“声表面波信道化滤波器组件”通过鉴定

由中国科学院声学研究所承担的院“八五”军工项目“声表面波信道化滤波器组件”于1996年12月在北京通过了中国科学院组织的鉴定．在现代战争中，电子对抗是一个重要的方面军．电子侦察信道化接收机是所有电子对抗系统的关键．声表面波信道化滤波器组件是由多个声表面波滤波器加上匹配网络组合起来的，有一个输人端和多个输出端．输出信号按频率分路，是信道化接收机中实现信道化功能的关键部件．声学所承担院句＼五”军工项目．研制成频率范围分别为200－350MHZ和350一5O0MHZ两种15信道的声表面波滤波器组件．配套使用时复盖带宽达到300MHZ．在研制过程中，技术上有以下突破：（）采用YllZ”LITaO；基片     

划分图上的正影响数

一个社会网络中通常包括具有正面影响和负面影响的两类人员,为了研究这个社会网络中人们之间相互影响的某些规律,引入了一个新的概念. 用划分图G=(V,E),V=V⁺ \cup V^-表示这样的一个社会网络,其中V⁺和V^- 分别表示正面人员的集合和负面人员的集合. 图G的一个点子集D\subseteq V^-被称为G的一个正影响集,若G的每个点的至少一半的邻点在D\cup V⁺中. G的所有正影响集的最小基数称为G的正影响数. 给出G的正影响数的几个下界并证明了这些界是紧的. 此外,还证明了求正影响数问题在二部图和弦图上都是NP-完全的.     

不完备偏好扩展式博弈的序贯均衡

将Kreps和Wilson提出的序贯均衡解概念推广到了存在不完备偏好的情形.首先给出了一个修正的颤抖手完美均衡的概念,然后应用它去证明不完备偏好扩展式博弈序贯均衡的存在性.     

基于卷积神经网络的焊缝缺陷图像分类研究

为有效地对焊缝缺陷进行分类,从而判断焊接质量的等级,对传统卷积神经网络进行改进,提出一种多尺度压缩激励网络模型（SINet）。将4组两两串联的3×3卷积模块与Inception模块、压缩激励模块（SE block）相结合。通过多尺度压缩激励模块（SI module）将卷积层中的特征进行多尺度融合和特征重标定以提高分类准确率,并用全局平均池化层代替全连接层减少模型参数。此外考虑到焊接缺陷数量不平衡对准确率的影响,采用深度卷积对抗生成网络（DCGAN）进行数据集的平衡处理,并在该数据集上验证模型的有效性。与传统卷积神经网络相比,该模型具有良好的性能,在测试集上准确率达到96.77%,同时模型的参数个数也明显减少。结果表明该方法对焊缝缺陷图像能进行有效地分类。     

跨界创新联盟关联信用风险传染模型研究

跨界创新联盟是企业创新过程中资源整合与共享的一种有效形式,但在带来企业创新资源共享效益的同时,联盟中复杂的关联关系也构成了联盟关联信用风险传染的新渠道。本文结合复杂网络理论与传染病模型,根据跨界创新联盟特点,在原有资产关联研究的基础上,综合考虑行业关联、资产关联和创新合作关联三种关联关系,改进了风险传播的传染病模型,并进行了数值仿真实验。结果表明：行业关联、资产关联和创新合作关联对跨界创新联盟关联信用风险传染阈值具有综合性影响,增加行业关联和创新合作关联因素,有利于提高关联信用风险传染阈值的精度。此外,资产关联度越高则感染成员密度越大;行业关联度越低,创新合作关联度越高则感染成员密度越小。     

线型/圈型网络上单台车辆分群调度问题

本文研究线型/圈型网络上单台车辆分群调度问题。给定一个线型/圈型网络,若干客户分布其中。所有客户被划分成若干个子集,每个子集称为一个群。每个客户有一个释放时间和一个服务时间。给定一台车辆,其需要服务所有客户,且每个群内的客户连续服务。问题的要求是计算一个时间表,使得车辆能够按要求服务完所有客户并返回初始出发位置所花费的时间最少。针对该问题,就线型网络和圈型网络,分别给出一个7/4和一个13/7近似算法。     

具有随机节点结构的复杂网络同步研究

针对具有随机节点结构的复杂网络, 研究其同步问题. 基于Lyapunov稳定性理论和线性矩阵不等式技术给出了复杂网络同步稳定的充分性条件, 该充分性条件不仅与复杂网络的状态时延有关, 还与节点结构的概率分布有关. 数值仿真表明本文方法的有效性. 关键词： 复杂网络 随机节点 同步稳定 时滞     

基于条件生成式对抗网络的油藏单井产量预测模型

为克服机器学习方法在油藏单井产量预测中的过拟合问题,提高油田生产中的产量预测精度,提出一种基于条件生成式对抗网络(CGAN)的油藏单井产量预测模型。该模型使用长短期记忆、全连接等基础神经网络,构建生成和判别网络模型。生成网络模型以产量影响因素为条件输入,生成预测产量数据,利用对数损失函数评价预测数据与真实数据之间的偏差,通过条件生成式对抗网络的博弈训练,并结合贝叶斯超参数优化算法,优化模型结构,综合提高模型的泛化能力。基于Eclipse数值模拟软件建立同一井网条件下不同地质和生产条件下的油藏单井产量数据库,以地质与生产条件等产量影响因素作为模型的条件输入,进行油藏单井产量预测。结果表明：与全连接神经网络(FCNN)、随机森林(RF)以及长短期记忆神经网络(LSTM)模型的预测结果相比,CGAN模型在测试集上的平均绝对百分比误差分别提升了2.59%、 0.81%以及1.72%,并且过拟合比最小(1.027)。说明CGAN降低了机器学习产量预测模型的过拟合程度,提高了模型的泛化能力与预测精度,验证了所提算法的优越性,对指导油田高效开发和保障我国能源战略安全具有重要意义。     

基于NPU的实时深度学习跟踪算法实现北大核心CSCD

深度学习在检测领域高速发展,但受限于训练数据和计算效率,在基于嵌入式平台的边缘计算领域,尤其是实时跟踪应用中深度学习的智能化算法应用并不广泛。针对这一现象,同时为满足现阶段国产化、智能化的技术需求,提出了一种改进的孪生网络深度学习跟踪算法。在特征网络加入微调网络,解决了网络模型无法在线更新的问题,提升了跟踪的准确性;在IoUNet损失函数中加入中心距离惩罚项,解决了IoUNet当IoU相同时位置跳跃,存在收敛盲区和收敛速度慢的问题;将训练后的网络通过通道剪枝,缩减网络模型尺寸,提升了模型加载和运行的速度。在华为Atlas200NPU平台上实现了实时运行,算法准确率高达0.90(IoU>0.7),帧率达到66 Hz。     

关于Hopfield-型神经网络收敛性和求能量函数极小解的可靠性的研究

本文在徐宗本等1996年的论文的基础上进一步完善了Hopfield-型神经网络的收敛性定理;根据徐宗本等1996年的论文中由能量函数的极小解与网络的稳定点之间的关系而提出的三类能量函数(正则性,正常性和完备性能量函数),本文提出了两类具有完备性的Hopfield-型网络.