输入向量的真假及隐层函数的权重。由于定义了最优输入向量及变换次数,提高了算法的准确性;又由于采用了定理2方法,令设计的电路更简单。     

基于功率谱收敛的低压电力载波信道中的噪声检测与建模

在低压电力线载波信道中,复杂的噪声特性是阻碍低电压电力线载波通信广泛应用的主要原因之一。因此,准确的噪声模型对于设计和优化电力线通信系统具有重要意义。为了得到更加准确噪声模型,给出一种等效背景噪声和功率谱收敛算法。通过对多组拟合参数的求解,并以归一化理论和噪声特性为基础,实现功率谱收敛算法对准确噪声模型的搭建。通过低压电力线信道噪声分析,验证了功率谱收敛算法在噪声模型中应用的可行性。     

群智能算法优化SVR预测模型的应用与分析

群体智能是基于生物群体行为规律的智能计算技术,常用以解决参数寻优等问题;作为群体智能的两种典型算法,蚁群算法和粒子群算法应用极为广泛;文章分析了标准蚁群算法和粒子群算法的不足,分别采用改进的蚁群算法和粒子群算法对支持向量机回归模型参数进行优化,并以钕铁硼吸氢阶段合金氢含量预测为例,通过MATLAB对改进后的预测模型进行了仿真验证,最终给出了两种方法优化后,模型的预测效果及性能对比;仿真结果表明,改进的群体智能算法对工艺优化控制有着重要的意义。     

激光陀螺组合体自主测量船体角变形的最优估计法

根据激光陀螺组合体测量的角增量计算得到的惯性姿态匹配测量方程,结合动态变形模型和静态变形模型,构建了船体角变形测量的最优滤波器,实现了角变形的最优估计。该方法将角变形和激光陀螺的随机漂移误差近似为平稳随机过程并分别构建滤波器,静态变形建模为白噪声驱动的一阶随机游走过程,动态变形建模为二阶马尔可夫平稳随机过程。通过角速度匹配测量方程进行了角变形的观测性分析得知:动态变形的估计精度与激光陀螺的测量精度相当,静态变形的估计精度依赖于船体摇摆频率和幅度,因此最优估计法的误差主要为静态角变形模型的估计误差。仿真结果表明,通过设置合适的静态角变形模型参数,该最优估计法测量角变形的误差小于10"。     

一种基于对偶四元素描述的线面特征约束的点云配准方法

针对地面三维激光扫描仪采集到的相邻测站点云存在空间特征关联,以及城市建筑群中含有大量的线面特征,提出一种基于对偶四元素描述的线面特征约束的点云配准方法,该方法在利用对偶四元素统一描述空间变换参数的同时考虑到尺度因子。将依据直线和平面存在的几何关系,以及线面相交所产生的交点与夹角等作为配准约束条件,构建出空间相似变换目标函数,利用最小二乘准构建出平差模型以计算空间相似变换相关参数。为了避免不恰当的初始值所导致的迭代不收敛问题,将Levenberg-Marquardt法应用于平差模型的解算。最后对该方法的正确性与可行性进行实验分析。结果表明,相较于仅考虑线特征或面特征约束的点云配准方法,所提方法的配准精度更高,并且采用Levenberg-Marquardt法解算平差模型能在任意给定的初始值下正确收敛。     

融合多尺度特征的短时音频场景识别方法EI北大核心CSCD

为解决短时音频场景识别任务中识别性能差的问题,提出一种融合多尺度特征的音频场景识别方法。首先将双声道音频中左右声道的和差作为输入,并使用长时帧长进行分帧处理,以保证提取出的帧级特征中包含足够多的音频信息。然后将特征逐帧输入到融合多尺度特征的一维卷积神经网络中,以充分利用网络中不同尺度的浅层、中层和深层嵌入特征。最后综合所有帧级软标签得到短时音频的场景分类结果。实验结果表明,该方法在国际声学场景和事件检测与分类挑战赛(DCASE) 2021短时音频场景数据集上的准确率为79.02%,实现了该数据集上目前为止的最优性能。     

MA对偶-信赖域算法在非线性不等式约束优化问题中的应用研究

针对含有非线性不等式约束条件的优化问题,提出了MA对偶-信赖域算法。在每次迭代过程中,基于信赖域方法和问题的逼近属性,构造了原优化问题中目标函数和约束函数的移动渐进线函数,由此建立简单的子优化问题。运用对偶方法求解子问题得到原优化问题的下降方向,再用线搜索方法取得搜索步长,最后得到下一步的迭代点。应用数学推理证明了该算法的全局收敛性。以悬臂梁最小柔度问题为例,应用MA对偶-信赖域算法对优化问题进行了求解,数值算例的结果表明,MA对偶-信赖域算法在求解非线性约束优化问题时比MMA和GCMMA算法的迭代次数少,收敛速度快。     

Optimal dividend and dynamic reinsurance strategies with capital injections and proportional costs

We consider an optimization problem of an insurance company in the diffusion setting, which controls the dividends payout as well as the capital injections. To maximize the cumulative expected discounted dividends minus the penalized discounted capital injections until the ruin time, there is a possibility of (cheap or non-cheap) proportional reinsurance. We solve the control problems by constructing two categories of suboptimal models, one without capital injections and one with no bankruptcy by capital injection. Then we derive the explicit solutions for the value function and totally characterize the optimal strategies. Particularly, for cheap reinsurance, they are the same as those in the model of no bankruptcy.     

网络上SIR型传播的随机建模与极限定理

复杂网络本身及其上的传播过程是最近以来的研究热门,但是多数的工作都只有宏观模型,没有微观基础.本文中,我们将边与边之间的连接与个体的状态变化看作为基本的泊松流,从微观角度构造了网络上SIR型传播的随机模型.对任意有限的固定时间区间,在热力学极限下,从随机系统可以得到一个确定性动力系统—所谓的"水动力极限".这样,本文为这一领域的唯象的动力学模型建立了一个合理的微观基础.同时,我们得到了收敛速度的估计.     

局部对立条件下斜率变点估计的收敛速度

对至多只有一个斜率变点的模型,在误差分布为非正态时,本文利用滑窗方法研究了局部对立假设下变点估计的相合性和收敛速度问题,同时给出了部分模拟结果.